강의 소개
FIFA 선수 데이터 8,932명으로 이적료 예측 머신러닝 모델을 만드는 프로젝트. 이적료 분포의 극단적 왜도(skewness)를 log1p 변환으로 잡고, 랜덤포레스트로 비선형 패턴을 학습한다. 핵심 반전: 특성 중요도를 분석하면 stat_overall(실력)보다 reputation(명성)이 이적료와 더 강하게 연결된다. XGBoost까지 적용하고, 포지션별 이적료 분포와 잠재력·나이 딜레마까지 탐구하는 데이터 분석 탐구보고서 프로젝트.
멘토 Q&A 포함
코드 자료 포함
리포트 자료 포함
강의 정보
강사
딥클래스 멘토 멘토
총 강의시간
1시간 16분
수강기한
구매일로부터 12개월
총 강의수
15개
연계 진로
사회과학
연계 교과
정보
커리큘럼
총 3개 섹션 · 15개 수업섹션 1. 1회차 — 데이터 탐색과 전처리
5개 수업- 9천 명의 선수 카드 — 데이터 탐색05:00
- 이적료 분포의 비밀 — 로그 변환05:00
- 무엇이 이적료를 결정하나 — 상관관계05:30
- 전처리 — 수치화와 데이터 누수 방지05:00
섹션 2. 2회차 — 모델 구축과 특성 중요도
5개 수업- 선형회귀 기준선 — 메시 예측은?05:00
- 로그 변환의 마법 — RMSE가 반으로 줄면05:00
- 랜덤포레스트 — 비선형을 잡아라05:30
- 특성 중요도 반전 — 명성이 실력보다 비싸다05:30
- 과최적화 점검 — train 점수만 보면 안 된다04:30
섹션 3. 3회차 — XGBoost·분석 심화와 결론
5개 수업- XGBoost — 부스팅으로 한 단계 더05:00
- 포지션별 이적료 — GK vs ST vs DF05:00
- 젊은 잠재력 vs 검증된 노장05:30
- 신선수 예측 — 내가 만든 선수의 이적료는?05:00
- AI가 모르는 것 — 한계와 결론05:00
멘토 소개
⚽
딥클래스 멘토 강사
딥클래스 멘토 멘토는 사회과학 분야의 풍부한 경험을 바탕으로 고등학생 눈높이에 맞춘 강의를 진행합니다.
수강평 0
리뷰를 작성하려면 로그인이 필요합니다
Q&A
추천도서
추천 도서가 없습니다.