[{"data":1,"prerenderedAt":203},["ShallowReactive",2],{"post-document:\u002Fdeep_learning\u002Fbasic\u002F2026\u002F08\u002F06\u002FEDA-copy\u002F":3},{"id":4,"title":5,"body":6,"categories":184,"date":187,"description":188,"extension":189,"image":190,"key_concepts":190,"last_modified_at":190,"legacyPath":191,"meta":192,"navigation":194,"part":190,"path":195,"published":194,"robots":190,"seo":196,"series":190,"stem":197,"strengths":190,"summary":198,"tags":199,"tradeoffs":190,"__hash__":202},"posts\u002Fposts\u002FDeep_Learning\u002FBasic\u002F2026-08-06-EDA copy.md","데이터 시각화",{"type":7,"value":8,"toc":174},"minimark",[9,14,19,29,33,41,45,50,54,59,63,67,75,80,110,114,117,120,124,127,130,133,144,147,150,153,156,159,162,165,168,171],[10,11,13],"h2",{"id":12},"왜-데이터-시각화를-하는가","왜 데이터 시각화를 하는가?",[15,16,18],"h4",{"id":17},"_1-알고리즘-분석-및-디버깅","1. 알고리즘 분석 및 디버깅",[20,21,22,26],"ul",{},[23,24,25],"li",{},"알고리즘의 시간 복잡도 메모리 사용량 변화를 시각화하여 병목 현상을 직관적으로 파악",[23,27,28],{},"정렬 알고리즘의 스왑(Swap) 횟수를 시각화라여 효율성을 비교 분석",[15,30,32],{"id":31},"_2-머신러닝-모델-성능-평가","2. 머신러닝 모델 성능 평가",[20,34,35,38],{},[23,36,37],{},"모델의 학습 과정(loss 감소), 예측 결과(Confusion matrix)",[23,39,40],{},"특징 중요도(feature importance) 등을 시각화하여 모델을 평가하고 개선 방향을 설정",[15,42,44],{"id":43},"_3-데이터-기반-의사결정","3. 데이터 기반 의사결정",[20,46,47],{},[23,48,49],{},"대용량 로그 데이터나 사용자 행동 데이터를 시각화하여 시스템의 이상 징후를 감지하거나 서비스 개선을 위한 인사이트 획득",[15,51,53],{"id":52},"_4-효과적인-커뮤니케이션","4. 효과적인 커뮤니케이션",[20,55,56],{},[23,57,58],{},"복잡한 데이터 분석 결과나 시스템 아키텍쳐를 동료 개발자나 비전공자에게 명확하고 설득력 있게 전달",[10,60,62],{"id":61},"matplotlib","Matplotlib",[64,65,66],"p",{},"거의 모든 종류의 그래프를 그릴 수 있는 강력하고 유연한\n라이브러리",[20,68,69,72],{},[23,70,71],{},"저수준(low-level) 제어가 가능",[23,73,74],{},"그래프의 모든 요소를 원하는 대로 커스터마이징 가능",[76,77,79],"h3",{"id":78},"matplotlib의-핵심-구조","Matplotlib의 핵심 구조",[20,81,82,96],{},[23,83,84,85],{},"Figure(피규어)\n",[20,86,87,90,93],{},[23,88,89],{},"전체 그림판(캔버스) 의미",[23,91,92],{},"하나의 Figure 안에 여러 개 그래프 Axes를 저장",[23,94,95],{},"그림의 크기, 해상도, 배경색등 속성 전반 관리",[23,97,98,99],{},"Axe(축)\n",[20,100,101,104,107],{},[23,102,103],{},"실제 데이터가 그려지는 개별 그래프 의미",[23,105,106],{},"x축, y축, 눈금(tick), 레이블(label), 제목(title) 등 그래프의 구성 요소를 