~

[내일배움캠프 QA/QC 6기] TIL #033

JiJi0406 — Fri, 26 Jun 2026 21:07:05 +0900

~~오늘 내용 진짜 없음...~~

001

오늘의 코드카타

42. 크기가 작은 부분문자열

문제 설명

숫자로 이루어진 문자열 t와 p가 주어질 때, t에서 p와 길이가 같은 부분문자열 중에서, 이 부분문자열이 나타내는 수가 p가 나타내는 수보다 작거나 같은 것이 나오는 횟수를 return하는 함수 solution을 완성하세요.

예를 들어, t="3141592"이고 p="271" 인 경우, t의 길이가 3인 부분 문자열은 314, 141, 415, 159, 592입니다. 이 문자열이 나타내는 수 중 271보다 작거나 같은 수는 141, 159 2개 입니다.

제한사항

1 ≤ p의 길이 ≤ 18
p의 길이 ≤ t의 길이 ≤ 10,000
t와 p는 숫자로만 이루어진 문자열이며, 0으로 시작하지 않습니다.

def solution(t, p):
    answer = 0
    n = len(t)
    m = len(p)
    for i in range(n-m+1):
        if int(t[i:i+m]) <= int(p):
            answer += 1        
    return answer

002

오늘 학습한 내용

1. 예측모델링 프로세스

1) 흐름

데이터 수집 → EDA → (전처리) → 모델링 → 평가

2) 데이터 수집 단계

Data Source 종류: OLTP(실시간 트랜잭션 처리), Enterprise Application(회사 내부 데이터), Third-Party(구글 애널리틱스 같은 외부 소스), Web/Log(사용자 로그)
회사 데이터가 없으면 CSV/엑셀 다운로드, API, 크롤링으로 직접 수집

2. 탐색적 데이터 분석 (EDA)

1) EDA란

시각화, 기술통계로 데이터를 이해하고 탐구하는 과정
데이터 자체에 대한 정보뿐 아니라 "어떤 모델링이 적합할지" 힌트도 여기서 얻을 수 있음!! → 예측 모델링이 아니어도 데이터 분석에선 필수 과정

2) 기술통계로 EDA

describe()로 기본 통계량 확인 (include='all' 옵션 주면 범주형 데이터도 같이 볼 수 있음)

3) 시각화 plot 정리

시각화는과제도 해보고 프로젝트도 해봐서 이미 아는 내용이지만 한번 더 정리해봄

countplot: 범주형 데이터 카테고리별 빈도수 (x: 범주형, y: 빈도) (예: 제품 카테고리별 판매수)
barplot: 범주형 카테고리별 수치 데이터 평균 비교 (x: 범주형, y: 연속형) (예: 연령대별 평균소득)
boxplot: 분포, 중앙값, 사분위수, 이상치를 한눈에 (x: 수치형 또는 범주형, y: 수치형) (예: 그룹별 시험점수 분포 비교)
histogram: 연속형 데이터의 분포, 몰려있는 구간 파악 (x: 수치형, y: 빈도) (예: 고객 연령 분포)
scatterplot: 두 연속형 변수 간 관계 파악 (x, y 둘 다 수치형) (예: 키와 몸무게 관계)
pairplot: 여러 변수를 한 번에 다 시각화, 대각선엔 히스토그램(분포) 들어감

→ 그래프 종류별로 "범주형이냐 수치형이냐"에 따라 골라 쓰면 됨

오늘은 개인적인 공부를 하는데 시간을 좀 써서... 실습한 거랑 라이브세션 복습한 내용은 정리할 시간이 없었따

부캠 경험자이신 매니저님께서, 지금이 부캠하면서 제일 힘든 시기라고 하셨는데 맞는 거 같다...

초반엔 그냥 주어진 공부 해야하는 일들 정신없이 막 하느라 별 생각이 없었는데 지금은 이 생활에 익숙해져서 그런가 전보다 해이해진 것 같고... 공부하는 내용도 어려워져서 의욕도 떨어지고......

에효 모르겠다 다음주부터 다시 갓생 ㄱㄱ

[내일배움캠프 QA/QC 6기] TIL #032

JiJi0406 — Thu, 25 Jun 2026 21:02:40 +0900

001

오늘의 코드카타

42. 삼총사

문제 설명

한국중학교에 다니는 학생들은 각자 정수 번호를 갖고 있습니다. 이 학교 학생 3명의 정수 번호를 더했을 때 0이 되면 3명의 학생은 삼총사라고 합니다. 예를 들어, 5명의 학생이 있고, 각각의 정수 번호가 순서대로 -2, 3, 0, 2, -5일 때, 첫 번째, 세 번째, 네 번째 학생의 정수 번호를 더하면 0이므로 세 학생은 삼총사입니다. 또한, 두 번째, 네 번째, 다섯 번째 학생의 정수 번호를 더해도 0이므로 세 학생도 삼총사입니다. 따라서 이 경우 한국중학교에서는 두 가지 방법으로 삼총사를 만들 수 있습니다.

한국중학교 학생들의 번호를 나타내는 정수 배열 number가 매개변수로 주어질 때, 학생들 중 삼총사를 만들 수 있는 방법의 수를 return 하도록 solution 함수를 완성하세요.

제한사항

3 ≤ number의 길이 ≤ 13
-1,000 ≤ number의 각 원소 ≤ 1,000
서로 다른 학생의 정수 번호가 같을 수 있습니다.

입출력 예

number	result
[-2, 3, 0, 2, -5]	2
[-3, -2, -1, 0, 1, 2, 3]	5
[-1, 1, -1, 1]	0

def solution(number):
    answer = 0
    n = len(number)
    
    for i in range(n): # 첫 번째 학생 고르기
        for j in range(i + 1, n): # 두 번째 학생은 첫 번째 학생 다음부터
            for k in range(j + 1, n): # 세 번째 학생은 두 번째 학생 다음부터
                if number[i] + number[j] + number[k] == 0:
                    answer += 1 # 세 학생의 번호 합이 0이면 삼총사로 카운트
    return answer

002

오늘 학습한 내용

[ 머신러닝의 이해와 라이브러리 활용 기초 ]

로지스틱 회귀 - 타이타닉 생존자 예측

1. 가설 세우고 확인하기

"비상상황 특성상 여성을 배려해서 많이 생존했을 것이다"
피벗테이블로 먼저 확인하고, 그 다음 그래프로도 확인

import pandas as pd

titanic_df = pd.read_csv("/content/train.csv", encoding='utf-8')
#숫자: Age, SibSp, Parch, Fare
#범주형 : Pclass, Sex, Cabin, Embarked

pd.pivot_table(titanic_df, index = "Sex", columns = 'Survived', aggfunc = 'size')

import seaborn as sns
sns.countplot(titanic_df, x = 'Sex', hue = 'Survived')

2. 로지스틱 회귀가 왜 필요??

① 선형회귀로는 안 되는 이유

Y가 "특정 값이 될 확률"이면 0~1 사이여야 하는데, 선형회귀로 예측하면 그 범위를 넘어갈 수 있음
그래서 S자 형태 함수(로지스틱 함수)를 써서 무조건 0~1 사이로 결과가 나오게 만든 게 로지스틱 회귀

② 로짓 / 오즈비

오즈비(승산비)는 실패확률 대비 성공확률, P(확률)가 증가할수록 오즈비가 급격히 커져서 선형성이 깨짐
→ 로그를 씌워서(로짓) 완만하게 만들어줌
보통 확률 0.5를 임계값(threshold)으로 잡고, 그 이상이면 1(생존)로 판단!

3. 분류 모델 평가는 정확도만 보면 XXX

1) 정확도의 함정

(예시) 100명 중 95명 정상, 5명 암환자인데 모델이 "다 정상"이라고만 찍어도 정확도 95%가 나옴
근데 진짜 중요한 암환자는 하나도 못 맞춘 것 → 정확도만 보면 이런 사기 모델을 못 걸러냄!!
Y값이 불균형(unbalance)할 때 특히 이런 문제 발생

2) 혼동 행렬 (Confusion Matrix)

실제값/예측값 조합을 2x2로 표현한 것
TP(양성을 양성으로 맞춤), FP(음성인데 양성으로 잘못 예측), FN(양성인데 음성으로 잘못 예측), TN(음성을 음성으로 맞춤)

3) 평가지표

정밀도(Precision): 모델이 양성이라고 예측한 것 중 진짜 양성인 비율
재현율(Recall): 실제 양성 중 모델이 양성으로 맞춘 비율
F1-Score: 정밀도와 재현율의 조화평균 → (정밀도×재현율)/(정밀도+재현율) → 위의 "다 정상이라고 찍는 모델"은 정밀도 계산 자체가 안 되고(0으로 나누기), 재현율도 0이라서 F1-Score도 0이 됨 → 이래서 불균형 데이터에는 정확도 대신 F1-score를 쓰는 것

4. 실습 - 타이타닉 데이터로 로지스틱 회귀

데이터 불러오고 변수 타입(숫자형/범주형) 확인,

X는 Fare, Y는 Survived로 설정해서 분석 시작함

1) LogisticRegression 모델 만들고 학습시킴

from sklearn.linear_model import LogisticRegression

model_lor = LogisticRegression()
model_lor.fit(X_1, y_true)

2) 모델 학습 후 속성들 함수로 확인

def get_att(x):
  print('클래스 종류', x.classes_)
  print('독립변수 개수', x.n_features_in_)
  print('들어간 독립변수(x)의 이름', x.feature_names_in_)
  print('가중치', x.coef_)
  print('바이러스', x.intercept_)

get_att(model_lor)

클래스 종류 [0 1]
독립변수 개수 1
들어간 독립변수(x)의 이름 ['Fare']
가중치 [[0.01519617]]
바이러스 [-0.94129222]

3) predict로 예측값 뽑고, 정확도(accuracy_score)와 F1-score(f1_score)로 평가

from sklearn.metrics import accuracy_score, f1_score
def get_metrics(true, pred):
  print('정확도', accuracy_score(true, pred))
  print('f1_score', f1_score(true, pred))

y_pred_1 = model_lor.predict(X_1)

get_metrics(y_true, y_pred_1)

정확도 0.6655443322109988
f1_score 0.354978354978355

→ 정확도는 0.66인데 F1-score는 0.35로 꽤 낮음

→ Fare 하나로만 예측하기엔 부족하다는 신호인듯 (생존 여부가 불균형 or Fare만으론 설명력이 부족)

선형회귀 vs 로지스틱회귀 평가지표 비교

구분	선형회귀 (회귀)	로지스틱회귀 (분류)
무엇을 예측?	연속적인 숫자값	특정 클래스(0 or 1)
평가 지표 1	MSE (평균제곱오차) : 예측-실제 차이 제곱해서 평균낸 값	정확도(Accuracy) : 전체 중 맞춘 비율
평가 지표 2	R² (결정계수) : 모델이 데이터를 얼마나 잘 설명하는지	F-1 Score : 정밀도 & 재현율의 조화평균
값의 범위	MSE : 0 이상 (단위 의존적) R² : 0~1	0~1
좋은 방향	MSE ↓ 낮을수록 좋음 R² ↑ 높을수록 좋음	둘 다 ↑ 높을수록 좋음
주의할 점	MSE는 단위에 따라 절대값 해석 달라짐	정확도는 Y가 불균형할 때 믿을 수 없음 → 이럴 땐 F-1 Score

한 줄로 요약하면...

