insight2149 님의 블로그

아티클 스터디1. 요약제조 데이터 분석은 ERP, 생산관리, 품질관리, 설비관리 등에서 수집된 데이터를 활용하여 품질 개선, 장애 예측 등 생산성과 효율을 높이기 위한 분석 활동입니다. 디지털화를 통해 실시간 데이터를 기반으로 한 의사결정과 문제 해결이 가능해졌으며, 데이터 기반의 객관적 분석은 현업 경험에 의존하던 의사결정을 보완하고 효율화할 수 있습니다.2. 주요 포인트제조 데이터 정의: ERP, 생산·품질·설비관리 등 공장 내 수집 데이터.데이터 분석 목적: 실시간 데이터 활용으로 생산성, 품질 향상 및 장애 예측.제조 데이터 분석 유형:품질 원인 분석 – 원료, 공정, 품질 데이터를 통해 불량 원인 파악.최적 공정 조건 도출 – 과거 최적 사례 기반 생산 최적화.설비 장애 예지 – 센서 데이터를 ..

데이터 사우루스 데이터가 동일한 통계적 특성을 가지더라도 시각화하면 전혀 다른 패턴을 가질 수 있음을 보여주는 사례입니다.효과적인 차트 선택법 차트는 데이터의 성격에 따라 적절하게 선택해야 합니다. 예를 들어:비교(비율, 차이) → 막대 그래프, 파이 차트분포 분석 → 히스토그램, 박스 플랏추세 분석 → 선 그래프관계 분석 → 산점도태블로 차트태블로에서는 다양한 차트를 활용할 수 있으며, 대표적으로 텍스트 테이블, 히트맵, 맵 차트, 막대 차트, 라인 차트, 트리맵, 박스 플랏 등이 있습니다.데이터 시각화의 장점데이터를 직관적으로 이해하고 빠르게 의사결정 가능협업 시 효과적인 커뮤니케이션 도구데이터에서 인사이트 도출 가능기본 그래프선 그래프 (Line Plot)시간에 따른 변화 추이를 시각화예: 연도별 ..

비즈니스 인텔리전스(BI)란?BI는 조직이 데이터 기반 의사결정을 빠르게 할 수 있도록 지원하는 비즈니스 분석, 데이터 마이닝, 시각화, 데이터 도구를 의미합니다. 드래그앤드롭 방식으로 쉽게 데이터를 분석하고 시각화할 수 있습니다.일상 속 데이터 기반 의사결정통계청 인포그래픽, 건강앱, 기상청 날씨 예보 등을 통해 데이터를 기반으로 의사결정을 내릴 수 있습니다.실무 데이터 기반 의사결정현실: 데이터 분석가의 반복적 KPI 추적, 데이터 업데이트 작업.이상: BI 도구를 통한 전사 대시보드 자동화로 효율적인 의사결정.실무 BI 프로세스데이터 분석가의 하루: 데이터 점검, 대시보드 지표 분석, 프로젝트 미팅, 리포트 리뷰.실무 문제 정의: 다양한 부서의 데이터 분석 요청(프로모션 분석, A/B 테스트, KP..

오늘의 코드카타 나의 답변은def solution(n):     digits = list(str(n))     digits.sort(reverse=True)     answer = int("".join(digits))     return answer

오늘의 코드카타!! 나의 풀이는 바로 def solution(n):     for i in range(n+1):         if i**2 == n:             return (i+1)**2     else:         return -1

단순선형회귀란 무엇인가?하나의 독립 변수(X)와 하나의 종속 변수(Y) 간의 관계를 직선으로 모델링하는 방법. 단순선형회귀회귀식Y = β0 + β1X, 여기서 β0는 절편, β1는 기울기 특징독립 변수의 변화에 따라 종속 변수가 어떻게 변화하는지 설명하고 예측.데이터가 직선적 경향을 따를 때 사용합니다.간단하고 해석이 용이합니다.데이터가 선형적이지 않을 경우 적합하지 않습니다.단순선형회귀는 어떨 때 사용할까?광고비(X)와 매출(Y) 간의 관계 분석.현재의 광고비를 바탕으로 예상되는 매출을 예측 가능. 회귀식Y = β0 + β1X1 + β2X2 + ... + βnXn

import pandas as pdimport matplotlib.pyplot as plt# 데이터프레임 생성 (이미지 데이터를 CSV로 저장했다고 가정)# 데이터 로드df = pd.read_csv('/content/defects_data.csv')df = pd.DataFrame(defect_data)# defect_type과 severity별 발생 건수 집계grouped_data = df.groupby(['defect_type', 'severity'])['defect_id'].count().reset_index()# 피벗 테이블 생성 (그래프를 그릴 수 있도록 변환)pivot_table = grouped_data.pivot(index='defect_type', columns='severity', val..

보호되어 있는 글입니다.

문제 2-1 : 숫자 리스트의 평균을 계산하는 방법# 예시 데이터numbers = [10, 20, 30, 40, 50]def calculate_avg(numbers):    total = sum(numbers)    total_avg = total / len(numbers)    return total_avgtotal_avg = calculate_avg(numbers)print("숫자들의 평균:", total_avg)문제 2-2 : 최고 온도와 최저 온도 간 온도차를 구하는 함수 작성# 예시 데이터numbers = [10, 20, 30, 40, 50]def calculate_diff_temperature(numbers):    max_temp = max(numbers)    min_temp = min(n..