검정력 유의수준 완전 정복 — 1종·2종 오류와 신뢰성 있는 검정을 위한 3가지 원칙
검정력 유의수준은 왜 반대로 움직이는가. 1종·2종 오류의 트레이드오프와 신뢰성 있는 가설검정을 위한 3가지 원칙을 F1 타이어 시나리오로 현장 엔지니어 언어로 정리했다.

검정력 유의수준은 왜 반대로 움직이는가. 1종·2종 오류의 트레이드오프와 신뢰성 있는 가설검정을 위한 3가지 원칙을 F1 타이어 시나리오로 현장 엔지니어 언어로 정리했다.

P값 0.022가 나왔다면 유의수준 0.05와 비교해 어떻게 판정하는가 — F1 타이어 시나리오로 P값·유의수준(significance level)·기각역의 판정 과정을 수식 없이 따라간다. “P값이 크면 귀무가설이 참”이라는 흔한 오해까지 바로잡는다.

귀무가설 대립가설, F1 타이어 마모 시나리오로 완전 정복. 가설 검정 방향 3가지와 4단계 절차까지 — 가설은 현장 도메인 지식 없이는 세울 수 없다는 핵심을 엔지니어 언어로 정리했다.

Batch, Lot, Serial Number — 제조 현장 품질 추적의 3개 층을 F1 가상 시나리오로 완전 정리. Lot 관리로 납품 배치를 추적하고 Batch로 공정 원인을 파고드는 방법을 설명한다.

인과관계 상관관계 차이를 모르면 데이터 분석은 엉터리 결론으로 끝난다. 허위 상관의 함정, F1 현장 실전 사례, 엔지니어가 반드시 던져야 할 3가지 질문까지 한 번에 정리했다.

엔지니어 코딩 입문은 웹이 아닌 데이터부터 시작하는 것이 핵심이다. CSV 추출→집계→Slack 전달 3단계 로드맵을 따르면 2~4주 안에 현업에 쓸 수 있는 결과물이 나온다. 도메인 지식이 강한 엔지니어일수록 입문이 더 빠르다.

엔지니어 역량은 기술 숙련도만으로 완성되지 않는다. 자부심의 방향, 타이밍 판단, 조직 시야, 데이터 역량 — 현장에서 직접 목격한 4가지 이유를 정리했다.

데이터 설계 없이는 AI도 엁터리 결론을 낸다. 어떤 물리량을 어떤 지점에서 측정할지, 어떤 변수를 선택할지는 도메인 지식에서 나온다. AI가 분석 규모를 키운 지금, 올바른 데이터 설계 역량이 엔지니어의 핵심 경쟁력이 됩다.

바이브 코딩 30일을 직접 해본 결과 쓸 수 있는 곳과 어려운 곳이 명확히 갈렸다. PRD 먼저 쓰기, Git 필수, 구상도 먼저 그리기 등 실패 확률을 줄이는 TIP 7가지를 정리했다. 현업에 바로 적용할 작은 자동화가 있다면 도움이 된다.

프롬프트 엔지니어링은 프롬프트를 잘 쓰는 기술이 아니라 생각을 끝낸 뒤 펜을 드는 기술이다. 두 번의 시도로 확인한 초기 세팅의 차이, 지시와 맥락이 결과를 어떻게 바꾸는지 설계 원칙 3가지로 정리했다.