 |
분석: 99
2. 현상 이해와 예측: 100
3. 실험 설계와 해석: 100
4. 오류와 불확실성 다루기: 100
5. 다양한 분야와의 융합: 100
6. 정보의 해석과 의사 소통: 100
7. 진실을 파악하는 도구: 100
기초 이론과 개념: 101
회귀 분석 및 모델링: 101
가설 검정
|
|
 |
분석: 80
2. 현상 이해와 예측: 81
3. 실험 설계와 해석: 81
4. 오류와 불확실성 다루기: 81
5. 다양한 분야와의 융합: 81
6. 정보의 해석과 의사 소통: 81
7. 진실을 파악하는 도구: 82
아. 기초 이론과 개념: 82
자. 회귀 분석 및 모델링: 83
차. 가설
|
|
 |
분석: 76
2. 현상 이해와 예측: 76
3. 실험 설계와 해석: 77
4. 오류와 불확실성 다루기: 77
5. 다양한 분야와의 융합: 77
6. 정보의 해석과 의사 소통: 77
7. 진실을 파악하는 도구: 77
가. 기초 이론과 개념: 78
나. 회귀 분석 및 모델링: 78
다. 가설
|
|
 |
분석: 131
2. 현상 이해와 예측: 131
3. 실험 설계와 해석: 131
4. 오류와 불확실성 다루기: 131
5. 다양한 분야와의 융합: 132
6. 정보의 해석과 의사 소통: 132
7. 진실을 파악하는 도구: 132
나. 기초 이론과 개념: 132
다. 회귀 분석 및 모델링: 133
라
|
|
 |
분석 학술이론에 대한 지식검증 기출문제 113
기초 이론과 개념: 113
회귀 분석 및 모델링: 114
가설 검정과 추론: 115
데이터 분석 및 시각화: 115
빅데이터와 기계 학습: 116
실험 계획법 117
비모수 통계 117
빅데이터와 머신러닝 118
데이터
|
|
 |
분석: 82
2. 현상 이해와 예측: 82
3. 실험 설계와 해석: 83
4. 오류와 불확실성 다루기: 83
5. 다양한 분야와의 융합: 83
6. 정보의 해석과 의사 소통: 83
7. 진실을 파악하는 도구: 84
바. 기초 이론과 개념: 84
사. 회귀 분석 및 모델링: 85
아. 가설
|
|
|
분석 및 머신러닝 86
수리 모델링 87
추가 문제 88
? 통계학 학술이론에 대한 지식검증 기출문제 89
기초 이론과 개념: 89
회귀 분석 및 모델링: 89
가설 검정과 추론: 90
데이터 분석 및 시각화: 91
빅데이터와 기계 학습: 91
실험 계획법 92
|
|
 |
코드 작성, 데이터 시각화, 회귀 분석 기법까지 폭넓게 학습했습니다. 단순히 강의를 듣는 데 그치지 않고, 강의에서 제시된 과제를 직접 수행하고 스스로 데이터를 수집해 분석하며 복습했습니다.
게다가 직접 데이터를 수집해 분석해보는
|
|
 |
을 정리하고, 부족한 데이터를 보완하기 위해 다양한 데이터 소스를 검토하며 변수를 추가하는 방식으로 문제를 해결해 나갔습니다. 또한, 단순한 회귀 분석뿐만 아니라 머신러닝 기반의 랜덤 포레스트, 로지스틱 회귀 등을 활용하여 예측 모
|
|
 |
회귀모델로 분석하였습니다. 특히 접근성 향상이 부동산 가치 상승으로 직결되지 않는 지역의 특성을 규명하여, 단순한 교통 인프라 확충만으로는 지역 균형 발전이 어려움을 제시하였습니다.
하나 더 있는데 ‘COVID-19 이후 상권 변화와 온라
|
|
메뉴펼치기
