주마다 무엇을 하는지, 무엇을 할 수 있게 되는지(학습 목표), 본 페이지에서 어디를 열면 되는지를 함께 적었습니다. 「이번 주 열 곳」 알약을 누르면 본 페이지의 그 자리로 바로 갑니다.
| 주 | 날짜 | 주제 · 활동 | 학습 목표 | 이번 주 열 곳 | ADsP 20분 | 학생 발표 |
|---|---|---|---|---|---|---|
| 1 | 9/7 | 과목 소개 · 빅데이터 개념 · Orange 설치#과목소개#빅데이터개념#분석방법#분석도구#Orange설치 | 빅데이터의 뜻을 5V로 설명하고, Orange를 설치해 실행할 수 있다. (빅데이터의 3가지 특성은 무엇인가요? 빅데이터가 성공한 사례는 무엇이 있나요?) | 수업 목표 · 네 편파트 01 | 시험 소개 | — |
| 2 | 9/14 | 지도 · 비지도학습 · 군집 사례 · 빅데이터 플랫폼#지도학습#비지도학습#군집분석#빅데이터플랫폼 | 지도 · 비지도학습을 구분하고, 군집분석이 무엇을 묶는지 사례로 설명할 수 있다. 무료로 데이터를 받는 빅데이터 플랫폼을 찾을 수 있다. (빅데이터 플랫폼이란 무엇인가요? 무료로 빅데이터를 얻을 수 있는 사이트는 어디인가요?) | 군집 사례 논문빅데이터 플랫폼 | Q1~29 | — |
| 3 | 9/21 | KOSIS 시각화 · DIKW · 발표#KOSIS#시각화#DIKW#관광적용 | KOSIS에서 통계를 골라 그래프로 그리고, DIKW 네 단계로 해석할 수 있다. | DIKWKOSIS 카드 | Q30~37 | 5명DIKW 발표 |
| 4 | 9/28 | DIKW 발표 · 경진대회 영상 · 텍스트마이닝 · 네이버 데이터랩#경진대회사례#보행환경#AI분석#텍스트마이닝#아리랑사례#네이버데이터랩API | 수상작 발표에서 분석 흐름을 읽고, 텍스트마이닝 · 네이버 데이터랩이 무엇을 보여 주는지 말할 수 있다. | 서울 캠퍼스 카드아리랑 사례네이버 데이터랩 | 50문항 1~10 | 4명DIKW 발표 · 피드백 |
| 5 | 10/5 | 휴강 · 개천절 대체휴일12/8(화)에 보강합니다 | — | — | — | — |
| 6 | 10/12 | 머신러닝 · 딥러닝 — 지도학습 · 비지도학습 · 계층적 군집분석 · 오버핏 · 언더핏계획했던 빅카인즈 · KOSIS 발표 리뷰는 중간시험 이후(9주)로 옮김 | 정답이 있는 지도학습과 없는 비지도학습을 구분하고, 계층적 군집분석으로 비슷한 것끼리 묶는 과정을 따라갈 수 있다. 머신러닝과 딥러닝의 관계를 구분하고, 오버핏(과대적합) · 언더핏(과소적합)이 무엇이고 어떻게 고치는지 설명할 수 있다. | 머신러닝 빅데이터 분석 — 지도학습·비지도학습 ↗머신러닝 빅데이터 분석 영상 → 노경섭 계층적 군집분석 ▶ 영상 ↗ | 50문항 11~20 | — |
| 7 | 10/19 | t검정 · 중간시험 대비 복습1차시 — 일표본 t검정 · 대응표본 t검정 · 독립표본 t검정 개념 · 빈도분석2 · 3차시 — ADsP Q1~37 복습강의 후반부 과제 안내 — 수상작 파헤치기 분석계획했던 텍스트마이닝 ② 텍스톰은 11주(11/16)로 옮김 | 일표본 · 대응표본 · 독립표본 t검정의 차이를 구분하고, 빈도분석과 함께 ADsP 1과목 Q1~37을 복습해 중간시험을 준비할 수 있다. | 수업 진행 기록 · 10/19ADsP Q1~37 복습 | Q1~37 복습 | — |
| 8 | 10/26 | 중간시험ADsP 1과목 · 20문제 | 범위 — ADsP 1과목 기출 Q1~37과 50문항 1~50. 방식 — 이 가운데서 20문제를 풉니다. 수업에서 풀어 본 문제를 다시 풀며 헷갈린 개념을 정리할 수 있다. | ADsP Q1~3750문항 판 ↗ | 20문제 | — |