포함",[23,108,109],{},"Axes는 복수형이 아니라 축(axis)들이 모여있는 공간이라는 의미의 단수형 객체 이름",[15,111,113],{"id":112},"자주-사용하는-matplotlib-플롯","자주 사용하는 matplotlib 플롯",[64,115,116],{},"plot() | 선 그래프 (시계열 데이터, 함수 표현)\nscatter() | 산점도 (두 변수 간의 관계)\nbar()\u002Fbarh() | 막대 그래프 (범주형 데이터 비교)\nhist() | 히스토그램 (수치형 데이터의 분포)\nboxplot() | 박스 플롯 (데이터의 사분위수, 이상치 탐색)\nimshow() | 이미지 데이터 시각화 (행렬, 픽셀 데이터)",[64,118,119],{},"subplots를 이용하여 여러 그래프를 하나의 화면에 배치하고, 스타일 설정을 통해 그래프의 시각적 품질 향상",[10,121,123],{"id":122},"seaborn","Seaborn",[64,125,126],{},"여러 변수 간의 관계를 한눈에 파악할 수 있는 강력한 다변량 분석 그래프들을 제공",[64,128,129],{},"pairplot()",[64,131,132],{},"데이터프레임의 모든 숫자형 변수 쌍에 대한\n산점도와 각 변수의 분포(히스토그램 또는 커널\n밀도 추정)를 한 번에 그려줌\n§ 데이터 탐색(EDA) 초기에 변수 간 관계를\n파악하는 데 매우 유용",[20,134,135,138,141],{},[23,136,137],{},"matplotlib 위에서 동작",[23,139,140],{},"matplotli 보다 더 간단하고 아름다운 그래프 생성 가능",[23,142,143],{},"데이터 분석 용이",[64,145,146],{},"Plotly Express — 인터랙티브 시각화",[64,148,149],{},"Altair 선언형 시각화 + 시각화 도구 선택 기준",[64,151,152],{},"Matplotlib: 커스터마이징 최강",[64,154,155],{},"학술 논문·보고서 품질 차트. 모든 요소를\n픽셀 수준으로 제어\n§ 다른 라이브러리의 기반",[64,157,158],{},"Seaborn: 통계 시각화 특화",[64,160,161],{},"분포·상관·그룹 비교에 최적\n§ hue 파라미터 하나로 다차원 정보 표현\n§ Matplotlib보다 코드 짧음",[64,163,164],{},"Plotly: 인터랙티브 공유",[64,166,167],{},"줌·필터·호버를 HTML 파일 하나로 공유\n가능\n§ 비전공자 발표에서 임팩트 최대",[64,169,170],{},"Altair: 선언형 빠른 EDA",[64,172,173],{},"데이터 구조를 선언하면 차트가 완성\n§ 탐색 단계에서 수십 개 차트를 빠르게 만들\n때",{"title":175,"searchDepth":176,"depth":176,"links":177},"",2,[178,179,183],{"id":12,"depth":176,"text":13},{"id":61,"depth":176,"text":62,"children":180},[181],{"id":78,"depth":182,"text":79},3,{"id":122,"depth":176,"text":123},[185,186],"Deep_Learning","Basic","2026-08-06 00:00:00 +0900","딥러닝 학습 흐름과 Epoch, Batch, 데이터 분리, 학습 및 추론의 기본 개념을 정리한다.","md",null,"\u002Fdeep_learning\u002Fbasic\u002F2026\u002F08\u002F06\u002FEDA-copy\u002F",{"layout":193},"post",true,"\u002Fposts\u002Fdeep_learning\u002Fbasic\u002F2026-08-06-eda-copy",{"title":5,"description":188},"posts\u002FDeep_Learning\u002FBasic\u002F2026-08-06-EDA copy","딥러닝을 시작할 때 알아야 할 학습 과정과 핵심 용어를 정리한다.",[200,201],"Deep Learning","EDA","k1gZM9mvVwbiAg7PaX3b0UgTnqjBdLt1frLy33rppk8",1788744788541]