학습 내용 안내

강의 대본

이번 강좌에서 우리가 어떤 내용들을 배우게 될지 간략하게 살펴보도록 하겠습니다. 우리는 복잡한 파이썬 코딩을 사용하지 않고 머신러닝 데이터 분석을 쉽게 해내는 방법에 대해서 또 이러한 분석의 결과를 읽고 활용하는 데 필요한 여러 가지 지식을 습득할 예정입니다. 우리가 사용할 도구는 노코드 데이터 분석 도구, 코딩을 하지 않고 데이터를 분석할 수 있는 오렌지라고 하는 오픈소스 무료 소프트웨어를 사용할 예정인데요. 이 프로그램을 다운받아서 설치하고 추가적인 복잡한 애드온들까지 어떻게 활용하는지 이 소프트웨어의 전체적인 인터페이스라던가 사용 방법, 데이터 플로우를 어떻게 조작하면 되는지 등에 대해서 전반적인 사항을 차근차근 설명드릴 예정입니다. 또 우리는 이러한 도구의 사용법을 기초적으로 익힌 다음에 우리가 정말 하고자 하는 그런 데이터 분석들, 이런 분석에서 어떤 목적을 가지고 각각의 목표별로 또 우리가 이 상황에 대해서 얼마나 이해하는가 라고 하는 것을 토대로 해서 무엇에 초점을 맞춰서 진행을 해 나갈 것인지 또 이때 각각의 단계에서 어떠한 분석 방법이 쓰이는지를 설명드리겠습니다. 우리는 코딩은 하지 않지만 오렌지가 가지고 있는 인공지능 기능을 이용해서 다양한 데이터 분석을 하려고 하는데요. 이때 우리 대신 어떠한 데이터 분석을 기계가 대신하게 하려면 기계가 상황을 학습하고 또 어떠한 추론을 해나가는 능력을 갖춰야 됩니다. 이러한 학습 과정을 머신러닝이라고 하고요, 이러한 학습을 진행하는 주체를 우리가 데이터 분석 모델이라고 합니다. 다양한 알고리즘들과 데이터 분석 모델들, 그리고 이러한 알고리즘들이 어떻게 데이터를 받아서 학습하는지, 학습의 유형에 대해서 같이 살펴보도록 하겠습니다. 알고리즘이 학습하는 데이터는 여러 가지 타입을 가지고 있는데요. 그리고 분석에서는 각각의 데이터의 열들이 모두 고유한 역할을 부여받게 됩니다. 그래서 데이터의 유형은 어떤 것들이 있고, 분석에서의 역할은 무엇이 있으며 이것이 분석의 과정에서 어떻게 다르게 보이는지 또 분석의 방법을 선택하거나 결과를 이해하고 판단하는 데 어떤 영향을 미치는지 또 어떤 부분을 특별히 주의해야 되는지 이런 제반 사항을 설명드리겠습니다. 결국 데이터를 수집해야 실질적으로 분석을 할 수가 있는데요. 데이터를 수집하기 위해서 파일이라던가 웹이라던가 준비된 데이터셋, 데이터베이스, CSV 임포트 같은 이런 다양한 데이터 소스로부터 데이터를 수집하고 또 파편적으로 여러 군데 나눠져 있는 데이터를 실제 분석을 위해서 하나의 커다란 마스터 데이터셋으로 만든다거나 또 한 개의 데이터셋에서 우리가 원하는 조건을 가지고 있는 특별한 인스턴스, 그러한 피처들만 필터링해내는 방법, 또 여러 가지 분할을 한다거나 또 무작위하게 또는 모집단의 어떤 분포에 맞게 정확하게 샘플링하는 방법 같은 것들을 같이 설명드리겠습니다. Lv.2 데이터 마이닝의 첫걸음 모델은 여러 가지 데이터를 통해서 다양한 것들을 학습하게 되는데요. 모델이 학습을 잘 진행했는지 평가를 하게 되는데, 이러한 학습 자체의 평가도 있지만 현실 세계로 나왔을 때 이 모델이 정말 학습한 내용을 기반으로 현실의 문제도 잘 해결해 나가는가 라고 하는 것을 평가할 필요가 있습니다. 이런 평가는 어떻게 이루어지는지, 이걸 위해서 우리가 어떤 것들이 필요한가 기본적으로 머신러닝의 전반적인 사항들, 데이터 분석 프로젝트를 진행하는 방법을 여러분께서 배우셨다면 이제 세부적인 기법이 필요할 텐데요. 이런 기법들을 하나하나 배워나가려면 여러분께서 꼭 실질적으로 갖춰야 되는 기술 통계의 요약을 통해 현실적으로 도움이 되는 인사이트를 도출할 수 있는지, 시각화는 어떤 식으로 하는지, 일련의 탐색적 데이터 분석 과정을 몇 가지 현실적인 사례를 들어서 함께 보여드리도록 하겠습니다. 그리고 우리가 샘플 데이터에서 파악한 어떠한 패턴은 이것이 일반적인 건지 아니면 우연히 발생한 것인지 반드시 검정이 필요한데요. 이런 확증적 데이터 분석, 유의성 검정을 위해서 가설을 수립하고 p-value를 구하고 또 유의 수준과 대조해서 가설을 기각하는 일련의 과정이 필요합니다. 통상적으로는 굉장히 수학적인 이해를 필요로 하기 때문에 많은 분들이 이 단계를 무척 어려워 하시는데요. 아주 간단하게 수학 공식 같은 거 필요 없이 정말 핵심만 간단하게 설명드리고 또 그러한 대표적인 분석법들, 많이 사용되는 분석법들 어떤 것들이 있으며 이것을 현실적인 사례와 결부시켜서 실제 도구에서 코딩 없이 아주 간단하게 몇 번 클릭만으로 어떻게 결과를 얻을 수 있는지 관련된 부분을 자세하게 살펴보도록 하겠습니다. 우리가 통계 분석법들을 여러 가지 도구를 통해서 배우게 되면 통상적으로 사람이 더 부지런하게, 사람이 더 많은 연산을 하는 상황에 처하기가 쉬운데요. 우리는 그러한 일련의 과정을 데이터 분석의 결과를 읽을 수만 있다면 실제 실행은 자동화시키는, 굉장히 많은 양의 복잡한 연산을 자동으로 처리함으로써 우리가 목적하는 바를 이룰 수 있는 조금 더 빠른 길, 지름길을 설명드리겠습니다. 이 과정 전체를 우리는 하나하나의 이론적인 내용들, 수학적인 것들은 모두 다 배제하도록 하고 실제 실습을 통해서 도구를 이용해서 정말 데이터를 가져다가 뭘 어떻게, 어떤 순서로 처리해 나가야 하는 건지 실제 실습을 통해서 여러분께서는 이 일련의 과정들, 여기 적힌 내용들을 모두 쉽게 습득하실 수 있을 것입니다.