선형회귀(숫자 예측)는 "오차가 얼마나 작은지"(MSE) + "설명력이 얼마나 높은지"(R²)로 평가
로지스틱회귀(분류)는 "맞춘 비율"(정확도)만 보면 위험, 데이터 불균형하면 "정밀도·재현율 균형"(F1-Score)으로 봐야 함

[내일배움캠프 QA/QC 6기] TIL #031

JiJi0406 — Wed, 24 Jun 2026 21:02:26 +0900

001

오늘의 코드카타

41. 이상한 문자 만들기

문제 설명

문자열 s는 한 개 이상의 단어로 구성되어 있습니다. 각 단어는 하나 이상의 공백문자로 구분되어 있습니다. 각 단어의 짝수번째 알파벳은 대문자로, 홀수번째 알파벳은 소문자로 바꾼 문자열을 리턴하는 함수, solution을 완성하세요.

제한조건

문자열 전체의 짝/홀수 인덱스가 아니라, 단어(공백을 기준)별로 짝/홀수 인덱스를 판단해야합니다.
첫 번째 글자는 0번째 인덱스로 보아 짝수번째 알파벳으로 처리해야 합니다.

입출력 예

s	return
"try hello world"	"TrY HeLlO WoRlD"

입출력 예 설명

"try hello world"는 세 단어 "try", "hello", "world"로 구성되어 있습니다.

각 단어의 짝수번째 문자를 대문자로, 홀수번째 문자를 소문자로 바꾸면 "TrY", "HeLlO", "WoRlD"입니다.

따라서 "TrY HeLlO WoRlD" 를 리턴합니다.

~~지금까지 푼 것 중에 두번째로 오래 걸린 듯..~~

▼ 1차 시도 (실패)

def solution(s):
    a = s.split() # ⚠️ 문제 구간
    for i in range(len(a)): # 문자열 쪼갠 리스트의 길이만큼 반복
        n = ''
        for j in range(len(a[i])): # i번째 인덱스의 길이만큼 반복
            if j % 2 == 0: # 짝수 조건
                n += a[i][j].upper() # i번째 인덱스의 j번째 문자를 대문자로 변환해서 n에 누적
            else: # 홀수 조건
                n += a[i][j].lower() # i번째 인덱스의 j번째 문자를 소문자로 변환해서 n에 누적
        a[i] = n # 리스트 a의 i번째 인덱스를 조건문 거쳐 만들어진 n으로       
    return ' '.join(a) # 쪼개진 리스트를 문자열로 변환

실패!

왜 실패하는 건지 도저히 모르겠어서~ 젬선생 찬스

曰...

프로그래머스 '이상한 문자 만들기' 문제 풀고 있구나! 이거 일부 테스트 케이스에서 실패 뜨는 이유가 있어.
문제 조건 중에 엄청 중요한 통곡의 벽이 하나 숨어있거든?
"각 단어는 하나 이상의 공백문자로 구분되어 있습니다."
이 말은 단어 사이에 공백이 2개, 3개일 수도 있고, 심지어 문자열 맨 앞이나 맨 뒤에 공백이 무더기로 들어있을 수도 있다는 뜻이야.

❌ 왜 실패가 떴을까?
네 코드에서 s.split()을 썼잖아? 파이썬에서 괄호 안에 아무것도 안 넣은 s.split()은 연속된 모든 공백을 싹 다 무시하고 단어만 딱 골라내서 리스트로 만들어.
예를 들어 입력이 "try hello" (공백 2개) 라면:
1. s.split() 결과: ['try', 'hello'] (공백 사라짐)변환 결과: ['TrY', 'HeLlO']' '.join() 결과: "TrY HeLlO" (공백이 1개로 줄어듦 ❌)
2. 원래 입력에 있던 공백 개수가 그대로 유지되어야 하는데, split() 때문에 공백이 다 1개짜리로 초기화돼서 실패(틀림)가 뜨는 거야 ㅇㅇ.

️ 정답 코드로 고치기 (split(' ') 쓰기)
공백을 한 칸짜리 모양 그대로 유지하면서 쪼개려면 괄호 안에 ' ' (공백 한 칸)을 명시해 줘야 돼! 그러면 공백이 여러 개 있어도 빈 문자열('')로 리스트에 살아남아서 원래 공백 자리를 지켜줘.

me :

' ' 면 한칸짜리 공백이잖아
근데 어떻게 두칸 세칸짜리 공백도 유지가 되는 거야?

이거 진짜 날카로운 질문이야 ㅇㅇ. 처음엔 다들 헷갈려 하는 게 당연해.
쉽게 이해할 수 있게 split()과 split(' ')이 문자열을 다루는 내부 방식을 비교해서 보여줄게.

핵심은 "빈 문자열('')"을 남기느냐 마느냐의 차이
공백이 3칸 연속으로 있는 "A B"라는 문자열이 있다고 쳐보자. 컴파일러 눈에는 이게 "A" + " " + " " + " " + "B"로 보여.

1. split() (괄호 안에 아무것도 없을 때)
"야, 공백(스페이스, 탭, 줄바꿈)은 전부 그냥 '벽'이야. 연속으로 있든 말든 무조건 다 합쳐서 단어만 골라내!"

- "A" 발견 ➡️ 리스트에 넣음 ['A']
- 공백 3칸 연속 발견 ➡️ "어, 공백더미네? 싹 다 무시하고 다음 글자 나올 때까지 넘겨!"
- "B" 발견 ➡️ 리스트에 넣음 ['A', 'B']
- 결과: ['A', 'B'] ➡️ 나중에 ' '.join() 하면 중간 공백이 1칸으로 줄어듦.

2. split(' ') (공백 한 칸을 기준으로 지정했을 때)
"난 정확히 '공백 한 칸'을 만날 때마다 가위질을 할 거야. 그 사이에 아무것도 없어도 무조건 쪼개!"

여기서 가위질을 3번 세심하게 한다고 생각하면 편해.
- "A" 뒤에 첫 번째 공백 발견 ➡️ 싹둑! ➡️ 왼쪽의 "A"가 리스트에 들어감. ['A']
- 두 번째 공백 발견 ➡️ 싹둑! ➡️ 첫 번째 공백과 두 번째 공백 사이에 아무 글자도 없지? 그래서 빈 방인 "" (빈 문자열)을 리스트에 집어넣음. ['A', '']
- 세 번째 공백 발견 ➡️ 싹둑! ➡️ 두 번째와 세 번째 사이에도 아무것도 없으니 또 ""를 넣음. ['A', '', '']
- 마지막 "B" 발견 ➡️ 리스트에 넣음.
- 결과: ['A', '', '', 'B'] ➡️ 공백 개수만큼 빈 문자열('') 자리가 방을 차지하고 살아남음!

다시 합칠 때 (' '.join()) 어떻게 복원될까?
파이썬에서 ' '.join(리스트)은 리스트의 요소들 사이에 공백 한 칸(' ')을 끼워 넣으면서 하나로 합치는 기능이야.
방금 split(' ')으로 쪼개진 ['A', '', '', 'B']를 다시 합쳐보면:

1. "A"를 쓴다.
2. 사이에 공백 한 칸 주입 ➡️ "A "
3. 두 번째 요소인 "" (빈 방)을 합친다. ➡️ "A " (아무것도 안 더해짐)
4. 사이에 공백 한 칸 주입 ➡️ "A "
5. 세 번째 요소인 "" (빈 방)을 합친다. ➡️ "A "
6. 사이에 공백 한 칸 주입 ➡️ "A "
7. 마지막 "B"를 합친다. ➡️ "A B"

결과적으로 처음에 있던 공백 3칸이 완벽하게 그대로 유지되는 마법이 일어나 ㅇㅇ.

요약
- split(): 공백이 몇 칸이든 다 무시하고 단어만 쏙 뽑아옴.
- split(' '): 공백 한 칸 단위로 칼같이 쪼개서, 연속된 공백 자리에 '' (빈 문자열)을 남겨둠 ➡️ 이 빈 문자열들이 자리를 지켜줘서 원래 공백 개수가 유지!

감사합니다.

▼ 2차 시도 (성공)

def solution(s):
    a = s.split(' ') # 젬선생 피드백 반영
    for i in range(len(a)):
        n = ''
        for j in range(len(a[i])):
            if j % 2 == 0:
                n += a[i][j].upper()
            else:
                n += a[i][j].lower()
        a[i] = n        
    return ' '.join(a)

002

오늘 학습한 내용

[ 머신러닝의 이해와 라이브러리 활용 기초 ]

선형회귀분석 실습 : 몸무게로 키 예측해보기

강의 들으면서 실습해봤는데, 그냥 따라가기만 하니까 지금 내가 뭘 하고 있는 건지 뭘 구하고 있는 건지 잘 모르겠어서... 정리해봤다.

1. 데이터 준비 및 시각화

weights, heights 리스트로 데이터프레임 만들고, Weight(x축) vs Height(y축) 산점도로 두 변수 관계를 먼저 눈으로 확인

weights = [87, 81, 82, 92, 79, 83, 88, 91, 85, 90]
heights = [180, 175, 178, 185, 172, 176, 182, 184, 179, 181]
body_df = pd.DataFrame({'Height': heights, 'Weight': weights})   
plt.title('Height vs Weight')
plt.xlabel('Weight') 
plt.ylabel('Height')
sns.scatterplot(data=body_df, x='Weight', y='Height')

2. 선형회귀 모델 학습

sklearn의 LinearRegression으로 모델 만들고, X(독립변수=Weight)와 y(종속변수=Height)로 학습
학습된 모델에서 기울기(coef_)와 절편(intercept_)을 뽑아서 회귀식 형태로 출력

from sklearn.linear_model import LinearRegression 
model_lr = LinearRegression()
X = body_df[['Weight']]
y = body_df[['Height']] 
model_lr.fit(X = X, y = y)
w1 = model_lr.coef_[0][0]
w0 = model_lr.intercept_[0]
print('y = {}X + {}'.format(w1.round(2), w0.round(2)))

- 출력 : y = 0.87X + 104.36

3. 예측값/잔차/MSE 계산

학습한 회귀식(w1, w0)으로 예측값(pred)을 직접 만들고, 실제값과의 차이(error)와 그 제곱(error²)을 계산
error² 평균을 직접 구해서 MSE(평균제곱오차) 계산

body_df['pred'] = body_df['Weight'] * w1 + w0
body_df['error'] = body_df['Height'] - body_df['pred']
body_df['error^2'] = body_df['error'] * body_df['error']
body_df['error^2'].sum()/len(body_df)

4. 회귀선 시각화

원본 산점도 위에 예측값(pred)으로 만든 회귀선을 빨간색으로 겹쳐 그려서, 실제 데이터와 모델이 얼마나 맞아떨어지는지 시각화

sns.scatterplot(data=body_df, x='Weight', y='Height')
sns.lineplot(data=body_df, x='Weight', y='pred', color='red')

5. sklearn 평가지표로 검증

직접 계산한 MSE 값이 맞는지, sklearn의 mean_squared_error로 다시 계산해서 비교 검증
R²(결정계수)도 r2_score로 구해서 이 모델이 데이터를 얼마나 잘 설명하는지 확인

from sklearn.metrics import mean_squared_error
from sklearn.metrics import r2_score
y_true = body_df['Height']
y_pred = body_df['pred']
mean_squared_error(y_true, y_pred) # 1.1436123348017704
r2_score(y_true, y_pred) # 0.9235553252137854 (good.)

