탐색적 데이터 분석 완전 정복 — 현장 엔지니어가 써먹는 시각화 3단계
탐색적 데이터 분석은 머신러닝 모델 전 단계에서 데이터의 실체를 파악하는 필수 과정이다. 히스토그램·상자그림·산점도로 분포·이상값·변수 관계를 순서대로 확인하면 이후 분석 방향이 달라진다.
numpy 배열 연산 완전 정복 — boolean indexing부터 브로드캐스팅까지 5가지 핵심 개념
numpy 배열 연산의 5가지 핵심 개념을 AI 활용 관점으로 정리한다. boolean indexing, np.where, 브로드캐스팅, argmin, axis — 개념을 알아야 AI에게 정확하게 요청하고 결과를 검증할 수 있다.
판다스 시리즈 완전 정복 — 인덱스·결측치·불리언 인덱싱 3가지 핵심 개념
판다스 시리즈(Series) 생성부터 인덱스 구조·결측치 처리·불리언 인덱싱까지 — 데이터프레임으로 넘어가기 전에 반드시 잡아야 할 3가지 핵심 개념을 엔지니어 언어로 정리한다.
NumPy 배열 완전 정복 — AI에게 정확히 요청하려면 알아야 할 5가지 개념
numpy 배열의 생성부터 reshape, random, 인덱싱, Fancy Indexing까지 5가지 핵심 개념을 한 글에 정리했다. 배열 구조를 모르면 AI에게 코드를 받아도 수정 요청조차 어렵다. 실전 조작법을 익혀두면 데이터 전처리 속도가 달라진다.
파이썬 시각화 입문 — 차트 선택부터 AI 요청까지 5단계 흐름
파이썬 시각화는 코드보다 흐름이 먼저다. pandas 내장 차트와 seaborn의 개념적 차이, boxplot+swarmplot 조합의 이유, AI에게 시각화를 맡길 때 개념이 왜 필요한지를 현장 엔지니어 시각으로 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.
