모집단 모수 완전 정복 — 통계학이 존재하는 3가지 이유
모수는 존재하지만 알 수 없다 — 그래서 통계학이 있다. 모수 뜻 한 줄 정의에서 멈추지 않고, 모집단을 어떻게 정의하느냐에 따라 분포가 달라지는 실무 포인트, 이상치가 있을 때 평균·중앙값 선택 기준, 4가지 모수 분류표까지 제조 현장 예시로 정리했다.
파이썬 라이브러리란 무엇인가 — 엑셀 기능과 비교해서 이해하는 3가지 핵심
파이썬 라이브러리는 엑셀 툴바 아이콘 묶음과 같다. pip install→import→사용 3단계 구조와 내장 함수와의 차이를 이해하면, AI에게 받은 코드가 왜 실행되지 않는지, 어떻게 수정 요청을 해야 하는지 스스로 판단할 수 있게 된다.
numpy 난수 생성 완전 정복 — randn·seed·ufunc 4가지 핵심 개념
numpy 난수 생성 함수 randn·normal·chisquare·seed의 차이와 판단 기준을 정리했다. AI에게 정확하게 요청하기 위한 개념 이해와 프롬프트 예시까지 한 번에 확인할 수 있다.
pandas 전처리 완전 정복 — 파일 입출력부터 인덱싱까지 한 번에 잡는 5단계
pandas 전처리의 핵심 5단계를 한 번에 정리했다. CSV·엑셀 파일 입출력부터 결측값 처리, loc·iloc 인덱싱, 조건 필터링, 행·열 삭제까지 — 데이터 분석 전에 반드시 잡아야 할 pandas 전처리 흐름을 실전 코드와 함께 설명한다.
판다스 결측치, 개념을 알아야 AI에게 제대로 시킬 수 있다 — 5단계 처리 흐름 완전 정복
판다스 결측치인 NaN·None·NA가 섞인 채 분석하면 결과가 틀리거나 에러가 난다. 각각의 차이, dropna·fillna 사용법, loc·iloc까지 이해하면 AI에게 정확한 데이터 처리를 요청할 수 있게 된다.
판다스 dataframe 완전 정복 — 파일 불러오기·인코딩·타입 변환 3단계
판다스 dataframe으로 CSV·Excel·Parquet 파일을 불러오는 방법과 인코딩 오류 해결법, float64·float32 타입 변환까지 3단계로 정리했다. 파이썬 데이터 분석 첫 단계를 완전히 잡고 싶은 엔지니어라면 이 글부터 시작하자.
판다스 데이터 전처리 4단계 흐름 — 개념만 알면 AI 요청이 완성된다
판다스 데이터 전처리를 4단계 흐름으로 정리했다. concat·merge·정렬·요약의 순서와 각 단계에서 AI에게 요청하는 법을 개념 중심으로 설명한다.
지식 아카이브란 — 노하우를 RAG로 DB화하고 챗봇으로 꺼내 쓰는 3단계 구조
지식 아카이브란 조직의 노하우를 검색 가능한 형태로 보존하는 구조다. RAG 챗봇과 연결하면 베테랑의 판단 기준을 누구든 꺼내 쓸 수 있다. 수집·구조화·검색 3단계 흐름을 한 번에 정리했다.
마이그레이션 이란 무엇인가 — 야전 군용 앱으로 이해하는 DB 구조 변경의 3가지 핵심
마이그레이션 이란 DB 구조 변경을 코드 파일로 기록해 버전 단위로 추적하는 작업이다. 인터넷 차단·보안 제약 환경에서 어떻게 작동하는지, Django가 이 문제를 어떻게 자동화하는지 야전 시나리오로 이해할 수 있다.
pandas 데이터프레임 완전 정복 — 5가지 핵심 영역으로 전체 구조를 한 번에 잡는 법
pandas 데이터프레임은 행과 열로 구성된 2차원 표 구조로 엑셀보다 빠르고 코드로 자유롭게 조작된다. 생성·입출력·조회·결측치·수정 5가지 핵심 영역을 단계별로 이해하면 데이터 분석 전체 흐름이 한눈에 보인다.