MSE는 낮을수록 좋은 것이나,
(MSE = 예측값과 실제값 차이를 제곱해서 평균낸 것, 0이면 완벽하게 맞춘 거고 클수록 많이 틀린 것)
낮을수록 좋다는 거랑 별개로, MSE 자체의 절대값이 크고 작은지는 데이터 단위/스케일에 따라 완전히 달라져서 분야마다 "이 정도면 괜찮다"는 기준이 달라짐!

R²은 0~1 사이로 정규화돼 있어서 "이 모델이 데이터를 몇 % 설명하는지" 직관적으로 비교 가능 (1에 가까울수록 좋음)

6. model.predict()로도 같은 결과 나오는지 재확인

직접 만든 pred 컬럼 대신, 모델의 predict() 메서드로 예측한 값(pred2)으로도 MSE를 구해서 두 방식이 같은 결과를 내는지 최종적으로 확인

y_pred2 = model_lr.predict(body_df[['Weight']])
mean_squared_error(y_true, y_pred2) # 1.1436123348017704, 앞에서 구한 거랑 같다.

실습하면서 느낀 점...

코드 한 줄 한 줄은 이해가 되는데, 다음으로 뭘 해야 하는지 감이 잘 안 잡힘 (혼자서 백지 상태에서 해보라고 하면 못 함...;)
필요한 메서드가 뭔지 바로바로 안 떠오름...(당연한 거겠지) 그냥 강의 보고 무지성으로 따라가게 됨

다짐

전체 흐름(데이터 준비 → 학습 → 예측 → 평가)을 먼저 그려보고, 그 다음 각 단계에 어떤 메서드가 들어가는지 채워나가는 식으로 공부하기

[ 기초 통계학 - 마무리 ]

1. 재현 가능성

같은 실험 반복했을 때 결과가 똑같이 나오는지가 연구 신뢰성 확보에 중요!!

실험 조건 완벽히 재현 어려움
p해킹으로 p값 조작 가능 → 1종 오류 위험
유의수준 0.05 = 20번 중 1번은 틀려도 기각될 수 있다는 뜻
유의수준 낮추면 베타값(2종 오류) 커지는 트레이드오프 있음

2. p-해킹

유의미한 p값 나올 때까지 변수 바꿔가며 반복 분석하는 행위

XXX

여러 가설 반복 시도하다 p<0.05 나온 것만 보고
데이터 늘리다 우연히 좋은 시점에서 멈추기
결과 보고 가설을 사후에 다시 세우기
→ 가설은 미리 세우고 검증할 것, 탐색적 분석이면 본페로니 보정 등 사용

3. 선택적 보고

유의미한 결과만 보고하고 나머지는 숨기는 행위 → 분석 결과 왜곡, 신뢰성 저하

4. 자료 수집 중단 시점

언제 멈출지 미리 안 정하면 원하는 결과 나올 때까지 계속 모으게 됨 (예: 50명 → 결과 안 좋아서 100명까지 추가)

5. 데이터 탐색과 검증 분리

탐색해서 가설 세운 데이터 그대로 검증까지 하면 과적합 위험
→ 탐색용(train) / 검증용(test) 나누고, 검증 데이터는 맨 마지막에만 볼 것 (머신러닝에서는 학습, 검증, 평가 데이터로 나누는 게 일반적)

[ 아티클 스터디 ]

주제 : 확실히 알아두면 만사가 편해지는 머신러닝 10가지 알고리즘
아티클 링크 : https://yozm.wishket.com/magazine/detail/1931/

지금 배우고 있는 머신러닝의 알고리즘들 복습한다는 느낌으로 읽어봄

1. 지도학습 VS 비지도학습

지도학습: 정답(목표 변수)이 있는 데이터로 학습해서 예측.
비지도학습: 정답 없이 데이터 안에서 패턴 찾는 것.

2. 지도학습: 회귀 VS 분류

회귀: 연속적인 숫자값 예측 (가격, 온도 등) 대표적으로 선형회귀
분류: 정해진 범주 중 하나로 구분. 로지스틱 회귀(이진분류), 나이브 베이즈 등등
KNN이나 트리 계열은 회귀/분류 둘 다 가능한 만능형

3. 베이스라인 모델들
1) 선형 회귀 / 로지스틱 회귀

종속변수-독립변수가 선형 관계일 때 쓰는 가장 기본적인 모델
단점: 데이터가 선형 관계 아니면 예측력 뚝 떨어짐

2) KNN (K-최근접 이웃)

거리 기반으로 작동, 별다른 가정 없이 직관적
다중분류에 간편하게 쓸 수 있고 작은 데이터셋에 적합
근데 데이터 커지면 느려지고 아웃라이어에 약함

3) 나이브 베이즈

조건부 확률 기반, 스팸 필터처럼 자연어 처리에 자주 쓰임 (딥러닝이 더 잘하지만 간단하게 할 때 이거 사용)
독립변수가 서로 독립적이면 경쟁력 있지만... 아니면 범용성 낮음

4. 트리 기반 모델들
1) 결정 트리

변수의 특정 기준점으로 데이터를 계속 쪼개가면서 예측
데이터 가정 필요 없고 이상치 영향도 거의 없음, 시각화도 직관적
트리가 깊어지면 오버피팅(훈련 데이터에만 과하게 맞춰지는 현상) 발생

2) 랜덤 포레스트

결정 트리의 오버피팅 문제를 완화하려고 트리 여러 개를 앙상블(여러 모델 결과를 합쳐서 예측)한 모델
이상치 영향 거의 없고 선형/비선형 둘 다 잘 작동
해석이 어렵고 학습 속도가 느림

3) XG부스트 / 라이트GBM

트리를 순차적으로 만들면서 이전 트리의 오차를 보완해가는 부스팅 방식
캐글 컴피티션에서 검증된 성능, 변수 많고 데이터 클수록 강함
라이트GBM은 변수 중요도까지 확인 가능해서 한 단계 더 진화한 버전
단점: 해석 어렵고 하이퍼파라미터 튜닝이 까다로움

결정 트리 → 랜덤 포레스트 → 부스팅 계열로 갈수록 예측력, 성능은 올라가나 해석이 어려워진다는 단점이...

5. 비지도학습
1) K-Means (군집화)

거리 기반으로 비슷한 데이터끼리 그룹 묶기
사용자가 K값(그룹 개수)을 직접 정해야 함, 자동으로 못 찾음
변수 스케일에 따라 결과가 달라질 수 있어서 스케일링(변수 단위/범위 맞춰주는 전처리) 필수

2) PCA (주성분 분석, 차원축소)

변수 개수는 줄이고 특성은 최대한 보존
다차원 데이터를 2차원으로 줄여서 시각화하기 좋고, 변수 간 높은 상관관계 문제도 해결
근데 기존 변수가 아니라 새로운 변수로 바뀌어서 해석이 좀 어려움, 정보 손실 불가피

[내일배움캠프 QA/QC 6기] TIL #030

JiJi0406 — Tue, 23 Jun 2026 20:49:36 +0900

001

오늘의 코드카타

40.3진법 뒤집기

문제 설명

자연수 n이 매개변수로 주어집니다. n을 3진법 상에서 앞뒤로 뒤집은 후, 이를 다시 10진법으로 표현한 수를 return 하도록 solution 함수를 완성해주세요.

제한조건

n은 1 이상 100,000,000 이하인 자연수입니다.

입출력 예

n	result
45	7
125	229

입출력 예 설명

입출력 예 #1

답을 도출하는 과정은 다음과 같습니다.

n (10진법)	n (3진법)	앞뒤 반전 (3진법)	10진법
45	1200	0021	7

따라서 7을 return해야 합니다.

입출력 예 #2

답을 도출하는 과정은 다음과 같습니다.

n (10진법)	n (3진법)	앞뒤 반전 (3진법)	10진법
125	11122	22111	229

따라서 229를 return해야 합니다.

def solution(n):
    a =''
    while n > 0:
        a = a + str(n%3) # 거꾸로 3진법 전환: 3으로 나눈 나머지를 문자열로 전환해 a에 누적하여 붙임 
        n = n // 3 # 3으로 나눈 몫을 n으로 갱신
    return int(b, 3)

int('문자열', 진법)

→ int()함수에 이 문자열이 몇 진법인지 숫자를 같이 넘겨주면, 파이썬이 알아서 10진수로 싹 변환해줌

(몰라서 찾아봄...)

002

오늘 학습한 내용

데이터 분석 심화 주차 D+5

지도학습 vs 비지도학습 복습 ~

차이점

정답(y값)이 있는지 없는지
지도학습은 x, y(정답)을 같이 주고 학습시켜서 정답을 예측하는 게 목표 (예: 스팸 메일 분류), 평가도 명확한 지표로 가능함
비지도학습은 y 없이 x만 넣어서 숨은 구조나 인사이트를 발견하는 게 목표 (예: 고객 그룹 묶기), 평가는 클러스터 간 간격이 얼마나 넓은지/안에서 얼마나 동질적인지 등등 봄

지도학습은 모델이 정답 맞히면 끝 / 비지도학습은 사람이 의미를 부여해야 완성

[ (라) 머신러닝 심화 2회차 - 비지도학습: 군집화, 차원축소 ]

1. 클러스터링

익숙한 유세포 분석 검사 결과도 클러스터링을 거친 후 시각화한 것

1) 클러스터링이란

이름 없는 데이터에 이름표 달아주기 - 서로 가까이 있는 것들끼리 그룹 묶는 방법론
군집 내 거리는 가까울수록, 군집 간 거리는 멀수록 좋음
언제 씀?: 크고 복잡한 데이터를 단순화할 때, 정답 없는 새 데이터 분류할 때, 이상 탐지할 때(어떤 클러스터에도 속하지 않는 데이터를 이상치로 봄)
정답이 없으니까 분석가가 그만큼 더 설명을 잘 해줘야 함!

2) 클러스터링 알고리즘이 다르면 결과도 다르다

거리 측정 방식이나 알고리즘 종류에 따라 같은 데이터라도 군집이 완전히 다르게 형성

3) 문제 해결 프로세스

문제 정의(뭘 묶고 싶지?) → 특징 추출(어떤 피처로 비교?) → 군집 수행(K-Means, DBSCAN 등) → 결과 해석(군집 특징 의미 부여)
QAQC 예시: 불량 유무로만 구분된 데이터를 → 공정 데이터(온도, 압력, 습도 등) 기반으로 "불량 유형 그룹"으로 재분류

4) 활용 예시

요약/시각화: 데이터 다 안 봐도 클러스터별 특징으로 경향 파악 (예: 1년치 뉴스 클러스터링해서 주요 토픽 찾기)
데이터 이해: 라벨 없는 데이터의 숨은 패턴 발견 (예: 카드 사용 패턴으로 고객 세그먼트 클러스터링)
전략 수립: 클러스터 해석해서 실제 액션 아이템 도출 (예: VIP/가격 민감/트렌드 추종 고객으로 분류)

5) 거리 측정

두 데이터가 얼마나 가까운지 측정하는 방식, 측정 방식 따라 완전 다른 클러스터 생성
유클리디안 거리(피타고라스 정리, 두 점 사이 직선 거리)가 가장 기본 : 연속형 수치 데이터에 적합, 스케일 비슷할 때 좋음, 이상치엔 민감함
맨하탄 거리는 차원별 절댓값 차이의 합 (다른 방법들도 있는데 자세히 몰라도 됨)

→ 클러스터링은 거리 기반 알고리즘이라 스케일링이 필요!

