이 단원을 마치면
- 모으는 데서
표본 크기가 아니라 표집 틀이 편향을 만든다는 것을 알고, 받은 파일의 출처 · 규모 · 자료형 · 통계적 특성을 스스로 점검할 수 있다.
- 고치고 그리며
결측 · 이상치 · 정규화를 pandas 와 scikit-learn 으로 처리하고, 그 처리가 결론을 얼마나 바꾸는지 숫자로 잴 수 있다.
- 잇고 견주며
두 표를 열쇠로 이어 행이 사라지고 불어나는 자리를 확인하고, 같은 자료에 여러 분석을 적용해 답의 폭을 보고서에 적을 수 있다.
자료는 한 줄기인데, 왜 답은 여러 개인가
Ⅰ 단원에서는 데이터가 결정을 바꾼 사례를 읽었습니다. Ⅱ 단원은 그 자리에 직접 섭니다 — 자료를 모으고, 빈칸과 튀는 값을 다루고, 그림으로 보고, 두 표를 잇는 일을 열네 차시 동안 손으로 합니다.
이 단원은 자료를 자주 바꾸지 않습니다. 기상청 서울 2024년 366일과 서울 따릉이 2024년 기록 한 줄기를 끝까지 씁니다. 자료가 매번 바뀌면 결론이 달라진 까닭이 자료 탓인지 내 처리 탓인지 가릴 수 없기 때문입니다. 자료를 붙잡아 두면 답을 옮긴 범인은 하나로 좁혀집니다 — 그 사이에 내가 한 선택입니다.
그래서 이 단원의 물음은 늘 같은 모양입니다. 방금 한 선택이 답을 얼마나 옮겼나? 14차시에서는 열네 차시가 지나온 선택을 모두 짝지어 스물네 개의 답을 한꺼번에 만들어 보고, 그 폭을 보고서 문장으로 적는 법까지 익힙니다.
규칙처리를 하나 바꿀 때마다 결론이 얼마나 움직였는지를 숫자로 적는다. 적지 않은 선택은 보고서에서 없었던 일이 된다.
이 단원이 책임지는 네 기준
| 코드 | 학생이 하는 일 | 차시 |
|---|---|---|
| [12데과02-01] | 편향이 생기는 자리를 찾아 고르게 모으고, 받은 자료의 특성을 점검한다 | 1 · 2 · 3차시 |
| [12데과02-02] | 결측 · 이상치 · 정규화로 전처리하고, 분석을 위해 그림으로 그린다 | 4 ~ 8차시 |
| [12데과02-03] | 속성 사이의 관계를 파악하고 서로 다른 표를 하나로 통합한다 | 9 · 10 · 11차시 |
| [12데과02-04] | 같은 자료에 서로 다른 분석 방법을 적용해 결과를 견준다 | 12 · 13 · 14차시 |
네 기준에 열네 차시를 3 · 5 · 3 · 3으로 나누어 배정했다. 전처리와 시각화가 둘 다 손기술이라 [12데과02-02]에 다섯 차시를 주었고, 14차시는 [12데과02-04]와 함께 이 기준도 맡는다. 자료: 2022 개정 교육과정 「데이터 과학」 (원장 배정)
모으고, 고치고, 그리고, 잇는다
Ⅱ-1 1,600명에게 물어도 틀리는 설문
많이 모으기와 고르게 모으기 — 다섯 가지 조사 방법을 되풀이해 편향과 흩어짐을 가른다.
[12데과02-01]Ⅱ-2 따릉이 기록은 누구의 목소리인가
대표성을 재고, 가중치가 못 하는 일을 본다 — 기록 속 몫을 인구 속 몫으로 나눠 본다.
[12데과02-01]Ⅱ-3 파일을 받으면 먼저 신상명세서를 쓴다
출처 · 규모 · 자료형 · 통계적 특성 — pandas 점검 함수 넷으로 첫 5분을 쓴다.
[12데과02-01]Ⅱ-4 빈칸은 모두 같은 빈칸일까
결측의 뜻을 읽고, 채우는 방법을 채점한다 — 답을 아는 값을 지워 놓고 채워 본다.
[12데과02-02]Ⅱ-5 튀는 값은 틀린 값인가, 다른 이야기인가
규칙으로 찾고 사람이 판정한다 — 지울까 둘까가 평균 대여 시간을 얼마나 옮기는지 잰다.
[12데과02-02]Ⅱ-6 평균도 표준편차도 같은 네 학교
그려 보기 전에는 모른다 — matplotlib 으로 네 학교를 한 장에 그려 모양을 견준다.
[12데과02-02]Ⅱ-7 이 그래프는 무엇을 부풀리고 무엇을 숨기나
목적에 맞는 그래프와 거짓말 지수 — 그림의 변화가 자료의 변화보다 몇 배인지 잰다.
[12데과02-02]Ⅱ-8 단위가 다른 다섯 줄을 한 장의 그림에
정규화는 무엇을 살리고 무엇을 지우나 — min-max 와 표준화를 나란히 놓고 견준다.
[12데과02-02]Ⅱ-9 무엇과 무엇을 나란히 놓을까
질문이 속성을 고르고, 속성 쌍이 도구를 고른다 — 상관 · 교차표 · 구간 나누기를 가려 쓴다.
[12데과02-03]Ⅱ-10 기온이 오르면 따릉이를 더 탈까
두 파일을 날짜로 잇고, 관계를 세 번 읽는다 — 잇기는 열쇠의 자료형을 맞추는 데서 시작한다.
[12데과02-03]Ⅱ-11 자치구별 따릉이 표를 만들면 행이 사라지고 불어난다
네 파일을 차례로 잇는 일 — how · indicator · validate 로 사라진 행을 찾아낸다.
[12데과02-03]Ⅱ-12 ‘가장 잘 갖춰진 구’는 몇 등인가
무엇으로 나누느냐가 등수를 정한다 — 분모를 바꿔 가며 순위가 뒤집히는 자리를 본다.
[12데과02-04]Ⅱ-13 합치면 뒤집힌다
1973년 버클리 대학원 입학 자료를 세 가지 방법으로 — 공개된 원자료로 역설을 확인한다.
[12데과02-04]Ⅱ-14 한 질문에 스물네 개의 답
선택을 모두 돌려 보고, 보고서에 적는다 — 열네 차시의 선택을 짝지어 답의 폭을 잰다.
[12데과02-04] [12데과02-02]마무리 같은 자료에서 어떻게 다른 답이 나왔나
열네 차시가 남긴 것은 숫자가 아니라 적어 둘 목록이다 — 답을 옮긴 여덟 자리를 한 표에 모은다.
[12데과02-01] ~ [12데과02-04]열네 차시를 다 걸은 뒤에
열네 차시를 마쳤으면 Ⅱ 단원 마무리로 갑니다. 답을 옮긴 여덟 자리를 한 표에 모아 보고, 성취기준 넷을 지금 할 수 있는지 스스로 점검한 뒤, 두 차시를 맞대야 풀리는 확인 문제 넷을 풉니다.
스스로 점검하는 체크는 이 기기에만 남아 선생님께 가지 않습니다. 확인 문제의 답은 제출하면 모범 답안이 열리고, 제출한 답은 선생님께 전달됩니다. 마무리의 마지막 물음 셋은 이 단원이 답하지 못한 것들로, 그대로 Ⅲ 단원의 문이 됩니다.