데이콘의 포맷이 많이 변했다. 그 전에는 경진대회의 성격만 띠고 있었다면, 지금은 데이터 분석을 위한 학습 채널로도 그 역할을 확장하고 있는 듯 하다. 그리하여!!! 데이콘으로 데이터 분석 과제를 어떻게 준비하고 공부할 수 있을지 설명해 보겠다. 데이터 분석 과제 난이도는 내가 봤던 2023 하반기 SK C&C, 2023 하반기 현대캐피탈을 기준으로 하고 있다. (여기서 더 어려워 질 수도 있고 포맷이 바뀔 수도 있기에 밝힘)

🗄️ 프로젝트 선택

DACON에 들어가서 주...욱 스크롤을 내리다 보면 아래처럼 "프로젝트"를 찾을 수 있다.

• 분류? 회귀? ... 가장 기본적으로는 이 두 가지가 있는데, 둘 중 어떤 걸 공부할지 정하는 게 좋다. 안그럼 죽도록 하나만 팔 수도 있으니까...
• 프로젝트에서 차근차근 갈 수도 있지만, 유명한 프로젝트를 선택해도 좋다.
• 분류 → 당뇨병 분류, 타이타닉
• 회귀 → 보스턴 집값

📚 학습하기

이 프로젝트로 들어가면 입문, 초급, 중급 프로젝트 중 선택해서 학습할 수 있는데,

Python을 처음 접하는 완전 입문자 수준이 아니라면 굳이 이 "학습하기"를 권하지 않는다." - 사유: 학습하기 써봤는데 그저 귀찮 -
(그럼 어떡하라고.어뜨카라고.어떻하라고.어떡콰라고.)

스크롤을 내려보면 아래와 같이 "*** 대회 참가하기"를 확인할 수 있다.

클릭하면 대회에 참여해 결과물을 제출하고 다른 참가자와 겨룰 수 있다.
하지만 중요한 건 바로 "코드 공유" 탭.

들어가 보면 공지로 Baseline 코드를 제공해 준다. (최근 개최되는 경진대회/해커톤엔 없는 듯)
내가 이전에 작성한 과제테스트 후기의 꿀팁에서 말한 "데이콘 Baseline 코드"가 바로 이것!!!

이 코드를 Jupyter notebook이나 google colab에서 하나하나 따라해 보면 좋을 듯 하다.

이 Baseline으로 공부를 추천하는 이유?

• 데이콘 바이럴 아닙니다.
• 이 코드를 보면 아주아주 단순하고 깔끔하게 정리가 되어 있다. 따라서 초보자라도 충분히 따라할 수 있다.
• 대체로 scikit-learn 모델들을 사용하기 때문에 과제테스트 준비하기 적당하다. (내가 봤던 과제테스트들은 사전 설치된 scikit-learn만 사용할 수 있었음)

💡 ++

• 시간은 없는데 어떤 전처리 방법 / 모델을 뭘 선택해야할 지 모르겠다!!!! ㅜㅜ

  • 데이터 전처리

    • numerical data: StandardScaler, MinMaxScaler
    • categorical data: OneHotEncoder, LabelEncoder

  • 모델

    • 분류: RandomForestClassifier, DecisionTreeClassifier
    • 회귀: LogisticRegression, RandomForestRegressor

  • 각 항목들 중 한 가지 씩만 찍어서 활용 방법만 연습한다면 준비 시간이 촉박해도 충분히 대비 가능하다고 생각한다. (전제는 Python, Jupyter notebook 또는 google colab 경험이 있다는 것.)