→ 안 하고 K-means 돌리면 값이 큰 피처가 거리 계산을 지배해서 결과 왜곡됨

6) 계층적 군집화

처음에 그룹 개수 안 정함 → 데이터 간 거리를 계산해서 나무 모양(덴드로그램)으로 묶어가는 방식
모든 데이터를 1개짜리 군집으로 시작해서 가장 비슷한 것끼리 점점 묶어가는데, 어느 높이에서 자르냐에 따라 군집 개수가 달라짐

7) ★ K-means

가장 널리 쓰는 클러스터링 알고리즘, 데이터를 K개 군집으로 나누는 분할 기반 방식
K개 그룹 정하고 → 중심점 무작위 설정 → 가까운 중심점의 그룹으로 모임 → 중심점이 그룹 중앙(평균값)으로 이동 → 중심점 안 바뀔 때까지 반복
장점 : 빠르고 단순! (현업에서 중요) / 단점 : K를 미리 정해줘야 하고, 이상치에 취약하고, 크기/밀도 다른 군집은 잘 못 찾음

8) 최적의 K 정하는 법

Elbow Method: K ↑ → 군집 내 거리의 합 ↓, 감소폭이 급격히 꺾이는 지점(팔꿈치) 선택
Silhouette Score: -1~1 사이 값, 1에 가까울수록 군집이 잘 분리된 거임 → 최고점 선택

9) DBSCAN (밀도 기반)

가까이 많이 묶여있는 애들을 일단 클러스터로 묶는 방식, K 미리 안 정해도 되고 임의 형태의 클러스터도 찾을 수 있음
노이즈 많거나 / 불규칙하거나 / 클러스터 개수를 모를 때 좋음! 어디에도 속하지 않는 데이터는 노이즈로 간주

2. 차원축소

1) 왜 씀???

실무 데이터는 보통 수십~수천 개 피처를 가지는데, 그대로 두면 시각화 불가능, 계산 비용 폭증, 차원의 저주(차원 높아질수록 데이터 간 거리가 무의미해짐) 문제가 생김
그래서 중요한 정보는 최대한 보존하면서 차원을 줄이는 기법이 나온 거임

2) ★ PCA (주성분 분석)

여러 센서 데이터를 가장 중요한 몇 개 축으로 요약하는 기법, N개 변수를 1~2개로 줄일 수 있음
데이터가 가장 넓게 퍼져있는 방향을 찾아서 그걸 새 좌표축(주성분)으로 재정렬 (데이터 구조에 맞게 좌표계를 회전)
머신러닝 파이프라인의 전처리 단계로 주로 씀 (장점: 빠름, 노이즈 제거 효과적 / 단점: 선형 관계만 포착, 이상치에 민감)

3) t-SNE

고차원에서 가까운 점은 저차원에서도 가깝게, 먼 점은 멀게 배치하는 비선형 방법
PCA로는 못 잡는 복잡한 구조를 보고 싶을 때 사용
단점은 느리고, 실행마다 결과 다르고, 새 데이터엔 적용 불가(매번 재학습 필요), 축 자체에 의미 없음

일반적으로 PCA로 시작 → 필요하면 t-SNE로 시각화 !

+ QAQC 하면서 비지도학습 많이 쓸 일은 없을 것 같고, 쓴다면 차원축소 정도. 일단 지도학습 충분히 마스터하고 여유 될 때 비지도학습 봐보자

[내일배움캠프 QA/QC 6기] TIL #029

JiJi0406 — Mon, 22 Jun 2026 21:08:06 +0900

001

오늘의 코드카타

39. 최대공약수와 최소공배수

문제 설명

두 수를 입력받아 두 수의 최대공약수와 최소공배수를 반환하는 함수, solution을 완성해 보세요. 배열의 맨 앞에 최대공약수, 그다음 최소공배수를 넣어 반환하면 됩니다. 예를 들어 두 수 3, 12의 최대공약수는 3, 최소공배수는 12이므로 solution(3, 12)는 [3, 12]를 반환해야 합니다.

제한조건

두 수는 1이상 1000000이하의 자연수입니다.

입출력 예

n	m	return
3	12	[3, 12]
2	5	[1, 10]

def solution(n, m):
    for i in range(min(n, m),0,-1):
        if n % i == 0 and m % i == 0: # 최대공약수는 두 수를 나눴을 때 나머지가 0이 되는 공통적인 수
            break # 찾으면 반복문 멈춤! 완전 초반에 배웠던 걸 이제야 써보네
    return [i, (n*m)/i] # 최소공배수 공식은 검색해서 찾음...ㅎㅎ

002

오늘 학습한 내용

데이터 분석 심화 주차 D+4

[ 기초 통계 ]

1. 정규성 검정

대부분의 통계 검정(t-test, ANOVA 등)은 데이터가 정규분포를 따른다는 전제로 돌아감
→ 검정 전에 먼저 정규성 검정으로 확인해야 함

① Shapiro-Wilk Test
가장 널리 쓰는 정규성 검정 방법

귀무가설: 데이터가 정규분포를 따른다

② Q-Q 플롯

데이터가 정규분포를 따르는지 시각적으로 확인하는 방법

점들이 직선에 가까우면 정규성 만족
선에서 멀리 떨어진 점 많으면 정규성 불만족

검정 이름만 알고 언제 쓰는지 모르면 의미 없음! 프로젝트할 때 플로우차트 보고 찾아가는 연습 필요함

2. 비모수 검정

정규성 깨졌거나, 데이터 수 적거나, 순위형 자료(등급/만족도 등)일 때 씀

명칭 다 외울 필요 x
→ 평균 대신 순위(rank) 기반 비교

① 종류

Mann-Whitney U Test : 독립 2집단 → mannwhitneyu()
Wilcoxon Test : 대응 2집단(사전-사후 변화 등등..) → wilcoxon()
Kruskal-Wallis Test : 독립 3집단 이상 → kruskal()
Chi-square Test : 범주형 독립성 (ex. 나이에 따른 과목 선호 차이...) → chi2_contingency()

→ p < 0.05면 집단 간 차이 통계적으로 유의미

3. 분산분석(ANOVA)

3개 이상 집단 평균 차이를 검증하는 기법
⭐ t-검정을 여러 번 하면 1종 오류가 누적 → ANOVA는 한 번에 검증해서 이 문제 방지

- 기본 가정(각 그룹): 정규성, 등분산성, 독립성

① F-값
F = 집단 간 분산 / 집단 내 분산
→ F값 클수록 그룹 간 차이가 유의함

② 일원 분산분석 (One-Way ANOVA)
독립변수 1개(범주형) → 종속변수 1개(연속형) (영향 분석)

ⓐ 예시
작업 교대조별로 불량률간 차이가 있을까?

p < 0.05 → 적어도 한 곳 평균 불량 건수 다름 (대립가설 만족)
p ≥ 0.05 → 유의한 차이 없음 (귀무가설 만족)

4. 사후 분석 (Post-Hoc)

ANOVA에서 "차이 있다"는 결론은 나왔어도 어느 그룹끼리 다른지는 안 알려줌 → 추가 검정 필요!

① 방법
Tukey's HSD : 모든 그룹 쌍 비교, 표본 크기 비슷할 때 가장 일반적
(나머지는 그냥 읽고 넘어감... 상황별로 1종 오류 통제 방식이 다르다 정도만 알아두기)

② 분석 경로

모수: ANOVA → (유의하면) → Tukey's HSD
비모수: Kruskal-Wallis → (유의하면) → Dunn's Test

③ ANOVA 전제 조건

정규성
등분산성(Levene's test)
독립성
→ 안 맞으면 Kruskal-Wallis로

ⓐ 제조업 예시 - 실제 분석 흐름

신형 의료용 레이저 기기 vs 기존 기기 성능 비교

상황: 새로 개발한 의료기기(신형 A, 신형 B)와 기존에 쓰던 제품(기존 C) 등 총 3개 기기의 '~ 개선율' 평균에 차이가 있는지 ANOVA를 돌림 → 결과: p < 0.05 (세 기기 간 성능 차이 있음!)
사후 분석 결과 예시 (Tukey 검정 수행):
- 신형 A vs 기존 C: p < 0.05 → 신형 A가 기존 제품보다 개선율이 유의하게 높음!
- 신형 B vs 기존 C: p >= 0.05 → 신형 B는 기존 제품과 차이가 없음
- 신형 A vs 신형 B: p < 0.05 → 신형 A가 B보다도 성능이 우수함
- 결론: "우리 회사 신형 기기 중 A 모델이 기존 제품 및 B 모델보다 통계적으로 유의미하게 성능이 뛰어납니다"

5. 상관계수와 상관관계 분석

① 상관계수
공분산을 정규화한 값(-1~+1), 단위 영향 없어서 해석 쉬움

+1 가까움 → 양의 선형관계
-1 가까움 → 음의 선형관계
0 → 관계 없음

② 종류

피어슨(Pearson) : 연속형 변수, 정규성 가정 (예: 온도-결함률) → 모수 검정에서 가장 일반적으로 씀, 파이썬 히트맵 기본값도 이거
스피어만, 켄달 타우는 서열형/소규모 데이터용 (자세히 몰라도 됨)

③ 상관관계 ≠ 인과관계 ★
(예: 아이스크림 판매량과 익사사고 둘 다 여름에 증가 → 상관은 있지만 인과 아님)
→ 상관계수만 보고 원인-결과 단정하면 X

(인과추론 관련해서 A/B테스트, DiD, RDD, 도구변수법 같은 방법론들도 나왔는데 이건 나중에 필요할 때 다시 찾아보기로)

6. 회귀 분석

① 단순 선형회귀

Y = β₀ + β₁X + ε

β₀(절편): X=0일 때 Y값
β₁(기울기): X 1 증가할 때 Y 변화량
R²(결정계수): 모형 설명력 (0~1)

② 다중 회귀분석
독립변수 2개 이상

③ 다중공선성(Multicollinearity)
독립변수들끼리 상관 강하면 회귀계수 신뢰성↓ → VIF로 진단

VIF 10 이상이면 심각, 제거 검토

④ 다중공선성 해결법 3가지

변수 정규화(스케일링) : 단위 맞춤, 근본 해결은 x
변수 제거 : VIF 높은 변수 탈락, 정보 손실 리스크 있음
PCA(머신러닝-비지도학습)로 차원 축소 : 다중공선성 원천 차단, 제일 깔끔한 방법인듯?

