| English | 의미 |
|---|---|
| information/ˌɪnfəˈmeɪʃn/ | 정보 |
| data sets/ˈdeɪtə sets/ | 데이터셋 |
| patterns/ˈpætnz/ | 패턴 |
| trends/trendz/ | 추세 |
| Filtering/ˈfɪltərɪŋ/ | 필터링 |
| Cleaning/ˈkliːnɪŋ/ | 정화 |
| correlation/ˌkɒrɪˈleɪʃn/ | 상관관계 |
| Causation/kɔːˈseɪʃn/ | 인과관계 |
| Metadata/ˌmetəˈdeɪtə/ | 메타데이터 |
| visualization/ˌvɪʒuːəlaɪˈzeɪʃn/ | 시각화 |
| bias/ˈbaɪəs/ | 편향 |
원시 데이터부터 정보까지
- 원시 데이터 자체는 단순히 숫자와 텍스트일 뿐입니다.
- 목표는 이를 유용한 정보로 전환하여 실제 질문에 답할 수 있게 만드는 것입니다.
- 프로그램은 사람이 처리하는 것보다 훨씬 빠르게 방대한 데이터셋을 스캔할 수 있습니다.
- 스캔을 통해 패턴(반복되는 것)과 트렌드(시간에 따른 변화)를 발견합니다.
원시 데이터를 실체 질문에 답변하는 형태로 전환하면 다음과 같은 것이 생성됩니다:
난이도 1/5 · 100 코인 + 오늘 첫 완료 시 소액 보너스
정보는 유용하게 사용된 데이터입니다 — 질문을 답변하는 패턴과 추세를 말합니다.
각 용어를 그 의미와 매칭하십시오.
난이도 2/5 · 140 코인 + 오늘 첫 완료 시 소액 보너스
프로그램은 데이터셋을 스캔하여 둘 다 찾습니다.
지저분한 데이터 정리하기
- 실제 데이터는 지저분하므로 먼저 정리가 필요합니다.
- 필터링은 관심 있는 행만 남기고 나머지는 숨깁니다.
- 클리닝은 문제를 해결합니다—중복 제거, 결측값 채우기, 오류 수정 등.
- 이 방식으로 데이터를 준비하면 이후 분석이 의미 있고 신뢰할 수 있게 됩니다.
필터링인지, 클리닝인지?
필터링은 관심 있는 행만 남기고, 클리닝은 분석 전에 데이터의 문제(중복, 빈칸, 오류 등)를 수정합니다.
중복 행 제거 및 결측값 채우기는 데이터 클리닝의 일부입니다.
난이도 1/5 · 100 코인 + 오늘 첫 완료 시 소액 보너스
클리닝은 문제를 해결하여 분석의 신뢰성을 확보합니다.
상관관계는 인과관계가 아님
- 상관관계란 두 가지가 함께 변한다는 것을 의미합니다(여름철 아이스크림 판매량과 화상 모두 증가).
- 인과관계란 한 것이 실제로 다른 one을 원인으로 만든다는 것입니다.
- 상관관계가 인과관계임을 증명하지는 않습니다.
두 가지를 혼동하지 마십시오. 아이스크림이 화상을 일으키는 것이 아니라,/framework/hot/sunny weather이 두 가지 모두를 유발합니다. 두 가지가 함께 증가하는 것은 숨겨진 공통 원인이 있을 수 있으므로, 상관관계만으로其中一个가另一个의 원인임을 증명할 수는 없습니다.
아이스크림 판매량과 일광 화상이 여름에 모두 증가합니다. 이것은 다음을 보여줍니다:
난이도 1/5 · 100 코인 + 오늘 첫 완료 시 소액 보너스
뜨거운 날씨가 두 가지 모두를 cause합니다 — shared cause(공통 원인)이지,其中一个가 다른 one을 cause하지 않습니다.
사진의 날짜나 위치와 같은 "데이터에 대한 데이터"는 ______라고 불립니다.
난이도 1/5 · 100 코인 + 오늘 첫 완료 시 소액 보너스
메타데이터는 정보를 정리하고, 검색하며, 위치를 지정하는 데 도움을 줍니다.
앱 다운로드用户使用만 조사하여 앱이 인기 있는지 묻는 것은 다음을 도입합니다:
난이도 1/5 · 100 코인 + 오늘 첫 완료 시 소액 보너스
수집 방법이 결과를 편향시키는 것 — biased sample(편향된 표본)입니다.
메타데이터, 시각화, 그리고 편향
- 메타데이터는 "데이터에 대한 데이터"를 의미합니다. 사진의 촬영 날짜, 카메라 정보, 위치信息等이 이에 해당하며, 데이터를 정리하고 검색하는 데 도움을 줍니다.
- 시각화는 데이터를 그림(차트 또는 그래프)으로 변환하여 한눈에 패턴을 파악할 수 있게 합니다.
- 항상 어떻게 데이터를 수집했는지 물어보아야 합니다: 편향은 결론을 특정 방향으로 치우치게 만드는 경향입니다.
편향된 설문조사. 한 기업이 "우리 앱이 인기 있는가?"라고 묻지만, 이미 다운로드한 사람만 조사를 진행합니다. 대부분 '네'라고 답하지만, 불만족스러운 사용자들은 조사에 참여하지 않았으므로, 이结果是 misleading(오해)을 유발합니다.
프로그램은 원본 데이터 세트를 정보로 변환하여 패턴과 추세를 찾아냅니다. 데이터를 준비하기 위해 필터링(필요한 행 유지) 및 클리닝(문제 수정)을 수행해야 합니다. 주의할 점은 상관관계가 인과관계를 증명하지 않으며, 데이터 수집 과정의 편향이 오해를 낳을 수 있다는 점입니다. 메타데이터와 시각화는 정보를 정리하고 통찰을 드러내는 데 도움이 됩니다.