강의 소개
커리큘럼
파이썬과 데이터 분석… 어디서부터 시작해야 할까요?
낯선 코드와 통계 용어, 복잡해 보이는 AI까지.
배우고 싶지만 무엇부터 시작해야 할지 막막합니다.
👉 이 과정은 파이썬 기초부터 데이터 분석과 AI 프로젝트까지 직접 경험하는 시간입니다.
코드를 실행하고, 데이터의 패턴을 찾고, AI와 함께 결과물을 만들어 보세요.
기초 문법 → 데이터 분석 → 예측 모델 → AI 프로젝트로 이어지는 경험을 통해 자신감을 쌓습니다.
왜 지금, 이 과정이어야 할까요?
✔️ 직접 만들며 익히는 파이썬 기초
변수·조건문·반복문부터 함수와 클래스까지 익히고, 텍스트 RPG를 만들며 프로그램의 작동 흐름을 이해합니다.
✔️ 데이터의 패턴을 읽는 분석 역량
실제 데이터로 통계·전처리·시각화를 익히고, 타이타닉 생존과 집값 예측을 실습하며 분석 문제를 해결하는 힘을 기릅니다.
✔️ AI와 함께 완성하는 첫 프로젝트
AI에게 코드를 요청하고 수정하며, 따릉이 데이터 분석부터 호텔 예약 취소 예측·표정 인식 AI까지 직접 결과물을 만듭니다.
강의 미리보기
데이터를 직접 다루고, 결과를 해석하며 배웁니다.
파이썬 기초부터 통계·전처리·시각화·예측 모델까지, 실제 데이터와 프로젝트로 분석의 흐름을 익힙니다.
🔎 분석할 질문을 정합니다
어떤 문제를 풀지, 어떤 데이터를 볼지 먼저 정리합니다.
🧹 데이터를 직접 정리합니다
결측값·이상치·중복을 처리하며 데이터의 특성을 확인합니다.
📊 통계와 그래프로 살펴봅니다
분포와 변수 간 관계를 탐색하고 패턴을 찾습니다.
📝 실험과 해석을 기록합니다
전처리·모델의 차이를 비교하고 분석 결과를 설명합니다.
이런 고민이 있나요?
표와 숫자는 있는데 무엇부터 분석해야 할지 모르겠어요.
데이터 분석 입문자
그래프를 만들고도 어떤 결론을 말해야 할지 막막해요.
기획자·마케터
분석을 배우고 싶지만 파이썬과 통계를 어디서 시작할지 모르겠어요.
파이썬 입문자
데이터 분석이 나에게 맞는지 실제 프로젝트로 확인하고 싶어요.
AI·데이터 진로 탐색자
이렇게 성장할 수 있어요!
데이터 유형을 구분하고 분석할 질문을 정의할 수 있습니다.
데이터 분석 입문자
통계와 시각화에서 발견한 패턴을 인사이트로 정리합니다.
기획자·마케터
파이썬 기본기를 익히고 전처리·분석 코드를 실행해 봅니다.
파이썬 입문자
데이터 준비·모델 실험·평가를 경험하며 다음 학습 방향을 찾습니다.
AI·데이터 진로 탐색자
본 과정이 해결하는 핵심 학습 방식
1️⃣ 파이썬 기본기
변수·자료형·조건문·반복문·함수·클래스를 익힙니다.
2️⃣ 개념 뒤에 프로젝트
통계·전처리·EDA 학습 사이에 실제 과제를 수행합니다.
3️⃣ 회귀·분류 실험
집값과 타이타닉 데이터로 회귀·분류 모델을 만들고 실험을 설계해 봅니다.
4️⃣ 실제 문제로 확장
따릉이 이용 분석과 호텔 예약 취소 예측을 경험합니다.
어떤 기술을 습득하게 되나요?
Python·Google Colab
브라우저에서 코드를 실행하고 분석 과정과 해석을 노트북에 기록합니다.
Pandas·Matplotlib
데이터를 정리하고 그래프로 분포와 관계를 확인합니다.
Scikit-learn
회귀·분류 모델을 학습하고 평가 결과를 비교합니다.
AI 코딩 비서(Antigravity)
AI에게 코드를 요청하고 수정하며 개발하는 방식을 배웁니다
크리에이터
모두의연구소 퍼실리테이터팀
박형철, 박기웅, 차정은
"지식 전달을 넘어, '성장하는 경험'을 설계합니다."