[ 머신러닝 기초 ]

1. Feature Importance

① Feature Importance

모델이 의사결정할 때 어떤 변수를 가장 중요하게 봤는지 순위를 매기는 것
"정확도 95%인 건 알겠는데 모델이 뭘 보고 판단했냐"는 질문에 답하려고 필요함 → 결과만큼 판단 이유도 중요함!!
중요도 0인 변수는 과감히 제거해서 모델 경량화 + 과적합 방지도 가능

② 산출 원리

선형 모델은 회귀계수 크기로 중요도 판단 (회귀계수 클수록 중요)
트리 기반 모델(Random Forest...)은 불순도 감소 기준 → 어떤 변수로 나눴을 때 정상/이상이 확실하게 갈리는지로 판단 (예: 습도 기준 분할은 여전히 섞임 → 낮은 중요도 / 압력 기준 분할은 완벽히 분리 → 높은 중요도)

⚠️ 주의사항

Feature Importance는 그 변수가 결과와 연관 있다는 것만 보여줄 뿐, 인과관계를 보장하지 않음
힌트로만 쓰고, 실제 조치는 현장 분석 + 도메인 전문가 교차검증 필수

이론 X
앞으로 프로젝트할 때 도움이 될 내용들 정리!

- ML 프로젝트... 어떻게 접근하지

① 스케이트보드 전략 (Agile & AI 방식) ⭐

이론 다 끝내고 시작하는 Waterfall 방식 대신, 일단 실행 가능한 가장 단순한 결과물부터 만들어보자~
"이론 완벽히 끝내고 시작" → 끝이 안 보임.
"CSV 불러서 그래프 하나만 그려보자, 모르는 문법은 그때그때 검색" → 결과물이 바로 나옴

② AI 튜닝 전략

일단 결과 만들고, 에러 나면 그때 이론 찾아봄 (사후 분석)
이렇게 학습한 이론이 뇌에 더 강하게 박힘

- 프로젝트 협업/관리 가이드

① 협업 셋팅

팀 공유 드라이브에 폴더 만들고 data/notebooks 폴더 구분, 팀원 편집자 권한 부여
동시 수정 충돌 막으려면 파일명에 이름 적어서 나눠 작업! (예: 01_preprocessing_이름.ipynb)

② 프로젝트 관리

마일스톤 단위로 진척률 가시화 (예: 데이터셋 확보 20% → 전처리 40% → 베이스라인 모델 70% → 최종 보고서 100%)

[ 머신러닝 심화 ]

* 머신러닝 프로세스 (1)

1. 머신러닝 학습 과정

① 학습 (Training)

모델이 데이터 사이의 규칙을 스스로 찾아가는 단계
Loss Function(손실 함수)으로 예측값과 실제값 차이를 수치화함 (예: RMSE, MAE) → 오차가 작을수록 모델 성능 good
Gradient Descent(경사 하강법)로 오차를 줄이는 방향을 찾아 파라미터를 조금씩 업데이트

② 특성 공학 (Feature Engineering)

모델이 잘 학습하도록 데이터를 가공하는 작업
스케일링: 온도(20~30)와 압력(1000~2000)처럼 단위 차이 크면 모델이 숫자 큰 쪽을 더 중요하게 착각함 → Min-Max나 표준화로 범위 맞춰줌

③ 튜닝 (Tuning)

모델이 학습 잘하도록 환경을 설정해주는 단계, 하이퍼파라미터(사람이 직접 정하는 설정값)를 조정하는 과정
Grid Search: 후보 값들 격자로 미리 정해놓고 하나씩 다 대입해서 최적의 조합 찾기 → 현장에서 열처리 온도/압력 조합 다 실험해보고 불량률 가장 낮은 조건 찾는 거랑 똑같은 개념

2. 과적합(Overfitting)

① 과적합이 생기는 이유?

학습 데이터가 부족하면 다양한 패턴을 못 배움
모델이 너무 복잡하면 작은 데이터 변화에도 과하게 반응
너무 오래 학습하면 데이터를 이해하는 게 아니라 외워버림

② 방지 방법

규제(L1/Lasso는 중요하지 않은 가중치를 0으로, L2/Ridge는 가중치를 전체적으로 작게) → 모델을 다이어트시킴
교차검증(K-Fold)으로 특정 데이터 조각에만 강한 모델이 되는 걸 막음

3. Baseline 모델 ⭐중요 ⭐

- 처음부터 100점 맞으려고 ㄴㄴ 빠르게 60점짜리 Baseline 만들고, 1점씩 올려가는 과정 필요!!

① 왜 만듦?

비교 기준점이 있어야 새 모델이 얼마나 좋아졌는지 알 수 있음! (예: "단순 모델보다 5% 올랐으니 복잡한 모델 쓸 가치 있다")
처음부터 어려운 모델에 매달리면 마감 직전까지 결과물이 안 나올 위험 있음 → Baseline부터 빠르게 돌려서 전체 파이프라인작동 확인
Baseline 성능으로 데이터/문제 어느 쪽이 문제인지 진단 가능

[내일배움캠프 QA/QC 6기] TIL #028

JiJi0406 — Fri, 19 Jun 2026 21:06:48 +0900

001

오늘의 코드카타

37. 행렬의 덧셈

문제 설명

이 문제에는 표준 입력으로 두 개의 정수 n과 m이 주어집니다.
별(*) 문자를 이용해 가로의 길이가 n, 세로의 길이가 m인 직사각형 형태를 출력해보세요.

제한조건

n과 m은 각각 1000 이하인 자연수입니다.

예시

입력

5 3

출력

*****
*****
*****

a, b = map(int, input().strip().split(' '))
print(('*' * a + '\n') * b)

파이썬 줄바꿈

1. print()는 호출될 때마다 줄바꿈

2. \n (문자열 안에서 사용 가능)

3.end 파라미터 (end=''(기본값 : \n))

4. ''' '''

002

오늘 학습한 내용

데이터 분석 심화 주차 D+3

1. t-test(t-검정)

두 집단의 평균 차이가 진짜 의미가 있는 차이인가, 아니면 그냥 우연인가?

를 수학적으로 검증하는 통계 방법

→ 데이터의 퍼진 정도(분산)와 샘플 수를 모두 고려해서 진짜 차이가 나는지 알려주는 것!

1) t-test의 종류

일표본 t-test (One-sample): 한 집단의 평균을 특정 기준값과 비교
독립표본 t-test (Independent-sample): 서로 다른 두 집단의 평균을 비교 (가장 많이 씀!)
대응표본 t-test (Paired-sample): 동일한 집단의 전/후를 비교

import numpy as np
from scipy import stats # t-test 할 때 쉽게 할 수 있게 해주는 라이브러리

# 데이터 준비 (ex. A그룹과 B그룹의 구매 금액)
group_A = np.array([23, 25, 28, 30, 26, 27, 29])
group_B = np.array([31, 35, 32, 29, 30, 34, 33])

# 독립표본 t-test 실행
t_stat, p_value = stats.ttest_ind(group_A, group_B)

print(f"t-통계량: {t_stat}")
print(f"p-value: {p_value}")

2) 결과 해석

결과로 나오는 p-value가 0.05보다 작으면(p < 0.05): 두 그룹의 평균은 진짜 차이가 있다! 우연 X 라고 결론 냄
p-value가 0.05보다 크면: 우연히 차이가 나 보이는 것, 통계적으로는 차이가 없다 라고 해석

2. 표본 추출방법

단순 랜덤 추출 - 그냥 무작위
계통 추출 - 5개당 1개씩 일정 간격으로
집락 추출 - 특정 구역만 통째로 (집단 내 이질적, 집단 간 동질적)
층화 추출 — 특정 상품군 내에서 추출 (집단 내 동질적, 집단 간 이질적)

프로젝트에서는 이미 데이터가 다 추출돼있는 상태로 받기 때문에 크게 안 중요하지만, 현장에서는 필요한 개념

(ADsP 준비하면 층화추출은 기억해두기)

3. 중심극한정리(CLT) & 큰 수의 법칙

1) 중심극한정리

모집단의 분포 모양이 어떻든 상관없이, 표본 크기가 충분히 크면(n≥30, 이론상!) 표본평균들의 분포가 정규분포에 가까워진다는 정리

# 지수분포(전혀 정규분포 아님)인 모집단에서 표본 크기별로 평균을 뽑아보는 시뮬레이션
population = np.random.exponential(scale=2, size=100000)

def simulate_sampling_means(n_samples, iterations=1000):
    return [np.mean(np.random.choice(population, n_samples)) for _ in range(iterations)]

means_2 = simulate_sampling_means(2)
means_30 = simulate_sampling_means(30)

4. 가설검정

귀무가설(H₀): 차이 없음, 효과 없음 (기본으로 믿는 가설)
대립가설(H₁): 차이 있음, 효과 있음 (증명하고 싶은 가설)
유의수준(α): 귀무가설이 참인데 잘못 기각할 확률의 상한선 (보통 0.05)
p-value: 귀무가설이 참이라고 가정했을 때, 지금 같은(또는 더 극단적인) 데이터가 나올 확률
→ p < 0.05면 귀무가설 기각, p ≥ 0.05면 채택(보류)

1) 검정 절차

① 귀무/대립가설 수립 → ② 유의수준 설정 → ③ 검정통계량 계산(Z, T, 카이제곱, F 등) → ④ p-value나 신뢰수준 기준으로 결론

2) 단측검정 vs 양측검정

단측검정 - 방향성 있음 (ex. 신약 효과가 "더 크다")
양측검정 - 차이 여부만 봄 (ex. 남녀 성적이 "다르다")

3) 1종 오류 vs 2종 오류 (가볍게 알아두)

1종 오류: 귀무가설이 맞는데 기각함 (잘못된 긍정)
2종 오류: 귀무가설이 틀렸는데 채택함 (놓친 기회)

5. 모수 검정

정규분포 등 모집단 분포에 전제를 두는 검정 방법. 평균 차이를 비교할 때 주로 씀.

1) z-test

모집단 표준편차를 알고, 표본 수가 충분히 클 때(n≥30) 사용.
ex) 부품 이론 평균 길이 50mm인데 표본 40개 평균이 50.3mm로 나왔다면, 이게 우연인지 검정

2) t-test

모집단 표준편차를 모르고, 표본이 작을 때(n<30) 사용. 위에서 정리함

3) ANOVA

3개 이상 집단 평균 비교할 때. t-test를 여러 번 반복하면 오류 위험이 커지니까 한 번에 통합 비교

일원 ANOVA — 기준 1개 (ex. 지역)
이원 ANOVA — 기준 2개 (ex. 지역+성별)

z-test/t-test/ANOVA 구분 기준
: "표본 크기 + 표준편차를 아는지 모르는지 + 비교 그룹 수" → 이 세 가지 질문으로 정리하니 헷갈리지 않았음!

[내일배움캠프 QA/QC 6기] TIL #027

JiJi0406 — Thu, 18 Jun 2026 21:31:02 +0900

001

오늘의 코드카타

37. 행렬의 덧셈

문제 설명

행렬의 덧셈은 행과 열의 크기가 같은 두 행렬의 같은 행, 같은 열의 값을 서로 더한 결과가 됩니다. 2개의 행렬 arr1과 arr2를 입력받아, 행렬 덧셈의 결과를 반환하는 함수, solution을 완성해주세요.

제한조건

행렬 arr1, arr2의 행과 열의 길이는 500을 넘지 않습니다.

