데이터를 구하거나 전처리할 일이 없습니다. 첫날 연 파일을 마지막 날까지 그대로 사용하며, 각 MOVE에서 가설을 검정하거나 모형을 추정합니다. 마치면 루틴 목표와 완료 평가로 내가 무엇을 할 수 있게 되었는지 직접 확인합니다.
다루고 싶은 데이터를 고르면 됩니다. 루틴 하나에 데이터셋 하나라, 고민할 것이 그것뿐입니다.
| ROUTINE | DATASET | 루틴 목표 | 완료 평가 | 권장 반복 횟수 | 기간 |
|---|---|---|---|---|---|
| 표본의 비밀R1-1 | 딸기 숙성 전후 당도 | 표본이 모집단을 얼마나 대표하는지 판단할 수 있다 | 모수와 표본통계량의 차이를 검정으로 확인할 수 있다 | 기간 내 3회 이상 | 7 days |
| 가설검정의 비밀R2-1 | 보드게임 전후 창의성 점수 | 자료 구조에 맞는 검정을 골라 적용할 수 있다 | 일곱 가설을 각각의 검정통계량으로 판정할 수 있다 | 기간 내 3회 이상 | 21 days |
| 선형모형의 비밀R3-1 | 한우 근내지방도 · 단일 SNP | 고정효과와 임의효과를 구분해 모형을 세울 수 있다 | BLUE와 BLUP의 차이를 같은 데이터에서 설명할 수 있다 | 기간 내 3회 이상 | 14 days |
| 머신러닝의 비밀R4-1 | 수소엔진 운전 데이터 | 모델 복잡도와 예측 성능의 교환을 판단할 수 있다 | 여섯 모델의 파라미터 수와 성능을 한 표로 비교할 수 있다 | 기간 내 3회 이상 | 21 days |
정해진 기간 내 하나의 데이터셋으로 Routine을 3회 이상 반복하며 가설 검정·모형 판정·모형 추정의 전 과정을 익힙니다. 그다음 자신의 가설을 검정하거나 모형을 완성하는 데 필요한 데이터를 직접 수집하거나 생성합니다. 이렇게 내가 만드는 데이터가 나의 DATASET이고, 그 DATASET이 무엇을 의미하는지 해석·설명하는 것이 ARTICLE입니다.
제공된 데이터로 가설 검정·모형 판정·모형 추정의 전 과정을 정해진 기간 내 3회 이상 반복합니다.
자신의 가설을 검정하거나 모형을 완성하는 데 필요한 데이터를 직접 수집하거나 생성합니다.
그 DATASET이 무엇을 의미하는지 해석하고 설명합니다.
저자 강의 클래스에서는 학습자가 만든 ARTICLE을 완료 평가합니다. 완성된 ARTICLE 가운데 투고 후보 한 편을 선정하고, 이를 Data Article 원고로 발전시켜 투고합니다.