A/B 테스트 결과가 통계적으로 유의하지 않은 것은 무엇을 의미할까요?
이 연습은 강의의 일부입니다
이론을 실습으로 바꾸는 인터랙티브 연습 중 하나를 만나보세요
먼저 데이터 과학이 무엇인지 정의하는 것부터 시작합니다. 데이터 과학 워크플로와 실제 문제에 데이터 과학이 어떻게 적용되는지 살펴봅니다. 챕터의 마지막 부분에서는 데이터 과학 분야의 다양한 역할에 대해 알아봅니다.
데이터 과학 워크플로를 이해했다면 첫 번째 단계인 데이터 수집과 스토리지를 더 깊이 살펴볼 차례입니니다. 활용할 수 있는 다양한 데이터 소스, 데이터의 형태, 수집된 데이터를 저장하는 방법, 데이터 파이프라인으로 이 과정을 자동화하는 방법을 학습합니다.
데이터 준비는 매우 중요합니다. 데이터 과학자는 시간의 80%를 데이터 정제와 가공에 사용하고 실제 분석에는 20%만 사용합니다. 이 챕터에서는 데이터의 문제를 진단하고, 결측값과 이상치를 처리하는 방법을 학습합니다. 이어서 데이터를 탐색하고 결과를 전달하는 데 필수적인 도구인 시각화에 대해서도 배웁니다.
마지막 챕터에서는 실험과 예측에 대해 알아봅니다. 먼저 A/B 테스트를 다룬 다음 미래 이벤트를 예측하는 시계열 예측으로 넘어갑니다. 마지막으로 지도 학습과 클러스터링을 중심으로 머신 러닝을 살펴봅니다.
현재 연습
