강의노트 소개
본 강의노트는 데이터사이언스, 통계학, 머신러닝 및 AI 학습에 필요한 핵심 수학·통계·조사방법론을 체계적으로 정리한 자료이다. 수학적 기초부터 통계적 추론, 실제 조사설계와 데이터 처리까지 단계적으로 학습할 수 있도록 구성하였다.
| 통계학·데이터분석 입문자 |
수학·통계 기초 다지기 |
| 머신러닝·AI 학습 준비자 |
이론적 배경 확보 |
| 사회과학·경영학 연구자 |
조사설계 및 분석방법 습득 |
| 논문·연구방법론이 필요한 대학원생 |
통계 추론 및 연구설계 이해 |
| 조사설계 및 설문분석 실무자 |
실무 적용 역량 강화 |
기초수학
데이터분석과 통계학의 기반이 되는 수학 내용을 학습한다. 함수의 개념에서 시작하여 미분·적분, 벡터, 행렬까지 머신러닝 이론 이해에 필수적인 수학 도구를 다룬다.
| 1 |
함수 |
함수 정의·종류, 다항·지수·로그함수, 합성·역함수 |
| 2 |
미분과 적분 |
극한·연속, 미분·편미분, 적분, 최적화 기초 |
| 3 |
벡터 |
벡터 연산, 내적·외적, 거리와 유사도, 머신러닝 표현 |
| 4 |
행렬 |
행렬 연산, 역행렬, 고유값·고유벡터, 선형변환 |
수리통계
확률과 통계적 추론의 핵심 이론을 학습한다. 확률의 기초에서 출발하여 확률변수, 분포, 추정, 가설검정까지 통계학의 이론적 체계를 다룬다.
| 1 |
확률 |
확률 정의, 조건부확률, 독립사건, 베이즈정리 |
| 2 |
확률변수와 확률분포함수 |
이산·연속형 확률변수, PMF·PDF, 기댓값·분산 |
| 3 |
유명한 분포 |
이항·포아송·정규·지수·카이제곱·t·F분포 |
| 4 |
이변량 확률변수 |
결합·주변분포, 공분산·상관계수, 다변량 정규분포 |
| 5 |
확률 표본 |
단순임의추출, 층화·계통추출, 난수생성, 몬테카를로 |
| 6 |
추정 |
점추정, 구간추정, MLE, 불편추정량, 효율성 |
| 7 |
가설검정과 신뢰구간 |
귀무·대립가설, 유의수준·p-value, t-test, ANOVA |
조사방법론
사회과학 및 데이터조사 실무에서 필요한 조사설계와 분석방법을 학습한다. 기초 개념에서 표본설계, 설문지 작성, 데이터 처리, 고급 분석기법까지 실무 중심으로 구성하였다.
| 1 |
조사방법론 개요 |
조사연구 개념, 양적·질적 연구, 연구설계 절차, 조사윤리 |
| 2 |
표본설계 |
모집단·표본, 표본추출방법, 표본오차, 표본크기 결정 |
| 3 |
설문지 |
문항설계 원칙, 질문 유형, 응답편향, 온라인 설문 |
| 4 |
무응답과 대체 |
결측자료 유형, 평균·회귀대체, 다중대체법(MI) |
| 5 |
데이터 처리 |
데이터 정제, 코딩·리코딩, 이상치 탐지, 변환 |
| 6 |
문항 척도 |
명목·서열·등간·비율척도, 리커트·의미분화·보가더스 척도 |
| 7 |
델파이·AHP·컨조인트 |
델파이 조사, 계층분석법(AHP), 컨조인트 분석 |
| 8 |
성향점수매칭(PSM) |
인과추론, 성향점수 추정, 매칭 방법, 처치효과 추정 |