공정/설비 파이썬 활용 데이터 분석 및 머신러닝 이론

1주차 회고

▣ 1일차 - 260526(화)

1. Python 설치 및 환경 설정

최근 Python 3.14.4를 설치했으나, 명령 프롬프트에서만 작동하는 불편함을 느꼈습니다. MATLAB과 같은 시각적인 인터페이스가 필요하다고 판단하여 Anaconda Distribution을 통해 Spyder를 알게 되었습니다. 이를 통해 반도체 공정 데이터 분석에 적합한 라이브러리를 통합 제공받을 수 있다는 사실을 배웠습니다.

Anaconda는 데이터 과학을 위한 패키지 모음집으로, 데이터 분석 및 머신러닝에 필요한 외부 라이브러리를 쉽게 설치할 수 있도록 도와줍니다.

Spyder는 Python 코드를 작성하고 실행하며 디버깅할 수 있는 통합 개발 환경으로, MATLAB과 유사한 사용자 인터페이스를 제공합니다.

2. Python 기본 문법

파이썬의 특징 중 하나는 가독성을 높이기 위한 들여쓰기입니다. 블록 구조는 동일한 공간으로 들여쓰기를 해야 하며, 시작 명령줄에는 콜론(:)을 사용해야 합니다. 문장 연결 시에는 백슬래시를 활용하여 여러 줄을 하나로 연결할 수 있습니다. 또한, 예약어와 식별자를 구분하여 사용해야 하며, 주석을 통해 코드의 가독성을 높일 수 있습니다.

3. 실습 - 연습문제

연습문제(1): 3741초를 몇 시간, 몇 분, 몇 초인지 출력하는 프로그램을 작성해보세요. 키보드에서 초를 입력받아 출력하는 방법도 포함해야 합니다.

연습문제(2): 입력 받은 금액을 잔돈으로 변환하는 프로그램을 작성해보세요. 이 과정에서 코드를 간결하게 작성하는 방법에 대해 고민해봅시다.

4. 제어문 및 자료구조

제어문은 크게 if-elif-else, for, while로 구분되며, 각 구조의 특징을 이해하고 활용할 수 있어야 합니다. Python의 자료구조는 리스트, 튜플, 딕셔너리, 세트로 구성되어 있으며, 각각의 특징과 함수 사용법을 익혀야 합니다.

5. 함수 및 예외처리

함수는 특정 작업을 수행하는 코드 블록으로, 재사용성과 구조적인 프로그래밍을 가능하게 합니다. 예외처리는 코드 실행 중 발생할 수 있는 오류를 미리 예측하고 처리하는 방법입니다.

6. 파일 관리 및 Pandas 활용

파일 입출력 및 폴더 관리에 대한 기초를 배우고, Pandas 라이브러리를 활용하여 데이터 분석 및 조작 방법을 익힙니다. Pandas는 데이터 과학 및 머신러닝에 매우 유용한 도구입니다.