파이썬으로 배우는 데이터 분석과 머신러닝의 첫걸음

이번 주는 파이썬 기본기와 데이터 분석 도구 학습을 중심으로, 팀 활동 및 새로운 환경 적응까지 다채로운 경험을 했던 한 주였습니다. 특히 과제를 수행하며 파이썬의 실용성과 머신러닝의 매력을 체감했습니다.

📝 FACTS (이번 주 있었던 일)

1. 파이썬 과제 수행
   • Project 01: random 모듈을 사용해 랜덤 숫자를 맞추는 게임을 구현하며, 반복문과 예외 처리의 중요성을 다시 한번 느꼈습니다.
   • Project 02: class를 활용해 사용자 정보를 저장하고, 조건에 따라 메시지를 출력하는 프로그램을 작성했습니다. 객체 지향 프로그래밍의 기본 원리를 이해하는 시간이었습니다.
   • Project 03: pandas를 활용해 데이터 파일을 읽고, 전처리 및 피벗 테이블로 통계 데이터를 분석했습니다. 실제 데이터 분석 흐름을 처음부터 끝까지 경험하며 실습했습니다.
2. 팀 구성 변경
   • 목요일부터 새로운 조원들과 함께 팀 활동을 시작했으며, 이번에도 팀장을 맡아 팀의 방향성과 역할 분배를 주도했습니다.
   • 새로운 팀에서 목표를 설정하고 협업 방식을 정리했습니다.
3. 머신러닝 학습
   • KNN 알고리즘을 활용해 도미와 빙어 데이터를 분류하며 머신러닝의 기초를 배웠습니다.
   • 모델 훈련, 평가, 데이터 시각화를 처음으로 경험해 머신러닝의 기본 과정을 이해했습니다.

💭 FEELINGS (느낌과 생각)

1. 파이썬 과제 수행
   • 랜덤 숫자 맞추기 게임을 구현하면서 반복문과 예외 처리로 다양한 상황을 처리하는 방법을 익혔습니다. 간단하지만 디테일한 코드 작성이 중요함을 느꼈습니다.
   • 클래스와 메서드를 활용한 객체 지향 프로그래밍은 익숙하지 않았지만, 활용 가능성을 엿볼 수 있었습니다.
2. 팀 활동과 협업
   • 팀 구성 변경은 처음엔 부담스러웠지만, 새로운 조원들과 함께 협력하며 성장할 기회를 얻었습니다.
   • 팀장으로서의 역할을 맡으며 협업 속에서 책임감을 다시 한번 체감했습니다.
3. 머신러닝
   • 간단한 KNN 알고리즘을 활용했지만, 데이터를 정리하고 시각화하는 과정의 중요성을 배웠습니다.
   • 데이터가 잘 준비되지 않으면 머신러닝의 성능에 큰 영향을 미친다는 것을 느꼈습니다.

✨ FINDINGS (배운 것과 깨달음)

1. 파이썬 기본기 강화
   • random, class, pandas 등을 다루며 다양한 상황에서 파이썬을 활용하는 능력을 키웠습니다.
   • 객체 지향 프로그래밍은 추상적인 개념으로 다가왔지만, 실제로 프로그램을 구조화하는 데 큰 도움이 된다는 점을 깨달았습니다.
2. 데이터 분석의 기본 흐름
   • 데이터를 전처리하고 통계적으로 분석하며, 피벗 테이블과 같은 실용적인 기술을 배웠습니다.
   • 데이터 시각화와 결측치 처리의 중요성을 체감했습니다.
3. 머신러닝의 기본 원리
   • 머신러닝 모델은 데이터를 잘 정리하고 이해하는 것이 핵심이라는 것을 깨달았습니다.
   • 시각화와 평가 과정을 통해 단순한 알고리즘이라도 데이터가 중요하다는 점을 알게 되었습니다.

🚀 FUTURE (다음 주 계획)

1. 머신러닝 모델 추가 학습
   • 이번 주 배운 KNN 알고리즘 외에도 다양한 알고리즘의 원리와 활용 사례를 탐구할 계획입니다.
2. 팀 협업 개선
   • 새로운 팀원들과의 협업을 더욱 강화하기 위해 의사소통 방식을 효율적으로 개선하고, 초기 단계에서 팀 목표를 명확히 설정하겠습니다.

마무리하며

이번 주는 새로운 시도와 변화가 많았던 한 주였습니다. 특히 파이썬의 실용성을 다시 느끼며, 데이터 분석과 머신러닝의 매력에 한 걸음 더 다가갔습니다. 앞으로도 실습과 협업을 통해 배움을 확장해 나가겠습니다! ❤️‍🔥