📊 SSU Data Science (2026-1)

숭실대학교 2026학년도 1학기 데이터사이언스 강의를 위한 학습 트랙입니다. 교재 "으뜸 데이터분석과 머신러닝" 6장과 보충 자료를 기반으로, 판다스 실무부터 상관행렬을 이용한 속성 간 연관성 파악까지 정리합니다.

---

📚 학습 트랙

Part 1. 개요 — 데이터사이언스와 판다스

왜 엑셀이 아닌 판다스인가. 넘파이/판다스 자료구조 한눈에 보기. 수업에서 다루는 흐름.

Part 2. 판다스 기본 — 시리즈와 데이터프레임

1차원 Series, 2차원 DataFrame, 자료형, 결손값(missing value), 인덱스 레이블.

Part 3. 데이터 입출력과 인덱싱

CSV/TSV 읽기, 한글 인코딩(CP949), head/tail, 슬라이싱, loc · iloc 인덱서.

Part 4. 기초 분석과 데이터 정제

describe()로 기술통계 한번에, 베셀 보정, 결손값 탐지(isna) · 제거(dropna) · 대체(fillna), 시계열 DatetimeIndex.

Part 5. 그룹핑·재구조화·결합

groupby()로 분할-적용-결합, 논리 인덱싱 필터링, pivot vs pivot_table, concat vs merge (how 4종).

Part 6. ⭐ 상관행렬 — 속성 간 연관성 파악

교수님 강조 주제. 공분산 → 피어슨 상관계수 → 상관행렬의 수학적 정의, df.corr() 실무, Seaborn 히트맵과 R ggcorrplot 시각화. 인터랙티브 상관 산점도 포함.

Part 7. 머신러닝 입문 — 지능 · 학습 종류 · 회귀

전통 프로그래밍 → 머신러닝의 전환, 학습의 3요소(T, P, E), 지도·비지도·강화 학습, 회귀분석의 의미. 7.1 ~ 7.3 절.

Part 8. 선형 회귀 — 사이킷런과 경사 하강법

사이킷런 fit/predict/score API, MSE, R², 경사 하강법 수식과 인터랙티브 시뮬레이터. 학습률의 3가지 상황. 7.4 ~ 7.12 절.

Part 9. 다중 · 다항 회귀와 규제

초평면 회귀, 캐글 기대수명 데이터 실전, train_test_split, PolynomialFeatures, 과적합의 치명적 함정과 릿지·라쏘 규제. 인터랙티브 과적합 실험실 포함. 8장 전체.

---

🎯 학습 목표

1. 표 형태 데이터를 판다스 DataFrame으로 읽고 정리·가공할 수 있다.
2. 결손값 처리 · 집계 · 재구조화의 표준 패턴을 익힌다.
3. 상관행렬로 변수 간 선형 관계를 정량적으로 해석하고 시각화할 수 있다.
4. 사이킷런으로 선형·다중·다항 회귀 모델을 훈련하고 평가할 수 있다.
5. 과적합을 진단하고 규제로 해결할 수 있다.