입출력 예

arr1	arr2	return
[[1,2],[2,3]]	[[3,4],[5,6]]	[[4,6],[7,9]]
[[1],[2]]	[[3],[4]]	[[4],[6]]

def solution(arr1, arr2):
    return [[x + y for x, y in zip(z, w)] for z, w in zip(arr1, arr2)]
# 예전에 코드카타 풀면서 배웠던 zip 함수 오랜만에 다시 씀

☆ 작동 원리

1. 바깥쪽 zip: z에 arr1의 [1, 2] / w에 arr2의 [3, 4] / ...(반복)

2. 안쪽 zip: x에 [1, 2]의 1 / y에 [3, 4]의 3 → x + y / ...(반복)

3. 대괄호 2개([[ ]]): 안쪽 대괄호가 [4, 6]을 만들고, 바깥쪽 대괄호가 그걸 감싸쥼 → [[4, 6], [7, 9]]

002

오늘 학습한 내용

데이터 분석 심화 주차 D+2

[ 머신 러닝 기초 ]

어제 라이브 세션 들었던 거 다시 정리

1. 머신러닝?

정의: 컴퓨터가 데이터를 학습해서 스스로 패턴과 의미를 찾아내도록 하는 연구 분야
제조업에서의 역할: 품질 데이터 자동 분석, 공정 이상 탐지 및 예측, 결함률 감소 → 생산성 향상

2. 머신러닝 학습의 종류

1) 지도학습

정답(Label)이 있는 데이터를 사용해 학습하는 방법

입력 데이터(X)와 정답 데이터(Y)를 함께 학습

(1) 분류(Classification)

정해진 카테고리 중 하나를 예측하는 문제

이진 분류 : 정상/비정상처럼 두 가지 결과
다중 분류 : A/B/C 등 여러 결과

- 대표 모델

로지스틱 회귀 : 선형 결합을 이용해 사건 발생 확률을 0 ~ 1 사이로 예측
의사결정트리 ⭐(Like 스무고개) : 데이터를 여러 조건으로 반복 분할해 예측 or 의사결정 과정을 트리 구조로 표현
SVM(서포트 벡터 머신) : 새로운 데이터가 어느 카테고리에 속할지 판단하는 비확률적 이진 선형 분류 모델을 만든다.

(2) 회귀(Regression)

연속적인 숫자 값을 예측하는 문제

- 대표 모델

선형 회귀 / 다항 회귀 / 랜덤 포레스트 회귀

선형 회귀 : y = ax + b
다항 회귀 : 독립변수 x와 종속변수 y 간의 관계가 x의 다항식
릿지 회귀 / 라쏘 회귀 (자세히 몰라도 됨)
랜덤 포레스트 회귀 : 훈련 과정에서 구성한 다수의 결정 트리로부터 부류(분류) 또는 평균 예측치(회귀 분석)를 출력함으로써 동작
SVR

2) 비지도학습

정답(Label)이 없는 데이터를 활용하여 데이터 속 패턴이나 구조를 찾는 방법

데이터 간의 유사성과 차이를 파악

(1) 클러스터링 (군집 분석)

비슷한 특성을 가진 데이터끼리 그룹으로 묶는 방법

학부 시절 유세포분석 배울 때 들어봤음

(2) 차원 축소(Dimensionality Reduction)

많은 변수 중 중요한 정보만 남기고 데이터를 압축하는 방법

(ex. 공정 센서 데이터가 수천 개 존재할 때, 핵심 정보만 추출하여 분석 효율 ↑)

3. Scikit-learn

: 파이썬 머신러닝 라이브러리

pip install scikit-learn

- 주요 기능

분류 및 회귀 모델
클러스터링 및 차원 축소
데이터 전처리
모델 평가
데이터 분할

4. 머신러닝 모델링 과정

1) 문제 정의
:지도학습? 비지도학습? 분류/회귀?

2) 데이터 전처리
결측치 처리 / 이상치 제거 / 데이터 타입 확인 / 정규화 / 피처 엔지니어링 (변수 선택 및 새로운 변수 생성 과정)

3) 데이터 분할
학습 데이터와 평가 데이터 분리
Train : 80% / Test : 20% 비율을 많이 사용

4) 모델 학습 및 평가
모델을 선택한 뒤 학습 데이터를 이용해 학습하고, 테스트 데이터로 성능을 확인

5) 하이퍼파라미터 튜닝
모델 성능 향상을 위해 사용자가 직접 설정하는 값을 조정하는 과정
같은 모델이라도 하이퍼파라미터 설정에 따라 성능이 크게 달라질 수 있다!

[ 기초 통계 ]

* 데이터 탐색 전 확인할 것 3가지

df.head()
df.describe()
df.info()

1. 확률변수 & 확률분포

1) 확률변수

: 어떤 시행의 결과를 숫자로 표현한 변수

(1) 이산형 확률변수 : 셀 수 있는 값을 가지는 변수

(2) 연속형 확률변수 : 실수 범위 내 무한한 값을 가지는 변수

import numpy as np
# 이산형: 하루 불량 개수
discrete = np.random.choice([0,1,2,3,4,5], size=100, p=[0.1,0.2,0.3,0.2,0.1,0.1])
# 연속형: 제품 길이 (정규분포 가정)
continuous = np.random.normal(loc=100, scale=5, size=100)

2) 확률분포

: 확률변수가 어떤 값을 가질 확률을 나타낸 규칙, 모든 확률의 합 = 1

2. PMF & PDF

1) PMF (확률질량함수)

이산형 데이터의 확률, "특정 값이 나올 확률"

2) PDF (확률밀도함수)

연속형 데이터의 확률, "구간의 확률" / PDF 그래프의 면적 = 확률

- 길이가 정확히 10.0000mm일 확률 (X)

- 길이가 9.8mm ~ 10.2mm 사이일 확률 (O)

3) KDE (커널 밀도 추정)

: 데이터만 가지고 PDF를 추정하는 방법

sns.kdeplot()

3. 대표적인 확률분포

1) 이항분포

: 성공 or 실패처럼 결과가 두 개뿐인 상황에서 사용 (베르누이 시행)

2) 포아송분포

: 특정 시간 또는 공간에서 발생하는 사건의 횟수

4. 정규분포 ★

: 품질관리에서 가장 많이 사용하는 분포

- 실제 제조업 품질 데이터도 정규분포를 따른다고 가정하는 경우가 많다!

- SPC 관리도 / Z-점수 해석 / 3시그마 개념

1) 68-95-99.7 법칙

- in 정규분포

±1σ → 약 68%
±2σ → 약 95%
±3σ → 약 99.7%

대부분의 데이터는 평균 근처에 몰려 있고 극단적인 값은 매우 적다.

2) 식스시그마

±6σ 범위 안에 거의 모든 데이터 포함
불량률 약 3.4ppm 수준

- 100만 개를 생산했을 때 불량품이 3~4개 정도만 발생하는 수준의 매우 우수한 공정을 의미!

5. Cp와 Cpk

1) Cp (공정능력지수)

공정이 허용 범위 안에서 얼마나 안정적으로 생산되는지 평가 (관리상한선 - 관리하한선 / 6시그마)

Cp > 1.33 : 양호
Cp < 1 : 개선 필요

Cp는 공정의 퍼짐(산포)만 평가

2) Cpk (공정성능지수)

Cp에 공정 중심 위치까지 고려한 지표

Cpk > 1.33 : 안정적인 공정
Cp는 높은데 Cpk가 낮음 → 정밀 but 중심 어긋

- Cp : 얼마나 정밀?
- Cpk : 얼마나 정밀하고 중심도 잘 맞는지?

요것도 정도관리랑 공중보건학 배울 때 봤음

실무에서는 Cpk를 더 중요하게 보는 경우가 많다고 한다!

6. 표준화 & 정규화

머신러닝에서 자주 등장하는 개념!

데이터마다 단위와 범위가 다르면 모델이 특정 변수만 중요하게 판단할 수 있기 때문에, 스케일을 맞춰줘야 한다.

1) 정규화

: 데이터를 0~1 범위로 압축

(x - min) / (max - min)

- 특징

값 범위 통일
이상치에 민감

2) 표준화

: 평균 0, 표준편차 1로 변환

(x - mean) / std

→ Z-score

- 특징

이상치 영향이 상대적으로 적음
데이터 분포 정보 유지

- 사용 예시: 선형회귀, 로지스틱 회귀, 머신러닝 모델 전반...

3) 정규화 vs 표준화

정규화	표준화
범위를 맞춤 (0~1)	평균 기준으로 변환
0~1로 압축	평균 0, 표준편차 1
이상치에 민감	이상치에 (비교적) 강함
MinMaxScaler	StandardScaler

7. 이상치 탐지

이상치는 분석 결과를 왜곡할 수 있기 때문에 반드시 확인해야 한다.

1) Z-score 방식

: 평균에서 몇 표준편차 떨어져 있는지 계산

- 일반적으로 |Z| > 3 이면 이상치로 판단

8. 분포 시각화

- 히스토그램(데이터 분포 확인), 박스플롯(중앙값 / 사분위수 / 이상치 확인), 바이올린플롯(분포 형태 + 밀도 확인)

프로젝트 때 만들었던 거...

[내일배움캠프 QA/QC 6기] TIL #026 데이터 분석 심화 주차 start

JiJi0406 — Wed, 17 Jun 2026 21:00:02 +0900

001

오늘의 코드카타

36. 문자열 다루기 기본

기본 맞아요...? 어려웠는데.......

문제 설명

문자열 s의 길이가 4 혹은 6이고, 숫자로만 구성돼있는지 확인해주는 함수, solution을 완성하세요. 예를 들어 s가 "a234"이면 False를 리턴하고 "1234"라면 True를 리턴하면 됩니다.

제한사항

s는 길이 1 이상, 길이 8 이하인 문자열입니다.
s는 영문 알파벳 대소문자 또는 0부터 9까지 숫자로 이루어져 있습니다.

입출력 예

s	return
"a234"	false
"1234"	true

또 문제 제대로 안 읽어서 제출하니까 실패... 문자열 길이가 4 혹은 6 < 이 조건을 신경 안 씀 - - (질문하기 보니까 또 나 같은 사람 많았따)

def solution(s):
    test = True if len(s) == 4 or len(s) == 6 else False # 1. s 길이가 4나 6 → True, 아니면 False
    if test == False:
        return False #1-1. 길이 4나 6 아니면 바로 False 리턴
    clean = [int(i) if i.isdigit() else i for i in s] # 2. s라는 문자열을 하나씩 i에 담아서 봄 → 숫자면 정수형으로, 아니면 문자 그대로 리스트 담기게 함
    for t in clean:
        if isinstance(t, str): # 3. i의 타입이 str인지 검사
            return False  # 하나라도 str이 있으면 바로 False 리턴         
    return True

일단 이 문제를 풀기 위해서, is~로 시작하는 메서드들을 검색해서 알아봤다. (내 지식으로는 한계가 있었기에...)

