강의 소개
sklearn 내장 Linnerud 데이터셋(운동선수 20명, 턱걸이·윗몸일으키기·점프)으로 체중·허리·맥박을 예측하는 AI를 구현한다. 결과는 R² = -2.73 — 평균으로 찍는 것보다 나쁜 모델. 이 충격에서 소표본 데이터의 한계를 직접 경험하고, K-means 클러스터링으로 방향을 전환해 운동선수 3가지 유형(고강도형·기초형·균형형)을 발견하는 여정이다. 회귀분석·다중 출력 회귀·MSE·R²·다중공선성·K-means·Elbow Method를 다루며, 머신러닝이 마법이 아닌 데이터 품질의 함수임을 체험한다. 스포츠과학·운동생리학·데이터사이언스 융합 진로를 꿈꾸는 이공계 탐구보고서 프로젝트.
멘토 Q&A 포함
코드 자료 포함
리포트 자료 포함
강의 정보
강사
딥클래스 멘토 멘토
총 강의시간
1시간 14분
수강기한
구매일로부터 12개월
총 강의수
15개
연계 진로
자연과학
연계 교과
정보
커리큘럼
총 3개 섹션 · 15개 수업섹션 1. 1회차 — 스포츠 데이터 탐험: EDA와 상관관계
5개 수업- Linnerud 데이터셋 — 1974년 운동선수 20명을 만나다05:00
- 기술통계로 운동선수를 읽다 — 맥박 56의 비밀04:30
- 상관관계의 반전 — 체중이 무거운 선수가 맥박이 낮다?05:00
- Pairplot — 20개 점이 그리는 패턴04:30
섹션 2. 2회차 — 회귀 모델의 도전과 실패 진단
5개 수업- 이상치 제거와 데이터 분할 — 16명으로 학습하기05:00
- MultiOutputRegressor — 3개를 동시에 예측하는 구조05:00
- 예측 실행 — AI가 체중을 맞혔을까?04:30
- R² = -2.73 — 평균보다 나쁜 AI의 충격05:30
- 왜 실패했나 — 소표본·비선형·다중공선성 3가지 진단05:00
섹션 3. 3회차 — 클러스터링 전환과 스포츠 AI 미래
5개 수업- 방향 전환 — 예측 대신 클러스터링05:00
- Elbow Method — 최적 클러스터 수 찾기05:00
- K-means k=3 — 운동선수 3가지 유형 발견05:30
- 새 선수 입력 → 유형 분류 — 실용적 활용05:00
- 한계·미래·진로 — 스포츠 AI가 가는 곳05:30
멘토 소개
🏃
딥클래스 멘토 강사
딥클래스 멘토 멘토는 자연과학 분야의 풍부한 경험을 바탕으로 고등학생 눈높이에 맞춘 강의를 진행합니다.
수강평 0
리뷰를 작성하려면 로그인이 필요합니다
Q&A
추천도서
추천 도서가 없습니다.