안녕하세요, 대한민국 AI 커뮤니티의 중심 모두의연구소에서 여러분의 학습을 돕는 교육 퍼실리테이터팀입니다. 저희는 단순히 지식을 전달하는 것을 넘어, 여러분이 직접 실행하고 눈에 보이는 결과물을 만들어가는 '실전형 학습 경험'을 설계합니다.
이 과정을 통해 이론이 실력이 되는 특별한 순간을 경험하실 수 있도록 든든한 조력자가 되어 드리겠습니다.
커리큘럼
입문
31시간 38분
노드 01
파이썬 첫걸음과 변수·자료형
설치 없이 브라우저에서 첫 코드를 실행하고, 변수에 값을 저장하는 원리부터 숫자·문자·참거짓 자료형과 연산자까지 실습함.
1-1
과정에 들어가며
1-2
파이썬에 도전하자!
1분
1-3
왜 파이썬을 배워야 할까?
4분
1-4
파이썬, 빠르게 써보자
5분
1-5
실습 도구 Colab 미리보기
6분
1-6
변수와 자료형 인트로
1분
1-7
변수 이해하기
7분
1-8
숫자 표현하기
9분
1-9
문자 표현하기
10분
1-10
참과 거짓 표현하기
7분
1-11
1차시 마무리 퀴즈
노드 02
많은 데이터를 다뤄보자: 컬렉션 자료형
리스트·튜플·집합·딕셔너리의 성격과 쓰임을 구분하고, 인덱싱·슬라이싱과 키·값 구조를 실습하며 상황에 맞는 자료형을 고르는 기준을 세움.
2-1
리스트
22분
2-2
튜플과 집합
10분
2-3
시퀀셜 자료형과 문자열
12분
2-4
딕셔너리
16분
2-5
2차시 마무리 퀴즈
노드 03
조건문과 반복문으로 흐름 제어하기
if·elif·else로 조건 분기를 만들고 사용자 입력을 받아 처리하며, for·while과 break·continue로 반복 작업을 자동화하고 제어함.
3-1
조건문: if
11분
3-2
조건문: if 실습
6분
3-3
조건문 활용하기
8분
3-4
for 반복문
12분
3-5
for 반복문 활용하기
6분
3-6
while 반복문
5분
3-7
break와 continue
12분
3-8
3차시 마무리 퀴즈
노드 04
반복되는 코드를 줄여보자: 함수
같은 코드를 함수로 묶어 재사용하는 방식과 매개변수·반환값의 역할을 이해하고, 함수 호출 시 실행 흐름이 옮겨 가는 과정과 변수 유효 범위를 짚음.
4-1
함수의 구조
16분
4-2
파이썬 실행 순서
6분
4-3
변수와 인수
8분
4-4
4차시 마무리 퀴즈
노드 05
모듈·라이브러리와 클래스로 확장하기
모듈과 라이브러리를 가져다 쓰는 import 문법과 pip 사용법을 익히고, 클래스·인스턴스·메서드·상속으로 객체지향 기초까지 나아감.
5-1
모듈과 라이브러리
7분
5-2
import 구문
5분
5-3
내장 라이브러리 사용하기
9분
5-4
외부 라이브러리 사용하기
8분
5-5
클래스와 인스턴스
6분
5-6
메서드와 속성
13분
5-7
상속
12분
5-8
5차시 마무리 퀴즈
노드 06
최종 프로젝트: 파이썬 객체지향 텍스트 RPG 제작
변수·조건문·반복문·함수·클래스를 활용해 전투와 아이템·인벤토리, 승패 조건이 있는 텍스트 RPG를 구현하고, 예외 처리와 실행 테스트를 마쳐 제출함.
6-1
최종 프로젝트: 파이썬 객체지향 텍스트 RPG 제작
2시간
노드 07
데이터 분석, 왜 통계가 필요할까?
데이터를 활용해 세상을 이해하고 문제를 해결하는 사고방식을 익히며, 통계와 머신러닝의 역할과 차이를 개념적으로 이해합니다.
7-1
통계를 배워야 하는 이유
5분
7-2
나이팅게일의 장미 그래프: 데이터로 문제를 해결하다
20분
7-3
이번 과정에서 우리가 배우게 될 내용
5분
노드 08
데이터의 종류와 특징
데이터를 숫자형, 범주형 등으로 구분하고 각각의 특징을 이해함으로써, 문제에 맞는 분석 방법을 선택할 수 있는 기초를 다집니다.