근데 .isdigit()는

문자열을 보고, 숫자만 있느냐에 따라 True/False로 출력이 되기 때문에
굳이

clean = [int(i) if i.isdigit() else i for i in s]

이렇게 리스트 안 만들어도 됨 ㅋㅋㅋㅋ

더 간결하게 짜려면

def solution(s):
    return True if (len(s) == 4 or len(s) == 6) and s.isdigit() else False

이렇게... 삼항연산자 안에 참 조건을 and로 결합해서 짜면 됨

새롭게 알게 된 것 : 문자열 숫자 검증 메서드

1. .isdecimal() - 순수한 10진수 일반 숫자만 인정

2. .isdigit() - 일반 숫자뿐만 아니라, 특수 형태의 숫자(거듭제곱, 위첨자 등)까지 숫자로 인정

3. .isnumeric() - 일반 숫자, 거듭제곱은 물론이고 분수, 로마 숫자, 다른 문화권의 숫자까지 전부 숫자로 인정

→ 인정 조건 맞으면 True 출력

3번은 굳이 몰라도 될듯?

솔직히 이번 문제는 이거 몰랐으면 풀 수 있었나...? 싶다.

002

오늘 학습한 내용

데이터 분석 심화 주차 1일차!

[ 기초 통계 ]

1. 통계가 왜 필요할까? (감 vs 데이터)

통계: 데이터를 객관적인 수치로 드러내서 합리적인 의사결정을 내릴 수 있게 도와줌.

'감'에 의존한 판단: "왠지 B라인에서 요즘 불량이 자주 나오는 듯? 장비 고장났나?"
데이터 기반 통계 분석: B라인 3개월치 데이터 수집 → A, C라인과 평균, 표준편차 비교 → 원인 증명

감으로 안 하고 통계 분석을 하는 이유는? 누가 와서 재현하더라도 똑같은 결과가 나오게 하기 위함!
환경을 보고 어떤 통계 개념을 적용할지 러프하게 떠올릴 수 있다면 통계 분석 개념을 제대로 이해한 것
(세부적인 건 지금 다 알 필요 없고, 프로젝트하면서 다시 봐도 괜찮음)

2. 데이터의 종류

수치형 (Numerical)
- 이산형 (Discrete): 셀 수 있는 것 (예: 불량품 개수, 교대 근무 조, 가동 횟수)
- 연속형 (Continuous): 연속적인 측정값 (예: 설비 온도, 압력, 가공 시간)
범주형 (Categorical)
- 순서형 (Ordinal): 순서나 등급이 있는 것 (예: 설비 위험 등급 H/M/L, 품질 1등급/2등급)
- 명목형 (Nominal): 순서 없이 이름만 있는 것 (예: 설비 ID, 부품 종류, 센서 위치 이름, 컬러)

3. 기술 통계: 데이터 요약

1) 위치 추정 (대표값)

통계 지표	특징 및 수식	적절한 상황
Mean (평균)	총합을 데이터 개수로 나눈 값. 이상치에 영향을 많이 받음.	값들이 고르게 분포됨 (정규분포)
Median (중앙값)	오름차순 정렬 시 50%에 위치한 값. 이상치에 영향을 받지 않음.	데이터에 극단적인 값(이상치)이 있음
Mode (최빈값)	가장 자주 등장하는 값. 2개 이상 존재 가능.	데이터가 범주형(카테고리형)일 때

2) 변이 추정 (산포도)

데이터들이 서로 얼마나 흩어져(다르게) 있는지 확인하는 방법임.

범위 (Range): 최대값 - 최소값
편차 (Deviation): 개별 값과 평균의 차이 (데이터 값 - 평균값)
분산 (Variance): 편차를 제곱해서 평균을 낸 값. 데이터의 전체적인 퍼짐 정도를 봄
표준편차 (Standard Deviation): 분산에 제곱근을 취한 것. 원래 데이터와 단위가 같아져서 직관적
변동 계수 (CV): 표준편차를 평균으로 나눈 것. 서로 다른 단위의 데이터를 비교할 때 씀

import numpy as np

# 1. 평균 계산
mean_value = np.mean(data)

# 2. 편차 (Deviation)
deviations = data - mean_value

# 3. 분산 (Variance) - 모분산 기준 (불편분산은 ddof=1 사용)
variance = np.mean(deviations ** 2)

# 4. 표준편차 (Standard Deviation)
std_dev = np.sqrt(variance)

# 5. 변동 계수 (CV)
cv = std_dev / mean_value

3) 데이터 분포 탐색 & 시각화

# 도수분포표 & 히스토그램

도수: 각 구간에 해당하는 값의 개수
상대도수: 전체 중 비율 (총합은 1)
누적도수: 이전 구간까지 누적된 도수
계급: 범위를 일정 구간으로 나눈 것

# 사분위수 & Boxplot

데이터를 4등분했을 때 25%(Q1), 50%(Q2, 중앙값), 75%(Q3) 위치의 값

# 분위수 계산
Q1 = np.percentile(data, 25)  # 제1분위수
Q2 = np.percentile(data, 50)  # 제2분위수 (중앙값)
Q3 = np.percentile(data, 75)  # 제3분위수

# 사분위 범위 (IQR) 계산
IQR = Q3 - Q1

# 이상치(Outlier) 탐지 기준 경계값
lower_bound = Q1 - 1.5 * IQR
upper_bound = Q3 + 1.5 * IQR

# 왜도, 첨도, 정규분포

정규분포: 평균 중심 좌우 대칭인 곡선 형태.
- 전체 확률 합은 1. 평균 0, 분산 1이면 표준정규분포.
- 통계학은 데이터가 정규분포를 따르지 않으면 분석 꼬임
- 머신러닝 성능을 올리기 위해서도 데이터를 정규분포 형태로 자주 변환
왜도 (Skewness): 좌우 비대칭성 정도.
- + (양수): 오른쪽 꼬리가 김 (Right-skewed)
- 0: 좌우 대칭
- - (음수): 왼쪽 꼬리가 김 (Left-skewed)
첨도 (Kurtosis): 뾰족한 정도 (파이썬/엑셀은 0 기준 초과첨도 사용).
- + (양수): 정규분포보다 뾰족함 (첨도 > 3)
- 0: 정규분포와 유사 (첨도 = 3)
- - (음수): 정규분포보다 평평함 (첨도 < 3)

from scipy.stats import skew, kurtosis

skewness = skew(data)      # 왜도 계산
kurt = kurtosis(data)      # 초과첨도 계산

4) 다변량 및 관계 탐색

이진/범주 데이터 탐색: 최빈값을 주로 쓰며, 파이그림이나 막대그래프로 시각화함.
상관관계 (Correlation): 두 변수가 서로 관련이 있는지 확인 (상관계수 활용)

⚠️ 인과관계 vs 상관관계:
- 상관관계는 둘이 연관이 있네~ 정도
- 인과관계는 원인과 결과가 명확해야 함 (상관관계가 있다고 무조건 인과관계인 건 아님!)

다변량 분석: 여러 변수 간 관계 파악.
- sns.pairplot(df)를 쓰면 모든 변수 조합의 산점도를 그려줌 (대각선은 자기 자신과의 관계라 의미 없어서 히스토그램으로 채워짐)

4. 추론 통계 : 미래 or 전체 예측

표본(일부 데이터)을 통해 모집단(전체 데이터)의 특성을 추정하고 가설을 검정하는 방법

ex) 일부 고객 설문조사로 전체 고객 만족도 추정하기

신뢰구간: 모평균이 특정 범위 내에 있을 확률.
- 보통 95% 신뢰구간을 쓰는데, 만약 만족도 75점, 신뢰구간이 70~80점이라면 "실제 전체 평균 만족도가 70~80점 사이에 있을 확률이 95%다"라는 뜻
가설검정: 가설이 맞는지 검증하는 것.
- 귀무가설 (H0): 기본 가설 (효과 없다, 변화 없다, 차이 없다). 데이터 분석할 때 기각이 되어야 좋음...!
- 대립가설 (H1): 내가 주장하고 싶은 가설 (효과 있다, 변화 있다, 차이 있다)
- p-value: 귀무가설을 기각할지 말지 결정하는 기준 수치. (예: 오전조 vs 오후조 생산성 차이 분석 시 t-test 같은 걸 활용함)

[ 머신 러닝 ]

19:30 라이브 세션이라 전체 내용을 오늘 다 정리할 수가 음슴...ㅎ

뒤에 정리 못 한 내용은 내일 복습하면서 해보겠슴다

1. 머신러닝?

정의: 컴퓨터가 데이터를 학습해서 스스로 패턴과 의미를 찾아내도록 하는 연구 분야
제조업에서의 역할: 품질 데이터 자동 분석, 공정 이상 탐지 및 예측, 결함률 감소 → 생산성 향상

2. 머신러닝 학습의 종류

1) 지도 학습 (Supervised Learning)

: 정답(Label, y data)을 알려주고 공부시키는 방법. 예측과 분류가 주 목적

분류 (Classification): 데이터를 미리 정해진 그룹(카테고리)으로 나누는 작업.
- 이진 분류 (많이 씀!): 불량/정상, 성공/실패 등 2개로 분류 (예: 로지스틱 회귀, 의사결정 트리, SVM).
- 다중 분류: 제품 종류, 이미지 분류 등 3개 이상으로 분류.
회귀 (Regression): 연속적인 숫자 값을 예측하는 작업 (예: 배터리 두께 예측, 날씨/주가/에너지 사용량 예측).
- 선형 회귀: 데이터가 직선 형태라고 가정 (y = ax + b)
- 다항 회귀: 곡선 형태의 비선형 데이터 모델링
- 기타: 릿지/라쏘(규제 추가), 결정트리/랜덤포레스트 회귀, 딥러닝 기반 회귀 등

2) 비지도 학습 (Unsupervised Learning)

: 정답(Label) 없이 데이터의 숨겨진 패턴이나 구조(인사이트)를 발견하는 방법. 정확도 측정이 불가, 주로 EDA(탐색적 데이터 분석)나 전처리 단계에서 사용

클러스터링 (군집 분석): 유사한 데이터끼리 그룹으로 묶기 (ex: K-Means, DBSCAN).
차원 축소: 수많은 센서 데이터 등 복잡한 특징을 몇 가지 중요한 지표로 압축/요약 (ex: PCA).
연관 규칙 학습: 데이터 간의 상관관계 발견 (예: "우유를 사면 빵도 살 확률이 높다"는 장바구니 분석).

3) 강화 학습 (Reinforcement Learning)

행동에 따른 보상(Reward)을 최대화하는 방향으로 기계를 학습시킴 (중요도 낮아서 앞으로 학습X)

.........

와 잠만 너무 힘든데

저번주는 계속 프로젝트만 하다가 (물론 이것도 쉽지 않았다만)

오랜만에 다시 학습 주차 들어오니까 빡세다 빡세

라이브 3개 + VOD 강의 하나 듣고 정리까지 끝낸 하루....

후....,.

ㅎㅎ..

잠시만요

TIL 끝내기 전에 자랑 한 번 하고 가겠습니다.

축 우수팀

마지막 줄 보이세요?ㅎㅎ

많은 분들께 발표 칭찬을 받았는데...

그럴 때마다 좀 부끄럽긴 했지만 기분은 좋았습니다.

(칭찬 받으면 고장나는 타입)

한 페이지에 모아놓고 보니까 뿌듯하네 ㅎㅎ

새로 바뀐 팀에서 심화 프로젝트도 화이팅

+ tmi: 저 어벤져스 안 봐서 하나도 모르는데...

