1오리엔테이션 및 문제 정의"1. 과정 전체 흐름 설명 2. 여행 소비 데이터의 활용 목적 이해 3. AI 허브 / 공공데이터 포털에서 데이터 탐색 방법 소개"
2개발 필수 도구 실습 I (VsCode와 Jupyter)"1. Jupyter Notebook 활용법 2. VS Code 설치 / 확장 프로그램 설정"
3개발 필수 도구 실습 II (Git&Github)"1. Git과 GitHub의 역할 이해, 2. 저장소 생성 3. Commit–Push–Pull 실습을 통한 협업 흐름 이해"
4파이썬 기본 문법 배우기"1. 변수 2. 자료형 3. 조건문 4. 반복문 "
5파이썬으로 자료 다루는 방법"1. 리스트 2. 튜플 3. 딕셔너리 4. 셋의 구조"
6데이터 표현과 기초 통계"1. 평균 / 중앙값 / 표준편차 / 사분위수 계산 2. 통계 지표를 통한 소비 특성 해석"
7상관관계와 산점도 분석"1. 상관계수 계산 방법 이해 2. 소비액과 체류시간 간 관계 분석 3. 산점도 시각화"
8확률과 확률 분포의 이해"1. 확률과 확률분포 2. 이산 분포 / 연속 분포 3. 히스토그램을 활용한 여행 소비 분포 분석"
9핵심 분포: 정규 분포와 중심 극한 정리"1. 정규분포의 특징 이해 2. 중심극한정리 개념을 통한 표본과 모집단 관계 이해"
10벡터 / 행렬 기초"1. NumPy 배열 구조 이해 2. 벡터 / 행렬 연산을 통한 데이터 처리 기초 3. 인덱싱, 슬라이싱, 연산, 조건필터링"
11단순 회귀 분석의 원리"1. 단일 변수 기반 회귀 개념 이해 2. 소비액 예측 모델 구현 실습"
12다중 회귀 분석의 원리"1. 다중 변수 입력 구조 이해 2. 여러 소비 요인을 활용한 예측 실습"
13공공데이터 활용 및 데이터 구조 이해1. 관광 통계 및 지역 소비 데이터의 컬럼 구성 이해
14파이썬에서 CSV 데이터 편집하기"1. 파이썬으로 CSV파일 불러오기 2. 데이터 확인, 수정, 추가, 삭제 3. 수정 데이터 CSV로 저장 "
15데이터 저장 구조 및 SQL 기초 I"1. 데이터베이스 기본 구조 이해 2. SQL 설치"
16데이터 저장 구조 및 SQL 기초 II"1. SQL의 SELECT, WHERE, ORDER BY 구문을 활용한 소비 데이터 조회 2. MySQL 접속 및 VScode 연동 실습"
17데이터 정제 및 결측치 처리"1. 결측치에 대한 이해 2. 제거 / 대체 기법을 활용한 데이터 정제 3. 유형별 처리"
18데이터 전처리: 이상치 및 날짜 변환"1. 이상치 개념과 필요성 2. 이상치 기준 설정 및 제거 3. 날짜 데이터 변환 4. 파생 변수 생성"
19머신러닝 개요 및 유형"1. 머신러닝 기본 개념과 구조 2. 머신러닝 종류 3. 회귀 vs 분류의 이해 4. 데이터 분할과 과적합 "
20AI를 위한 환경 설정 및 라이브러리 설치"1. 환경설정의 중요성 2. 파이썬 기반 ai 개발 구조 3. 환경 설정 방법 4. 주요 라이브러리 소개 및 다운로드"
21학습 / 검증 / 테스트 데이터 분리"1. 과적합(Overfitting)과 일반화 개념 2. train_test_split 원리 및 활용 3. 3way-Hold-out 방식 4. K-fold 교차 검증"
22변수 간 관계 분석 (EDA)"1. EDA의 주요단계 2. 상관관계 분석 3. 그룹별 비교 4. 시각화를 통한 데이터 구조 이해 5. 변수와 여행 소비간의 관계"
23데이터 준비 및 피처 엔지니어링 I"1. 변수 변환 개념 이해 2. 입력 변수 설계 3. 범주형 데이터 확인 4. One-Hot Encoding 5. 원-핫인코딩 외 다양한 인코딩 기법"
24데이터 준비 및 피처 엔지니어링 II"1. 스케일링 필요성 이해 2. 주요 피처스케일링 종류 3. StandardScaler 적용 4. MinMaxScaler 적용"