8-1
데이터의 종류
10분
8-2
데이터의 특징
15분
노드 09
프로젝트 1: 일상 데이터 수집·분류와 분석 문제 정의
주변에서 관찰할 수 있는 데이터를 5개 이상 수집하고 정형·비정형, 수치형·범주형으로 분류합니다. 해결할 문제를 정의하고 통계 분석·시각화 아이디어를 PDF로 정리해 제출합니다.
9-1
프로젝트 1: 주변 데이터로부터 얻는 통찰
1시간
노드 10
꼭 알아야 할 기초 통계 개념 익히기
평균, 중앙값, 표준편차 등 대표값과 산포도를 통해 데이터를 요약하고 해석하는 통계 기초 개념을 학습합니다.
10-1
평균 키를 구해보자!: 중앙값과 최빈값
15분
10-2
평균 값만 구하면 끝일까?: 분산과 표준편차
15분
10-3
데이터가 어떻게 퍼져있는데?: 데이터의 분포
5분
10-4
일부만 뽑아서 검증하자!: 표본검정과 가설검정
15분
노드 11
프로젝트 2: 대표값·산포도 계산과 통계 리포트 작성
일상 데이터의 평균·중앙값·최빈값, 분산·표준편차를 계산하고 히스토그램으로 분포를 확인합니다. 표본을 추출해 평균을 비교하고 통계량 해석을 담은 리포트를 제출합니다.
11-1
프로젝트 2: 나만의 통계 지표 리포트 만들기
1시간
노드 12
지저분한 데이터 정리하기: 전처리 기초
결측치, 이상값, 중복값 등 ‘지저분한 데이터’를 직접 다뤄보고, 전처리 전/후 데이터의 차이를 관찰하며 데이터 분석의 신뢰성을 높이는 과정을 실습합니다.
12-1
타이타닉 탑승자 데이터 분석하기
5분
12-2
데이터에 에러가 있다면? 잘못된 데이터 대처하기
15분
12-3
스파이가 숨어있다! 이상값 처리하기
15분
12-4
데이터 에러 처리 방법 학습 마무리
3분
노드 13
프로젝트 3: 타이타닉 데이터 전처리
타이타닉 데이터의 결측값·이상치·중복값을 처리하여 분석 가능한 데이터셋을 만듭니다. 정제된 데이터를 CSV로 저장하고 수행한 노트북을 제출합니다.
13-1
프로젝트 3: 타이타닉 데이터를 깨끗하게 정리해보자!
1시간
노드 14
데이터를 시각화하자: 통계 기반 탐색(EDA)
통계값과 시각화를 통해 변수 간 관계와 숨은 패턴을 탐색하고, 인사이트를 도출하는 방법을 배웁니다.
14-1
타이타닉 데이터 살펴보기
5분
14-2
어떤 값들을 봐야 할까?: 기초 통계 분석
5분
14-3
정량적인 이해를 원한다면?: 데이터 시각화
15분
14-4
변수 간 어떤 관계가 있을까?: 상관관계 분석
15분
노드 15
프로젝트 4: 타이타닉 생존자 탐색적 데이터 분석(EDA)
정제된 타이타닉 데이터의 기초 통계와 변수별 분포를 확인하고, 시각화와 상관관계 분석으로 생존에 영향을 준 요인을 탐색합니다. 자신만의 인사이트를 정리한 노트북을 제출합니다.
15-1
프로젝트 4: 타이타닉 생존 데이터를 분석해보자
1시간
노드 16
문제 해결을 위한 모델링: 머신러닝
예측하고자 하는 문제를 정의하고, 회귀/분류 모델을 선택하여 문제를 해결하는 전체 흐름을 익힙니다.
16-1
어떤 모델을 선택해야 할까?: 회귀 VS 분류
30분
16-2
모델이 좋은 대답을 하고 있나?: 모델 평가
30분
노드 17
캘리포니아 집값 예측하기: 선형 회귀
캘리포니아 집값 데이터를 통해 회귀 모델을 직접 적용하고 성능을 평가해보는 실습을 진행합니다.
17-1
회귀 모델이란 무엇일까요?
15분
17-2
캘리포니아 집값 데이터 시각화하기
15분
17-3
이 데이터 이상한데?: 노이즈 제거 및 상관관계 분석
15분
17-4
머신러닝 마지막 스텝: 이상치 탐지하기
15분
노드 18
나만의 모델링 실험 설계하기
새로운 실험을 설계하고 평가해보며, 모델의 성능에 영향을 주는 요인을 탐구하고 개선 방향을 찾아봅니다.
