한양대학교 서울 데이터 사이언스 학부 학생부 종합전형 후기

다음은 한양대학교 데이터 사이언스 학부에 학생부 종합전형으로 합격한 학생 후기입니다.

학생부 종합 전형을 준비하면서 우리 학생들도 프로그램을 배웠을때 어떤 식으로 학생부 관리 해야 좋을지 판단할 수 있을 것 같아서 인용해 보았습니다.

학생부 종합전형은 학생들의 학업성취도,재능,그리고 다양한 활동 경험을 종합적으로 평가하여 입학을 결정하는 입시제도 입니다.

1학년 파이썬을 배우고 통계관련해서 t검정,정규성 검정등을 조사하고 발표했고 
데이터 분석이라는 주제를 잡고 1학년부터 3학년까지 올라가면서 점점 더 세부적으로 분석하고 관련 개념 연관 교과 시간에 보고서 써서 발표했다. 
인공지능 관련 해서는 머신러닝 원리,AI윤리처럼 데이터 분석이랑 엮을게 없으면 인공지능 관련해서 엮었다.
출처 : 대학백과

 

이 학생의 글을 읽어 보니 이 학생은 1학년때 부터 데이터 사이언스를 목표로 준비를 잘 한 학생이예요~

1학년 부터 3학년까지 올라가면서 세부적으로 분석하고 관련 개념 연관 교과 시간에 보고서를 써서 발표 했다고 하는데~

어떤 내용을 어떻게 발표 했는지는 알 수가 없네요.

다만 추측하건데 다음과 같은 형식으로 준비 하지 않았을까 추측해 봅니다.