| 9 | 11/2 | 개인 작업내 주제 잡기 · 발표할 수상작 고르기빅카인즈 · KOSIS 발표 리뷰 — 6주(10/12)에서 옮김 | 내 주제를 질문 한 문장으로 세우고, 발표할 수상작을 고를 수 있다. 빅카인즈 검색어 · 기간을 설계해 연관어 · 관계도를 뽑고, KOSIS 발표를 되짚어 DIKW 해석의 빈칸을 찾을 수 있다. | 파트 04 군집도구표 Orange 줄텍스톰 카드군집분석 심화 자료7주(10/19) → 11주(11/16) 예정분에서 이동📘 학술 지식노트 · 문서 군집화 — K-means vs DBSCAN ↗Q&A — 군집분석은 지도학습인가, 비지도학습인가? ↗데이터 마이닝 · 텍스트 마이닝 · 머신러닝 · 딥러닝 (16장) ↗군집분석 × Z점수 표준화 — 학생용 · 퀴즈 8문항 (37장) ↗Orange Distance Map 완전해설(Iris 150개) ↗ADsP 3과목 5장 · 군집분석 개관(교재 쪽수) ↗ADsP 3과목 5장 · 군집분석 3문제 풀이 · 복습 ↗t검정 · 독립표본 — 11/2 수업노경섭 「제대로 알고 쓰는 논문 통계분석」 t검정(전체) 21:14부터 ↗복습용 · 같은 영상 2:48부터 ↗KOSIS · K-means 자료는 14주(12/7)로 옮김 | 2과목 시작 | 리뷰KOSIS 발표 리뷰 |
| 10 | 11/9 | 다섯 걸음 ① 문제 정의 · 수집검색 트렌드(네이버 데이터랩 · 구글 트렌드 · 아이템스카우트) 포함 | 문제를 정의하고 데이터 창구를 찾으며, 검색 트렌드로 관심의 변화를 확인할 수 있다. | 파트 03파트 02 창구파트 10텍스톰 카드 | 2과목 | 4명수상작 · 2교시 2 · 3교시 2 |
| 11 | 11/16 | 다섯 걸음 ② 정제 · 분석 — 군집분석 실습 (Orange)텍스트마이닝 ② 텍스톰 — 정제 → 빈도 · 워드클라우드 · N-gram → 의미연결망 | 결측 · 중복을 정제하고 Orange로 군집분석을 돌려 군집의 특징을 해석할 수 있다. 텍스트를 정제해 빈도 · 워드클라우드 · N-gram을 만들고, 의미연결망을 읽을 수 있다. | 자료는 9주(11/2)로 옮김 | 2과목 | 4명수상작 · 2교시 2 · 3교시 2 |
| 12 | 11/23 | 다섯 걸음 ③ 시각화 · DIKW 이야기연관성 분석무엇과 무엇이 함께 나오나 — 지지도 · 신뢰도 · 향상도, 맥주와 기저귀, 빅카인즈 연관어 | 결과를 그래프로 보여 주고 DIKW로 의사결정 이야기를 만들 수 있다. 연관성 분석의 지지도 · 신뢰도 · 향상도를 구분할 수 있다. | KOSIS 해석 프롬프트DIKW연관규칙 · ADsP 지도빅카인즈 연관어 | 2과목 | 2명수상작 · 2교시 2 |
| 13 | 11/30 | 현장 적용 · 발표 리허설네트워크 분석단어 · 대상이 어떻게 엮이나 — 노드 · 링크, 연결 중심성 · 매개 중심성, CONCOR, 빅카인즈 관계도 | 예측 분석이 현장에서 쓰이는 방식을 설명하고, 발표를 리허설할 수 있다. 네트워크 분석에서 노드 · 링크 · 중심성을 읽을 수 있다. 빅카인즈 결과를 연관성 · 네트워크로 해석해 발표할 수 있다. | 빅카인즈 카드파트 11텍스톰 의미연결망빅카인즈 관계도 | 2과목 | 빅카인즈 ①빅카인즈 분석 발표 |
| 14 | 12/7 | 최종 발표 준비 · 피드백 반영토픽 모델링많은 글이 몇 개의 주제로 나뉘나 — LDA, 토픽 수 정하기, 토픽 이름 붙이기 | 피드백을 반영해 최종본을 완성할 수 있다. 토픽 모델링(LDA)이 글을 주제로 묶는 방식을 설명할 수 있다. 빅카인즈 결과를 연관성 · 네트워크 · 토픽으로 해석해 발표할 수 있다. | 빅카인즈 카드파트 06 대회파트 07 자격증아리랑 사례 · LDA수상작 서가다섯 걸음 0번KOSIS 카드KOSIS 자료 다섯실습 예제 · 경북 외국인등록인구 해석 ↗✦ 해석 프롬프트 · 학생용 ↗인구관계도 × DIKW 발표자료 ⤓ PPTX100대 지표 × 관광 · 다섯 장 ↗내가 말하는 통계 · 역대 수상 영상 ↗비지도학습 · K-meansK-MOOC 4주차 비지도학습 1차시 · 개념(32:29) ↗Iris 데이터셋 3품종 꽃사진 · 측정값 비교 ↗Orange Distance Map 완전해설(Iris 150개) ↗ | 정리 | 빅카인즈 ②빅카인즈 분석 발표 |
| 14 | 12/8(화) 보강 | 최종 발표 · 그 자리에서 피드백10/5 휴강분 보강 | 분석 결과를 의사결정 이야기로 발표하고, 피드백을 주고받을 수 있다. | 수업 진행 기록수상작 파헤치기 · 대상 사례✦ 대상 사례 PM 안전 · DIKW와 프롬프트 ↗ | — | 전원최종 발표 |
| 15 | 12/14 | 기말시험 | — | — | — | — |
10 · 11 · 12주 발표자는 목표가 하나 더 붙습니다 — 수상작 한 편을 다섯 질문으로 읽고 발표할 수 있다.
