※ 게시판 운영 목적에 맞지 않는 게시글 작성 시 관리자에 의해 삭제될 수 있습니다.

저는 코딩 실력보다 ‘데이터 해석력’을 키우는 데 초점을 맞췄어요.
시험이 단순히 코딩을 잘한다고 되는 게 아니라, 왜 그 모델을 썼는지 설명할 수 있어야 하거든요.

그래서 공부 방법은 이렇게 했습니다.

1단계: Kaggle 데이터셋 하나 선택해서 처음부터 끝까지 분석.
2단계: 결과를 친구에게 설명하듯 말로 풀기.

3단계: 같은 데이터로 다른 모델 적용해보기.

이 과정을 반복하면서 자연스럽게 모델 간 차이점이 정리됐어요.
예를 들어, “왜 랜덤포레스트보다 로지스틱 회귀가 적합한지”를 말로 설명할 수 있을 정도가 되면 충분합니다.

또 시험 전에 Pandas, Scikit-learn 문법 정리노트를 만들었는데,
그걸 시험 당일 오전에 보고 갔더니 큰 도움이 됐어요.

제 팁은 “코드 외우지 말고 로직을 이해하라!”입니다.
이게 진짜 점수 차이를 만듭니다.