Activities

SDA의 활동 방식

SDA의 세션은 정보를 전달하는 시간이 아닙니다. 하나의 스포츠 주제를 발표하고 질문과 답변을 주고받으며, 혼자 끝내기 어려운 데이터 분석을 함께 완성합니다.

세션에서 보는 기준

모델 성능만 비교하지 않습니다. 질문의 타당성, 데이터의 한계, 결과가 실제 스포츠에서 갖는 의미까지 함께 봅니다.

현장의 궁금증을 데이터로 확인할 수 있는 질문과 가설로 바꿉니다.

출처와 수집 과정을 확인하고, 분석으로 답할 수 있는 범위를 먼저 정합니다.

문제에 맞는 방법을 선택하고 여러 기준으로 결과가 안정적인지 비교합니다.

수치의 의미와 한계를 스포츠의 언어로 설명하고 동료의 질문을 받습니다.

팀이 준비한 하나의 주제를 발표한 뒤, 질의응답과 공동 검토를 거쳐 분석을 모두의 결과물로 완성합니다.

회귀와 트리 모델에서 시작해 딥러닝과 Transformer까지 순서대로 배웁니다. 매주 해당 모델과 연결된 팀 연구를 함께 진행합니다.

연속형 값을 예측하고 변수의 영향력을 해석하는 회귀 분석의 기본을 익힙니다.

승패와 성공 여부처럼 범주형 결과를 확률로 설명하는 방법을 배웁니다.

Decision Tree, Random Forest, Gradient Boosting으로 비선형 관계와 변수 중요도를 분석합니다.

정답이 없는 데이터에서 선수와 팀의 유형을 찾고 고차원 정보를 압축해 해석합니다.

시간 순서가 있는 경기 기록과 퍼포먼스 변화를 바탕으로 추세와 미래 값을 분석합니다.

다층 퍼셉트론의 구조와 학습 과정을 이해하고 스포츠 데이터의 비선형 패턴을 모델링합니다.

경기 영상과 이미지처럼 공간 구조를 가진 데이터에서 특징을 추출하는 방법을 익힙니다.

연속된 플레이와 경기 흐름처럼 순서가 중요한 데이터를 학습하는 모델을 다룹니다.

Attention을 중심으로 긴 맥락을 처리하는 구조를 배우고 스포츠 분석 주제로 확장합니다.

학기 말에는 팀별 최종 프로젝트를 발표합니다.

주간 연구로 익힌 문제 정의, 모델링, 검증, 발표 경험을 하나의 스포츠 분석 프로젝트로 확장합니다.