25데이터 전처리 종합 실습"1. 인코딩 + 스케일링 통합 실습 2. 전처리 파이프라인 구성"
26분류 개념 및 결정 경계 이해"1. 분류(Classification) 2. 분류 모델의 판단원리 3. 결정 경계(Decision Boundary) 직관 4. 시그모이드(Sigmoid) 함수 5. 임계값(Threshold)과 최종 분류 기준 6. 분류 모델에 따른 결정 경계의 차이 7. 활성화 함수의 종류와 역할"""
27분류 모델 실습 (로지스틱 회귀)"1. 로지스틱 회귀 모델 학습 2. 여행 소비 성향 분류(고지출자 예측) "
28모델 평가 지표 이해 I (Baseline)"1. 모델 평가의 필요성 2. 혼동 행렬 3. 정확도 4. 정밀도 5. 재현율 6. F-1-Score 계산 및 해석"
29모델 평가 지표 이해 II (시각화)"1. 혼동행렬 2. 예측 결과 비교 그래프 3. 확률 / 수치 시각화 4. 정답별 확률 분포 비교 5. Top 확률 샘플 표 확인"
30모델 성능 최적화"1. 모델 성능 최적화 필요성 2. 파라미터 vs 하이퍼파라미터 3. 교차검증(Cross-Validation) 4. Grid Search 최적 파라미터 탐색"
31최적화 전 / 후 성능 비교"1. Baseline vs 최적화 모델 성능 비교 2. valid / test 비교 3. 혼동행렬과 평가지표 비교"
32모델 해석 및 소비 영향 요인 분석–"1. 로지스틱 회귀 가중치(Weight) 분석, 2. 계수의 +,–방향 해석 3. 표와 그래프로 소비 영향 요인 시각화 4. 모델 해석의 한계 이해"
33간단한 웹 서비스 구성 (Streamlit)"1. 여행 소비 고지출자 예측 웹 서비스 구조 이해 2. 사용자 입력을 위한 입력 폼 구성 3. 예측 결과를 시각적으로 출력하는 UI 구성 4. Streamlit–Fast_API 연동"
34딥러닝 기반 고지출자 예측 모델"1. 딥러닝 도입 필요성과 개념 2. 퍼셉트론 / MLP 구조 이해 3. 파이썬 내 딥러닝 환경 구성 4. Dense Layer 기반 이진 분류 모델 구현 5. 기존 데이터로 딥러닝 모델 학습"
35머신러닝 vs 딥러닝 모델 비교"1. 로지스틱 회귀 vs 최적화된 로지스틱 회귀 vs 딥러닝 모델 성능 비교 2. 모델별 혼동행렬을 통한 예측 결과 분석 3. 성능지표( Accuracy / Recall / F1 비교) 4. 모델 성능 비교 요약표를 통한 종합 분석"
36AI 활용윤리 및 보호체계"1. AI윤리기준 2. AI의 진화와 위험 3. 보호체계 4. AI기본법 및 관련법률 5. 저작권"
수강 대상
내배픽 요약
K-디지털 기초역량훈련은 제도상 전공과 학력을 보지 않습니다. 아래는 기관이 덧붙인 조건입니다.
AI·데이터 분야 비전공자 및 초보 학습자
훈련 목표
여행소비 데이터 사례를 통해 데이터 수집·정제에서부터 AI 모델의 판단·학습·예측 원리와 성능 평가, 나아가 결과의 API 활용·연계까지 AI 개발 전 과정을 큰 흐름으로 이해하고, 결과를 비판적으로 해석·검증할 수 있다.
조건 5개 더 보기
파이썬 기반의 기초 프로그래밍과 데이터 분석 흐름을 이해하여, 공공데이터(여행 소비 데이터)가 AI 학습에 활용되기까지의 전체 과정(수집–전처리–분석)을 파악할 수 있다.
통계적 기초 개념과 탐색적 데이터 분석(EDA)을 바탕으로, 데이터의 특성·분포·패턴을 이해하고 분석 결과를 해석할 수 있다.
머신러닝의 기본 원리와 학습 과정을 이해하고, 공공 데이터를 활용한 분류·예측 AI 모델을 설계·구현하고 성능을 평가할 수 있다.
데이터 분석 및 AI 모델링 결과가 서비스로 활용되는 방식(API 연계, 시각화 등)을 전반적으로 이해하고, 여행 소비 패턴 분석 AI 시스템을 구성하여 간단한 서비스 형태로 시각화할 수 있다.