18-1
프로젝트 5: 나만의 모델링 실험 설계하기
1시간
노드 19
타이타닉 생존자 예측하기: 로지스틱 회귀
타이타닉 데이터를 활용해 생존 여부를 예측하고, 분류 모델의 적용과 개선 과정을 체험합니다.
19-1
분류 모델 이해: 다중분류와 이진분류
5분
19-2
회귀지만 분류다: 로지스틱 회귀
5분
19-3
타이타닉 생존자 예측실습
15분
19-4
모델 성능을 더 올려보자!: 이상치 제거
10분
19-5
아직 부족한 것 같다면?: 다른 모델 적용하기
3분
19-6
추가 실습 안내
5분
19-7
마무리하며
5분
노드 20
타이타닉 생존자 데이터 분석하기
타이타닉 생존자를 예측해보고, 자신만의 분석 관점과 인사이트를 정리해봅니다.
20-1
프로젝트 6: 타이타닉 생존자 데이터에서 인사이트 도출하기
1시간
노드 21
인공지능 개발, 너도 할 수 있어!
"AI에 대한 막연한 두려움을 걷어내고 “나도 할 수 있다”는 출발선을 만드는 챕터입니다.
AI를 위협이 아닌 도구로 인식하게 하여, 이후 수학·코딩 학습을 받아들일 심리적 준비를 갖추게 합니다."
21-1
왜 지금 AI인가? AI에 대한 오해와 진실
4분
21-2
AI 시대의 개발자란? : AI 생태계와 직무 지도
10분
21-3
AI를 활용한 ‘바이브 코딩’ 학습 방식 이해하기
10분
21-4
이 정도만 알아도 시작 가능하다!
6분
노드 22
AI야, 나 개발해볼래!
"환경 설정부터 실행까지 ‘생각 → 지시 → 실행 → 결과’의 개발 사이클을 직접 경험합니다.
코드를 몰라도 결과물을 만들 수 있다는 감각을 통해 “나도 개발자다”라는 인식을 형성합니다."
22-1
[환경설정] AI 코딩 비서 소환하기
7분
22-2
[프롬프트] 개발자가 되는 첫 대화
7분
22-3
[실행] Hello World 대신 스트림릿
16분
22-4
[정리] 내가 방금 한 게 ‘개발’이다
5분
노드 23
파이썬, 시켜보며 배우자
"코딩을 문법이 아닌 사고 훈련으로 이해하며 컴퓨터의 생각 방식을 익힙니다.
변수, 조건, 반복, 함수의 필요성을 체감하며 문제를 구조화하는 힘을 기릅니다."
23-1
컴퓨터는 어떻게 생각할까? : 컴퓨팅 사고력
5분
23-2
[변수와 자료형] 컴퓨터의 기억법
7분
23-3
[연산자] 더하고, 비교하고, 판단하기
4분
23-4
[자료구조] 물건을 어떻게 정리하는 게 가장 편할까?
10분
23-5
[조건문] 컴퓨터는 ‘알아서’ 판단하지 않는다
7분
23-6
[반복문] 자동화는 언제 필요한가?
8분
23-7
[함수] 생각을 덩어리로 묶지 않으면 복잡해진다
11분
23-8
[라이브러리] 이미 만들어진 생각을 쓰는 법
5분
노드 24
눈앞의 펭귄은 무슨 종일까? 수학적으로 찾아내기
"데이터를 숫자와 공간으로 바라보는 통계적 사고의 기초를 다집니다.
분포, 이상치, 벡터 개념을 통해 머신러닝이 작동하는 수학적 감각을 형성합니다."
24-1
펭귄의 첫인상 파악하기: EDA와 데이터 살펴보기
30분
24-2
펭귄의 몸무게 차이는 얼마나 날까? 데이터의 분포와 상대적 위치
35분
24-3
펭귄이 거주하는 지역에 따라 종을 구분할 수 있을까?: 변수 간의 관계 확인하기
25분
24-4
숫자를 공간에 배치하기: 차원의 확장과 벡터
6분
노드 25
데이터로 설계하는 따릉이의 미래
"실제 공공데이터를 활용해 문제 정의부터 인사이트 도출까지 전 과정을 경험합니다.
숫자를 의사결정의 근거로 바꾸는 데이터 분석가의 사고를 체득합니다."
