DATA & DATABASE · DATA ANALYSIS & AI22강 공개
데이터 분석 · AI 기초집
가상 게임 플레이·랭킹 CSV를 질문에 맞게 정리하고, 통계·그래프·간단한 승패 예측을 검증 가능한 보고서로 연결합니다.
강의 수22강
난이도초급
최종 결과물게임 데이터 분석·예측 보고서와 안전한 해석 체크리스트
진행률을 불러오는 중...
과정 소개
이 과정은 하나의 게임 플레이·랭킹 데이터 분석 프로젝트를 점진적으로 완성합니다. 작은 가상 CSV에서 시작해 데이터 사전, 품질 검사와 정제, 필터·집계·결합, 기술 통계와 matplotlib 시각화, scikit-learn 승패 분류와 평가로 확장합니다.
GPU, 유료 API, 클라우드 Notebook은 필요하지 않습니다. 일반 Windows PC의 Python 3.13 가상환경과 CPU로 실행하며 JupyterLab은 선택 도구입니다. 모든 핵심 실습은 .py 파일로도 실행할 수 있습니다.
선수지식
사용 도구
- Python 3.13 이상과 표준
venv - NumPy: 수치 배열과 벡터 연산
- pandas: 표 데이터 로딩·정제·집계·결합
- matplotlib: 코드 기반 그래프 생성과 저장
- scikit-learn: 전처리 Pipeline, 기준 모델, 간단한 분류·회귀와 평가
- JupyterLab: 선택적 탐색 UI. 설치하지 않아도 모든
.py실습 가능
설치 방법과 Python 지원 버전은 릴리스에 따라 달라질 수 있습니다. 실제 설치 전 Python venv, Jupyter 설치, NumPy 설치, pandas 설치, matplotlib 시작, scikit-learn 시작 공식 문서를 확인합니다.
최종 결과물
- 가상 게임 플레이 CSV와 열 의미·타입·범위를 설명하는 데이터 사전
- 결측·중복·이상치 점검 및 정제 전후 근거
- 캐릭터·모드·플레이 시간·점수·승패를 이용한 집계표 2개 이상
- 막대그래프와 산점도 등 matplotlib 그래프 2개 이상과 해석
- 게임 개선 제안 한 가지와 성공·가드레일·중단 지표
- 학습·테스트 분리, 기준 모델과 Logistic Regression 승패 평가
- 모델 한계·데이터 편향·추가 데이터·개인정보 체크리스트
22강 학습 순서
- 데이터 분석과 AI의 역할: 게임 개발자는 왜 데이터를 읽어야 할까?
- 데이터 분석 전체 흐름: 질문 설정부터 결과 공유까지
- Python 분석 환경 준비: 가상환경, Jupyter Notebook, 라이브러리
- CSV·JSON·표 데이터 구조 이해하기
- NumPy 기초: 배열과 벡터 연산
- pandas DataFrame 기초: 데이터 불러오기와 구조 확인
- 데이터 품질 점검: 결측치, 중복, 이상치 찾기
- 데이터 정제: 타입 변환, 결측치 처리, 중복 제거
- 조건 필터링과 정렬: 필요한 게임 기록만 추출하기
- 그룹화와 집계: 모드·캐릭터·날짜별 성과 비교
- 데이터 결합: 여러 기록 파일을 하나의 분석 표로 만들기
- 기술 통계: 평균, 중앙값, 최솟값, 최댓값, 분산
- 분포와 이상치 해석: 히스토그램과 박스플롯
- 데이터 시각화: 막대·선·산점도 그래프를 올바르게 읽기
- 상관관계와 인과관계: 함께 변하는 값의 함정
- 분석 결과를 게임 의사결정으로 연결하는 법
- 머신러닝의 기본 구조: 특성, 레이블, 학습, 예측
- 지도학습 기초: 게임 승패 또는 점수 예측 문제 만들기
- 학습·검증·테스트 데이터 분리와 데이터 누수
- 모델 평가 기초: 정확도, 정밀도, 재현율, MAE 해석
- 과적합·편향·윤리: AI 결과를 그대로 믿으면 안 되는 이유
- 최종 실습: 게임 플레이 데이터 분석과 간단한 예측 모델 보고서 완성
COURSE ORIENTATION
과정 선택 안내
- 학습 대상
- Python 데이터 처리부터 기초 모델 평가와 안전한 해석까지 경험하려는 학습자
- 선수지식
- Python 기초와 CSV·JSON 기본 구조
- 최종 결과물
- 게임 데이터 분석·예측 보고서와 안전한 해석 체크리스트
- 추천 다음 과정