1~4주는 이미 진행한 수업입니다 — 자세한 내용 · 발표 · 출석은 본 페이지 수업 진행 기록 ↗에 있습니다.
맨 끝에 한 줄 — 「내 주제에 가져올 것 하나」. 다섯 질문은 본 페이지 수상작 서가 ↗와 같습니다.
| # | 상 | 작품 · 팀 | 발표 주 | 발표자 |
|---|---|---|---|---|
| 서울시 빅데이터 활용 경진대회 · 시각화 부문 2026 수상작 · 발표자료 · 체험 ↗ | ||||
| 1 | 대상 | 혼자 사는 서울, 함께 보는 서울서울돋보기팀 · 1인 가구 안전 지표를 공간 · 생활 유형별로 | ||
| 2 | 최우수 | 서울시 자치구별 쓰레기 발생 구조 진단 대시보드서울 쓰레기 처리단 · 진단 · 분석 · 처방 단계 | ||
| 3 | 우수 | 어르신의 발걸음이 그리는 서울의 경계절반의 서울 · 어르신 보행 속도로 다시 그린 생활권 | ||
| 4 | 특별 | 공시가격 정보 비대칭 해소를 위한 공시가격 적정성 진단 플랫폼FAIR GROUND | ||
| 5 | 특별 | 걸어서 10분, 닿지 않는 쉼터Zemini · 폭염 취약도와 도보 접근성으로 쉼터 사각지대 | ||
| 6 | 특별 | 걸어서 15분, 안전하게 닿는 서울이준성 · 발표자료만 있음(체험 링크 없음) | ||
| 7 | 특별 | 목적지 너머의 일상을 향해: 유니버설 서울팀 이음 · 장애인 이동지원 수요와 마이크로 허브 입지 | ||
| 서울 데이터 허브 시각화 경진대회 2025 같은 페이지에서 「2025년 수상작」 ↗ | ||||
| 8 | 대상 | 걸어서 15분, 문화에 닿는 서울서울컬쳐헌터스 | ||
| 9 | 최우수 | 도시 홍수 피해 저감을 위한 맞춤형 빗물 관리 방안 제안: 서울시 강남구를 중심으로물방울 탐험대 | ||
| 10 | 우수 | 데이터로 보는 서울TEAM FIRST | ||
| 11 | 우수 | 서울시 기후취약 · 녹지체감 지도나인와트 | ||
| 12 | 우수 | 서울의 이면구름산책가 | ||
| 13 | 특별 | 지금 서울시는: 데이터로 읽는 폭염과 내일을 위한 준비더위사냥 | ||
| 한국관광 데이터랩 우수 활용사례 2024 · 인터뷰 인터뷰 다섯 편 ↗ | ||||
| 14 | 대상 | 데이터로 잡은 전동 킥보드 사고 사각지대 — 관광지 교통사고 줄이는 「안전 혁신」한국도로교통공단 · 인터뷰 ↗ · 우리 자료 ✦ DIKW 프롬프트 ↗ | ||
| 15 | 최우수 · 성장왕 | 관광 데이터로 발견한 인천 9경의 새로운 매력 — 체험 관광의 혁신인천관광공사 · 인터뷰 ↗ | ||
| 16 | 최우수 · 해결왕 | 데이터로 변신하는 우도 담수화 시설 — 새로운 문화 공간으로웨이플러스 · 인터뷰 ↗ | ||
| 17 | 우수 · 성장왕 | 데이터로 도시의 재미를 찾다: 지역 관광의 새로운 도전아시아경제 · 인터뷰 ↗ | ||
| 18 | 우수 · 해결왕 | 데이터로 만드는 대전의 새로운 매력 — 「노잼」에서 「꿀잼」으로카이스트 학부생 팀 · 인터뷰 ↗ | ||
「발표 주 · 발표자」 칸은 고른 뒤 채웁니다. 작품 이름 · 팀 이름은 2026-09-29에 서울 데이터 허브와 한국관광 데이터랩 누리집에서 옮겨 적었습니다.