25-1
프로젝트 가이드: 데이터 분석의 여정과 도구 상자
15분
25-2
비어있는 정보를 채우다: 결측치 처리와 데이터 심폐소생술
10분
25-3
유난히 튀는 데이터 길들이기: 분포 시각화와 이상치 처리
30분
25-4
데이터로 그리는 이용 패턴: 다각도 시각화와 특성 추출
30분
25-5
숫자를 전략으로 바꾸는 힘: 인사이트 도출과 프로모션 기획
7분
25-6
프로젝트 제출: 데이터로 설계하는 따릉이의 미래
1시간
노드 26
노쇼를 잡아라! - 머신러닝으로 예측하는 예약 취소
"머신러닝의 전처리–모델링–평가–적용 전 과정을 한 번 완주합니다.
예측 결과를 비즈니스 전략으로 연결하며, AI가 실무 문제를 해결하는 도구임을 체감합니다."
26-1
프로젝트 오리엔테이션: 호텔 비즈니스와 머신러닝의 만남
17분
26-2
가짜 신호를 걸러내는 정밀 검사: 데이터 정제와 EDA
24분
26-3
알고리즘을 위한 첫 단추: 머신러닝 맞춤형 전처리
20분
26-4
인공지능 학습의 메커니즘: 모델링과 학습 플로우 이해
17분
26-5
모델의 성적표 읽기:비즈니스 가치를 담은 평가 지표
12분
26-6
숫자를 가치로 바꾸는 기술: 최종 보고서 및 비즈니스 솔루션
16분
26-7
프로젝트 제출: 머신러닝으로 예측하는 예약 취소
1시간
노드 27
이미지 데이터로 해결하는 복잡한 문제들
"이미지가 거대한 숫자 행렬이라는 사실을 이해하고, 규칙 기반 방식의 한계를 경험합니다.
딥러닝이 왜 등장했는지 맥락을 파악하며 컴퓨터 비전의 세계에 입문합니다."
27-1
[동기] 이미지 데이터와 AI가 만났을 때 해결되는 문제들
12분
27-2
컴퓨터가 이미지를 보는 법
5분
27-3
컴퓨터가 이미지를 이해하는 법
7분
27-4
기존의 한계를 넘어선 딥러닝
5분
노드 28
딥러닝 알고리즘 파헤치기
"이미지가 거대한 숫자 행렬이라는 사실을 이해하고, 규칙 기반 방식의 한계를 경험합니다.
딥러닝이 왜 등장했는지 맥락을 파악하며 컴퓨터 비전의 세계에 입문합니다."
28-1
딥러닝은 어떻게 학습하는걸까? - 데이터와 모델
20분
28-2
딥러닝은 어떻게 학습하는걸까? - 계산과정을 파헤치자
15분
28-3
딥러닝의 내부에서는 어떤일이 벌어지는걸까?
6분
28-4
딥러닝 학습에서 중요한건 뭘까?
5분
노드 29
내 손으로 직접 만드는 첫 번째 모델
"이미지 데이터를 활용해 실제 동작하는 AI 모델을 처음부터 끝까지 만듭니다.
모델링부터 배포까지 경험하며, AI가 서비스로 완성되는 과정을 체득합니다."
29-1
[문제 파악] 표정을 통해 감정 분석 서비스 처리
7분
29-2
[바이브 실습] 환경설정을 해보고 데이터를 확인하자
27분
29-3
[바이브 실습] 우리가 가진 데이터를 분할시켜야 하는 이유
10분
29-4
[바이브 실습] 모델 설계 + 전이 학습
27분
29-5
[바이브 실습] 모델 학습
23분
29-6
[바이브 실습] 모델 평가
8분
29-7
[바이브 실습] 나만의 AI 서비스 웹페이지 만들기
5분
29-8
프로젝트 그 후
4분
29-9
프로젝트 제출: 내 손으로 만든 표정 인식 모델
1시간
노드 30
인공지능을 더 올바르게 사용하고자 한다면
"지금까지의 성과를 돌아보며 “내가 만든 것”이라는 자부심을 확립합니다.
윤리적 관점과 다음 학습 경로를 정리하여, 장기적인 성장 방향을 설정합니다."
30-1
인공지능을 '활용'할 때 주의해야 할 사항
12분
30-2
인공지능을 '개발'할 때 주의해야 할 사항
6분
30-3
우리가 함께한 시간
7분