Posts
-
p값이 0.03이면 가설이 참일 확률이 97%일까
지난번엔 평균과 분산으로 손에 든 데이터를 설명했다. 오늘은 그 작은 표본으로 보이지 않는 모집단까지 이야기하려니 갑자기 발밑이 흔들린다. 추론통계는 계산기보다 먼저 “누구를 어떻게 뽑았나?”를 물어야 하는 분야인 것 같다.
-
평균만 봤다가 데이터한테 뒤통수 맞을 뻔했다
지난번엔 데이터를 그림으로 들여다봤으니, 이번엔 숫자로 요약하는 기술통계를 봤다. 평균, 중앙값, 표준편차. 이름만 보면 중학교 수학 복습 같아서 마음이 느슨해졌는데, 막상 문제를 풀어보니 ‘어떤 숫자를 대표로 내세울 것인가’부터 함정이었다.
-
데이터를 얼굴로 그린다는 게 대체 무슨 소리야 싶었다
지난번에 예고했던 대로 오늘은 다변량 탐색이랑 시공간 데이터 탐색을 봤다. EDA 기초 파트는 그래도 변수 하나, 많아야 둘을 보는 수준이었는데, 이번엔 변수가 여러 개 동시에 얽혀 있을 때 어떻게 들여다보는지가 주제였다. 이름부터 낯선 시각화 도구가 잔뜩 나와서 오늘은 그냥 하나하나 받아 적는 기분으로 공부했다.
-
R이 왜 네 개나 나오나 했더니
오늘은 탐색적 데이터분석, 흔히 EDA라고 부르는 파트를 공부했다. 이름은 하도 많이 들어봐서 익숙한데, 막상 “EDA가 정확히 뭐냐”고 물으면 “그래프 그려보는 거요” 정도로만 대답할 수 있었다는 걸 오늘 깨달았다. 그래서 이번엔 개념부터 다시 잡고 넘어가기로 했다.
-
변수는 많을수록 좋은 줄 알았는데 아니었다
어제 결측값이랑 이상값 정리하고 나서 오늘은 예고했던 대로 파생변수 만들기랑 변수 선택 쪽을 봤다. 전처리 파트가 생각보다 길다.
-
이상치인 줄 알았는데 그냥 진짜 데이터였다
오늘 공부한 내용은 데이터 전처리 중에서도 결측값이랑 이상값 처리 파트다. 지난번 시험 때 이 부분을 대충 외우고 넘어갔던 게 기억나서, 이번엔 좀 제대로 짚고 넘어가 보기로 했다.
-
ETL은 아는데 CDC는 처음 봤다
어제 방법론 세 개(KDD, CRISP-DM, SEMMA) 외우다 지쳐서 오늘은 좀 쉬운 파트이길 바랐는데, 데이터 수집과 저장(적재) 계획도 생각보다 낯선 용어가 많았다.
-
분석 기획, 생각보다 사람 얘기가 더 많았다
오늘은 지난번에 예고했던 대로 분석 기획과 분석 조직 쪽을 봤다. 솔직히 이 파트는 통계나 알고리즘처럼 딱 떨어지는 계산이 없어서 술술 넘어갈 줄 알았는데, 막상 들여다보니 외울 개념 자체는 더 많았다.
-
분석 방법론까지 나오니까 갑자기 암기 과목 같아졌다
지난번에 분석 기획이랑 조직 구조를 봤으니 오늘은 그 다음 단계인 데이터 분석 방안 수립과 작업 계획 쪽을 봤다. 이름만 보면 그냥 “계획 세우는 법” 정도로 가볍게 생각했는데, 막상 펼쳐보니 표준 방법론 세 개를 통째로 외워야 해서 오히려 지난번보다 부담이 컸다.
-
빅데이터분석기사, 떨어지고 다시 시작합니다
한 달 정도 벼락치기로 준비했다가 지난 시험에서 떨어졌다. 어느 정도 예상은 했지만 막상 결과를 받아보니 허탈했다. 그래서 이번엔 제대로 각 잡고 다시 공부해보기로 했고, 그 과정을 여기에 하루하루 기록해보려 한다. 남 보여주려는 글이라기보다는 나중에 내가 다시 읽어볼 노트에 가깝다.
-
로봇이 걸어 나온다: 2026년을 채우는 '피지컬 AI'라는 화두
솔직히 몇 년 전까지만 해도 “AI”라고 하면 화면 안에서 글 쓰고 그림 그려주는 챗봇 정도가 먼저 떠올랐다. 그런데 요즘 관련 뉴스를 보다 보면 분위기가 확실히 달라졌다는 걸 느낀다. 2026년 화두는 그 AI가 화면 밖으로, 그러니까 진짜 몸을 갖고 걸어 나오고 있다는 것이다. 업계에서는 이걸 ‘피지컬 AI(Physical AI)’라고 부르는 모양이다 — 현실의 물리 법칙을 이해하고 상황에 맞춰 스스로 판단해 몸을 움직이는 AI, 로봇이나 자율주행차처럼 말 그대로 ‘몸’을 가진 인공지능이다. 예전 산업용 로봇이 정해진 동작만 반복했다면, 요즘 로봇은 그때그때 상황을 보고 판단한다는 점이 다르다.
subscribe via RSS