탐색적 데이터 분석(EDA) 실무: 데이터 속 패턴과 통계적 통찰 도출
강좌 소개
NCS ‘빅데이터 탐색’ 능력단위를 체계적으로 반영하여, 본격적인 모델링이나 의사결정 전에 데이터의 분포, 이상치, 변수 간 상관성을 철저히 파헤치는 탐색적 데이터 분석(EDA) 실전 과정입니다.
단변량 및 다변량 분석 기법, 왜도(Skewness)와 첨도(Kurtosis) 확인, 상관계수 히트맵 시각화를 통해 데이터가 전하는 숨은 이야기를 읽어내고 설득력 있는 가설을 도출하는 분석가의 시각을 기릅니다.
이 강좌에서 배우는 것들
- NCS 빅데이터 분석 탐색 기준에 맞춘 체계적인 EDA 프로세스 체득
- Matplotlib과 Seaborn을 활용한 심미적이고 정보량 높은 차트 생성
- 수치형 및 범주형 변수 간의 통계적 상관관계 검증
- 데이터 분석 보고서에 즉시 삽입 가능한 통찰 도출 및 스토리텔링
교육 과정 (Curriculum)
Section 1: EDA의 철학과 단변량 데이터 탐색
- 탐색적 데이터 분석(EDA)의 목적과 표준 체크리스트
- 수치형 변수 탐색: 히스토그램, KDE 플롯, 박스플롯(Boxplot)
- 범주형 변수 탐색: 빈도표와 막대 그래프(Countplot) 분석
Section 2: 다변량 분석과 상관관계 시각화
- 산점도(Scatter Plot)와 페어플롯(Pairplot)으로 변수 간 관계 추적
- 피어슨 vs 스피어만 상관계수 히트맵 시각화 및 해석
- 그룹별 통계 비교: 바이올린 플롯과 FacetGrid 활용법
Section 3: 실전 비즈니스 데이터 EDA 프로젝트
- 타이타닉 생존 데이터 & 캘리포니아 주택 가격 데이터 심층 EDA
- 도메인 지식과 결합한 신규 파생 변수(Feature Engineering) 발굴
- 비전문가도 직관적으로 이해할 수 있는 EDA 종합 인사이트 리포트 작성
필수 조건
- 파이썬 기초 및 Pandas 사용 경험
수강 대상
- 데이터를 보고 어디서부터 분석을 시작해야 할지 막막한 초보 분석가
- 머신러닝 전 데이터의 품질과 분포를 완벽히 이해하고 싶은 엔지니어
- 데이터 기반으로 명확한 비즈니스 가설을 세우고 싶은 기획자