1. 1학년
   • 파이썬 학습 : 파이썬 프로그래밍 언어의 기본 개념과 문법을 학습하고 간단한 프로그램을 작성함(예, 간단한 사칙연산 계산기, 숫자맞추기 게임,학점 계산기 등)
   • 통계학 기초 : t검정, 정규성 검정 등의 통계 개념을 조사하고 이해한 내용을 발표함
   • 초기 프로젝트 : 데이터 분석의 기초 개념을 학습하고 간단한 데이터를 분석하여 보고서를 작성하고 발표함
     • 기초 개념 학습 
       • 데이터 수집
       • 데이터 정제의 개념 이해
       • 기초 통계 분석-평균,중앙값,분산, 표준편차 등의 기초 통계 개념을 학습하고 통계 분석을 수행
     • 데이터 분석 프로젝트
       • 주제 선정 : 분석할 데이터의 주제 설정- 예를 들어 학교성적데이터, 날씨 데이터,운동 기록 데이터등
       • 데이터 수집 : 선정된 주제에 맞는 데이터를 인터넷에서 수집하거나 직접 설문 조사등을 통해 수집
       • 데이터 시각화 : 수집된 데이터를 파이썬의 pandas와 matplotlib 라이브러리를 사용하여 데이터 시각화를 수행
     • 보고서 작성
       • 서론 : 프로젝트의 목적,데이터 수집방법 및 분석계획
       • 본론 : 데이터 전처리 과정, 기초 통계 분석 결과,시각화된 데이터 그래프 및 도표
       • 결론 : 분석결과 요약, 의미  있는 인사이트 도출,향후 연구 방향 및 개선점
       • 참고문헌 : 사용한 데이터 소스 및 참고문헌 목록
     • 발표 : 교내 행사나 수업시간에 발표를 통해 자신의 연구 결과를 공유
2. 2학년
   • 심화 통계학 : 보다 복잡한 통계 기법을 학습하고 실제 데이터 적용하여 분석 프로젝트를 수행함
     • 확률분포
       • 정규분포 : 데이터가 평균 주변에 어떻게 분포하는지 이해하고, 정규분포의 특성 및 이를 이용한 통계적 추론 방법 학습
       • 이항분포 : 성공과 실패 두 가지 결과만을 가지는 실험에서의 확률 분포를 이해하고, 이를 이용한 예측 및 분석 방법 학습
     • 추정 및 검정
       • 점추정 및 구간추정 : 모수의 값을 추정하는 방법과 추정값의 신뢰구간을 계산하는 방법 학습
       • 가설검정 : 귀무가설과 대립가설을 설정하고 통계적 검정을 통히 이를 검증하는 방법 학습
       • t-검정과 ANOVA : 두 집단 또는 다수의 집단 간의 평균 차이를 검정하는 방법 학습
     • 회귀 분석 
       • 단순 회귀 분석 : 두 변수 간의 관계를 모델링 하고, 이를 통해 예측하는 방법 학습
       • 다중 회귀 분석 : 여러 변수들이 종속 변수에 미치는 여향을 동시에 분석하는 방법 학습
       • 회귀 모형의 진단과 개선 : 모형이 적합성을 평가하고 개선할 수 있는 방법 학습
     • 고급 데이터 시각화
       • 상관관계 분석 : 두 변수 간의 상관 관계를 시각적으로 표현하고 해석하는 방법 학습
       • 고급 그래프 : matplotlib과 seaborn 등의 라이브러리를 사용하여 복잡한 데이터 시각화를 수행
     • 고급 통계기법
       • 비모수 검정 : 데이터가 정규분포를 따르지 않는 경우에 사용할 수 있는 검정 방법 학습
       • 클러스터링 : 데이터를 그룹으로 나누는  기법을 학습하고 이를 통해 데이터를 분석
   • 데이터 분석 프로젝트 : 특정 주제를 선정하여 데이터를 수집, 분석하고 그 결과를 보고서로 작성하고 발표함
     • 주제 선정 : 예) 학생 성적 분석( 1학년때 분석한 데이터를 근거)
     • 데이터수집 
     • 데이터 정제 및 전처리 
       • 결측값 처리 : 설문조사에 응답하지 않은 데이터 또는 성적 기록이 누락된 데이터를 삭제 또는 다른 값으로 대체
       • 이상치 제거 : 비현실적인 값이나 논리적으로 맞지 않는 데이터를 식별하고 제거
     • 데이터 분석
       • 기초 통계 분석 : 평균,중앙값,표준편차 등을 통해 각 변수의 기초 통계량을 계산
       • 상관분석 : 각 변수(학습시간,수면시간 등)와 성적 간의 상관관계를 분석
       • 회귀분석 : 성적에 영향을 미치는 주요 변수들을 확인하기 위해 다중 회귀 분석을 수행
   • 보고서 작성
     • 서론 : 프로젝트의 배경,목적 및 연구 질문 명시
     • 데이터 및 방법 : 데이터 수집 방법과 전처리 과정,분석 방법 설명
     • 결과 : 기초 통계 분석 결과,상관분석 결과,회귀 분석 결과 등 구체적인 결과 제시
     • 논의 : 결과에 대한 해석, 성적에 영향을 미치는 주요 요인 도출 및 그 이유 설명
     • 결론 및 제언 : 연구의 결론 요약 및 향후 연구 방향 제언
     • 참고문헌 : 참고한 문언 및 데이터 출처 명시
   • 발표 : 교내 행사나 수업시간에 발표를 통해 자신의 연구 결과를 공유
3. 3학년
   • 고급데이터 분석 : 머신러닝 기법을 학습하고 이를 데이터 분석에 적용하는 프로젝트를 수행함
     • 주제 선택 : 예) 영화 평점 예측
     • 데이터 수집 : 인터넷 영화데이터베이스(IMDB) 또는 Kaggle 의 영화 평점 데이터셋
     • 데이터 정제 및 전처리 
       • 결측값 처리 
       • 이상치 제거
       • 피처 엔지니어링 : 모델 성능을 향상시키기 위해 새로운 피처를 생성하거나 불필요한 피처를 제거
     • 머신러닝 기법 학습
       • 선형회귀 : 연속성 변수 예측을 위한 기초적인 회귀 분석 모델 학습
       • 랜덤 포레스트 : 앙상블 기법을 사용하여 예측 성능을 높이는 모델 학습
       • 서포트 벡터 머신(SVM): 분류 및 회귀 문제를 해결하는 고성능 모델 학습
     • 모델 학습 및 평가
       • 데이터 분할 : 데이터를 훈련 데이터와 테스트 데이터로 나눔
       • 모델 학습 : 머신러닝 모델을 사용하여 훈련 데이터를 학습
       • 모델 평가 : 테스트 데이터를 사용하여 모델의 성능을 평가
     • 보고서 작성
       • 서론 : 프로젝트의 배경,목적 및 연구 질문 명시
       • 데이터 및 방법 : 데이터 수집 방법과 전처리 과정, 사용한 머신러닝 기법 설명
       • 결과 : 모델 학습 및 평가 결과,예측 성능 지표 제시
       • 논의 : 결과에 대한 해석,모델의 장단점 및 개선 방안 논의
       • 결론 및 제언 : 연구의 결론 요약 및 향후 연구 방향 제언
       • 참고문헌 ; 참고한 문헌 및 데이터 출처 명시
     • 발표 : 교내 행사나 수업시간에 발표를 통해 자신의 연구 결과를 공유
   • AI윤리 및 관련 주제연구 : 인공지능의 윤리적 문제과 관련된 주제를 탐구하고 이를 데이터 분석과 연결하여 보고서를 작성함
     • 목표 : 인공지능의 윤리적 문제에 대한 다양한 관점을 조사하고 데이터 분석을 통해 이러한 문제의 실태와 해결 방안을 모색
     • 주제 선정 및 배경 연구 : 윤리적 문제 식별, 문헌 조사
     • 데이터 수집 : AI의 윤리적 문제와 관련된 사건,사례 연구,설문조사 데이터 등을 수집
     • 데이터 정제 및 전처리 : 결측값 처리,이상치 제거
     • 데이터 분석 : 기초통계 분석,상관분석,회귀분석
     • 보고서 작성 
     • 발표
   • 최종 프로젝트 : 1학년부터 3학년 까지의 학습 내용을 종합하여 데이터 분석 프로젝트를 수행하고 최종 보고서를 작성하여 발표함
     • 주제 선정 : 예) 학교 성적과 생활 습관 간의 관계 분석
     • 목표 : 학생들의 생활습관(학습시간,수면시간,운동시간 등)이 성적에 미치는 영향을 분석하여 성적 향상 방안을 도출
     • 데이터 수집
       • 데이터 소스 : 학교성적,학습시간,수면시간,운동시간등의 설문조사
     • 데이터 정제 및 전처리
       • 결측값 처리 : 설문조사에 응답하지 않은 데이터나,성적 기록이 누락된 데이터를 삭제 또는 대체
       • 이상치 제거 : 비현실적인 값이나 논리에 맞지 않은 데이터를 식별하고 제거
       • 데이터 정규화 : 데이터 범위를 표준화하여 분석의 일관성 확부
     • 데이터분석
       • 기초통계 분석 :  각 변수의 특성을 파악
       • 상관분석 : 변수와 성적 간의 상관 관계 파악
       • 회귀분석 : 변수와 성적 간의 다중 회귀 분석 수행
     • 보고서 작성
     • 발표

 

대략 위와 같은 시나리오로 추측을 해 보았습니다.

2025년 고1이 되는 학생 중 위와 비슷한 시나리오로 학생부 종합전형을 준비하실 분은 문의 주세요.^^

저희가 이 모든 것을 준비 해 드릴 수는 없지만 준비를 할 수 있는 능력을 키워 드릴 수는 있습니다.