검색해보니까 블랙위도우가 제일 따라하기 쉬워보이길래

저걸로 했어요

[내일배움캠프 QA/QC 6기] TIL #025 커리어 데이

JiJi0406 — Tue, 16 Jun 2026 20:52:00 +0900

001

오늘의 코드카타

35. 부족한 금액 계산하기

문제 설명
새로 생긴 놀이기구는 인기가 매우 많아 줄이 끊이질 않습니다. 이 놀이기구의 원래 이용료는 price원 인데, 놀이기구를 N 번 째 이용한다면 원래 이용료의 N배를 받기로 하였습니다. 즉, 처음 이용료가 100이었다면 2번째에는 200, 3번째에는 300으로 요금이 인상됩니다.

놀이기구를 count번 타게 되면 현재 자신이 가지고 있는 금액에서 얼마가 모자라는지를 return 하도록 solution 함수를 완성하세요.
단, 금액이 부족하지 않으면 0을 return 하세요.

제한사항

놀이기구의 이용료 price : 1 ≤ price ≤ 2,500, price는 자연수
처음 가지고 있던 금액 money : 1 ≤ money ≤ 1,000,000,000, money는 자연수
놀이기구의 이용 횟수 count : 1 ≤ count ≤ 2,500, count는 자연수

입출력 예 설명

이용금액이 3인 놀이기구를 4번 타고 싶은 고객이 현재 가진 금액이 20이라면, 총 필요한 놀이기구의 이용 금액은 30 (= 3+6+9+12) 이 되어 10만큼 부족하므로 10을 return 합니다.

▼ 1차 시도

def solution(price, money, count):
    answer = 0
    for i in range(1, count+1):
        answer += price * i
    return answer - money

테스트 때 잘 나와서 잘 푼 줄 알았는데

띠용

다 통과했는데 4번만 실패 뜸

아무리 봐도 내가 짠 게 맞는 거 같아서 힌트 얻으려고 질문하기 탭에 들어갔더니

아하...~

문제를 제대로 안 읽은 거구나....

▼ 2차 시도

def solution(price, money, count):
    answer = 0
    for i in range(1, count+1):
        answer += price * i
    return answer - money if answer > money else 0 # return 값에 삼항연산자 기법 적용해서 조건에 따라 다르게 리턴하도록 설정!

이 문제 점수 후하게 주네요

002

커리어 데이

[취업 특강]

나중에 보려고 들으면서 정리했다.

원래는 이 글에 올렸었는데, 내용 유출되면 안 되나? 싶은 노파심에 비공개 글로 따로 올려둠. ^^

~~(아무도 안 찾아볼 거 같긴 한데..ㅎㅎ)~~

내일부터는 데이터 심화분석 주차에 들어간다~

팀 편성도 새롭게 되기 때문에.. 3주 동안 같이 공부하고 프로젝트 진행했던 팀과 바이바이

나랑 도메인 겹치는 분이 없어서 아마 다 떨어질 듯...?

To. 3팀

[내일배움캠프 QA/QC 6기] TIL #024 기초 프로젝트 끝!!

JiJi0406 — Mon, 15 Jun 2026 21:42:17 +0900

001

오늘의 코드카타

34, 문자열 내림차순으로 배치하기

문제 설명

문자열 s에 나타나는 문자를 큰것부터 작은 순으로 정렬해 새로운 문자열을 리턴하는 함수, solution을 완성해주세요.

s는 영문 대소문자로만 구성되어 있으며, 대문자는 소문자보다 작은 것으로 간주합니다.

제한사항

str은 길이 1 이상인 문자열입니다.

입출력 예

s	return
"Zbcdefg"	"gfedcbZ"

def solution(s):
    a = list(s)
    a.sort(reverse = True)
    return ''.join(a)

문자열 s를 리스트로 바꿈 → sort함수로 내림차순 배열 → join 함수로 다시 문자열로 바꾸기

002

기초 프로젝트 : 발표 D -Day

첫번째 프로젝트, 기초 프로젝트의 발표를 성공적으로 마쳤습니다.

순서가 어떻게 정해진 건지는 모르겠지만 어쩌다보니 마지막 순서가 되어서 좀 부담이...

그래도 어찌저찌 잘 끝냈다.

그리고 대망의 피드백 시간.....

튜터님 피드백 한줄 요약

기초 프로젝트 단계에서 요구하는 가장 이상적인 프로젝트와 발표

와우

잘한 점

1. 배운 내용들 바탕으로 프로젝트 목표를 완벽하게 달성했다

지금까지 학습한 데이터 시각화 기법을 활용해서 분석 목적을 명확하게 설정하고, 이를 발표 자료에 자연스럽게 녹여냈다는 점에서 좋은 평가를 받을 수 있었다.

2. 전달하고자 하는 내용을 이해하기 쉽게 설명했다

발표 과정에서 단순히 플롯 보여주고 끝내는 게 아니라, 왜 해당 분석을 수행했는지 + 어떤 의미를 가지는지를 충분히 설명하려고 노력했다. (그래서 발표가 좀 길어졌음...ㅎ 제한 시간 때문에 빨리 말하느라 숨도 차고 발음도 꼬여서 힘들었따...^^) 그 결과 발표 전달력 측면에서 긍정적인 피드백을 받을 수 있었던 것 같다

3. 데이터에 대한 의심과 탐색을 멈추지 않았다

전체 데이터를 분석한 결과만으로 결론을 내리지 않고, 공정별로 데이터를 분리하여 추가 분석을 진행했다. (처음에 공정 안 나누고 분석 진행하다가, 심슨의 역설 내용 들었던 게 빡 떠올라서 그걸 반영했다. 아마 저번주 TIL에 이 내용 적었던 거 같다.) 이를 통해 전체 데이터에서는 보이지 않던 패턴을 발견할 수 있었고, 데이터 분석에서는 끊임없는 의심과 호기심이 중요하다는 걸 튜터님께서 피드백 시간에 말씀해주셔서 다시 한번 새길 수 있었다.

4. 근거와 한계점을 함께 제시했다

분석 과정에서 발견한 현상을 설명하기 위해 관련 문헌과 자료를 조사하여 근거를 제시한 점도 좋게 봐주셨다.

국가법령정보센터-폐기물관리법 시행규칙-연소시설 규정까지 들어가서 일산화탄소 내용 찾았을 때의 희열감이란...

또 주어진 데이터만으로 검증할 수 없는 부분은 단지 '추론'일 뿐, 검증된 사실과는 명확히 구분하는 게 중요하다고 생각했다. 그래서 발표 자료에도 안내 문구를 넣고, 발표 때도 한번 언급하며 지나갔다.

아쉬웠던 점

1. 시각화 설계에 대한 이해가 부족했다

막대그래프와 선그래프를 제작할 때 축 설정에 대한 고려가 부족했다. 이번 프로젝트에서는 평균치 비교를 위해 막대 그래프를 제작했을 때 y축에 0이 포함되어 있어 실제 데이터 변화가 상대적으로 완만하게 표현되었다. 반대로 축 범위를 조정했다면 변화가 더욱 뚜렷하게 보였을 수도 있다고 피드백 주셨다. 같은 데이터라도 시각화 방식에 따라 전달되는 메시지가 달라질 수 있다!

온도/습도 막대 차트가 완만하게 보이는데, y축 범위를 좀 다르게 했으면 차이가 더 보였을 것

2. 발표 시간 관리가 부족했다

발표 내용과 분석 과정이 많다 보니 분량이 좀 많이 늘어났고... 시간 내에 모든 내용을 전달하는 연습이 충분하지 못했다.

분석 내용을 잘 전달하는 것도 중요하지만, 제한된 시간 안에서 핵심만 효과적으로 전달하는 능력 역시 필요하다는 점을 느꼈다.

기초 프로젝트 : 심화 분석

- 저온 영역 ‘주의’ 단계 집중 현상 분석

주어졌던 데이터셋의 변수들

1. 왜 이러지???

현상 발견: 온도별 위험 단계 분포를 보려고 제작했던 바이올린 플롯에서, 위험 단계가 높아질수록 데이터가 가장 밀집된 피크 구간의 온도가 우하향하는 현상을 발견함
의문점: 특히 '주의' 단계의 피크 구간이 700도 이하에 집중되어 있었음. 일반적인 상식으로는 온도가 높을수록 위험할 것 같은데 (앞에서 가설도 그렇게 세웠고) ‘왜 저온 영역에서 위험 데이터가 집중될까?’ 라는 의문점이 생겨서 한번 이유를 찾아보기로 결정

2. 데이터 드릴링 & 근거 찾기

a. 공정별 분리 및 가스별 위험 패턴 비교

히트맵으로 상관관계 분석했을 때 공정별로 차이가 있었음 → 주조 공정과 절단 공정으로 나누어 각각 산점도로 분석
주조 공정: 700도 기준으로 저온 구간에서 일산화탄소 & 수소 가스의 '주의' 데이터가 비교적 고농도 구간에 반복적으로 밀집되어 있는 것 확인
절단 공정: 저온 구간에서 '주의' 단계가 무작위로 분포 + 저온 영역의 표본 수가 단 3개!!

b. 데이터의 통계적 착시(왜곡) 규명

공정유형별 '위험도-온도 상관성'을 계산했을 때 주조(-0.19)와 절단(-0.20) 모두 음의 상관관계가 나와서 겉보기에는 두 공정 다 저온일 때 위험도가 올라가는 것처럼 보였으나...
but 자세히 뜯어보니 절단 공정은 700°C 미만 저온 표본 수가 극히 적은 한계(3개) 때문에 평균치가 튀어서 왜곡이 생겼을 가능성 농후(실제로 그렇다고 봄) → 일반화된 위험 규칙이 아님을 규명
압출 공정은 상관관계 -0.01로 무의미하여 제외
결론적으로 저온 영역의 진짜 위험은 주조 공정에만 유의미하게 집중되어 있다는 사실 발견

3. 근거 찾고 새로운 가설 설정

공정 과정 비교해서 주조 공정만이 가지는 특징 뭐가 있나 알아보고
저온 환경에서 두 가스 농도가 높아지는 이유로 '불완전연소'라는 가설 제기

물질이 완전 연소하면 이산화 탄소와 수증기가 남는다. 그러나 연소 온도가 낮고 공기량(산소)이 충분하지 않으면 불완전 연소하는데, 이때에는 일산화 탄소와 그을음이 생성된다.

700도라는 온도가 '불완전연소'라는 특이적인 조건을 발생시킨 근거를 찾아야겠다고 생각함
[국가법령정보센터 ▶ 폐기물 관리법 시행규칙 ▶ 연소시설 관련 기준 : 800도 이상 유지 + 일산화탄소 농도 관리 요구 내용] 찾아냄. (불완전연소를 막기 위해서 쓰레기 태울 때 온도를 800도 이상 유지해야 한다!)
이를 기반으로 "주조 공정의 700도 이하 구간에서는 연소 효율이 저하되어 '불완전 연소'가 발생했고, 이로 인해 일산화탄소와 수소 가스 농도가 급증하여 위험도가 높아진 것이다"라는 새로운 가설 정립! (실제로 검증은 못하지만...ㅎㅎ)

밍글데이 ox퀴즈 우승했습니다. 감사합니다. 이럴 줄 모르고 장난으로 이름 밤티로 바꿨는데... 우승하고 주목받아서 좀 힘들었습니다.