λ°μν
- μ°λ§λ²ν, νμ, ν΄μΈμ¬ν, κ°κΈ° λ±μ μ΄μλ‘ κ±°μ νλ¬λ§μ κ°κ² λ λͺ¨μμ΄μλ€.
- λ€νν λ€λ€ λͺΈλ μ ν볡λκ³ νμ°¬ μν΄λ₯Ό λ§μ΄νκ³ μμλ€.π
βοΈμ€λ μ€ν°λ μ£Όμλ΄μ©βοΈ 1. νν©κ³΅μ 2. 1λ²μ§Έ νλ‘μ νΈ λ§κ°μΌ λ° λ°ν μΌμ μ립 3. 1λ²μ§Έ νλ‘μ νΈ μ΄ν μμΌλ‘μ μ€ν°λ λ°©ν₯μ± λ Όμ - μ£Όμ λ³ μ€ν°λ OR λ°μ΄ν°λΆμ λ° μκ°ν κ³μ? |
1.νν©κ³΅μ
- κ°μμ νλ‘μ νΈμ λν κ·Έκ°μ μ§ν νν©μ 곡μ νλ€.
- λΆμ ν μκ°κ³Ό λ¨κ³μΈ νμλ μκ³ , λΆμ λ¨κ³μΈ νμλ μμλ€
- λλ,, μ£Όμ λ λμ보λ λμμλ₯Ό λͺ νν μ ν ν λ°μ΄ν° μμ§λ¨κ³,,μλ€.
1-1. μ£Όμ λ° λμ보λ λ·°μ΄ λͺ νν
- μ£Όμ λ³κ²½ μ :
μ¬κ°,λ¬Έν, μλΉ μνμ ν΅ν΄ μ΄ν΄λ³Έ μ‘ν°λΈ μλμ΄μ νΉμ§ - λ³κ²½ ν : μ΄κ³ λ Ή μ¬ν λλΉλ₯Ό μν μ‘ν°λΈμλμ΄ νμ±ν μ§μ λΆμ (μ¬κ°,μ¬ν,κ²½μ μ§νλ₯Ό ν΅ν΄ μ΄ν΄λ³Έ νμ±ν λ° λΉνμ±νμ§μ νΉμ§μ κΈ°λ°μΌλ‘)
- λμ보λ λ·°μ΄ : μλ―Ό, 곡곡 μ μ± λ΄λΉμ λ±
1-2. νλ‘μ νΈ λͺ©μ
- μ‘ν°λΈ μλμ΄μ (μλ νΉμ μκ΅°κ΅¬λ‘ κ°λ₯νλ©΄ μ§μλ³?) νΉμ§ μ λνλ₯Ό ν΅ν΄ μ¬κ°, λ¬Έν, μλΉ μΈ‘λ©΄μμμ νΈλλμ μ μ±
μ νΉμ μ¬μ
μ μΈ‘λ©΄μμμ μΈμ¬μ΄νΈ μ 곡
2. 1 λ²μ§Έ νλ‘μ νΈ λ§κ°μΌ λ° λ°ν μΌμ μ립
- λ§κ°μΌ : 1/26 (μ¨λΌμΈ 곡μ λ° νΌλλ°±)
- λ°ν : 2/2 ν
3. 1μ°¨ νλ‘μ νΈ μ΄ν μμΌλ‘μ μ€ν°λ λ°©ν₯μ± λ Όμ
- A/Bν
μ€νΈ, κ·Έλ‘μ€ν΄νΉ, μΈκ³ΌμΆλ‘ , AI →IMG/LLM λ±
- https://sites.google.com/view/causal-inference2021/lecture-materials?authuser=0
- https://www.youtube.com/watch?v=Hj7zcGDmeDE&list=PLKKkeayRo4PWuwIL0_C7n_QQQ_at6CpoE
- https://github.com/CausalInferenceLab/OCE-Materials
- λΉ λ°μ΄ν° μλ, μ±κ³Όλ₯Ό μ΄λμ΄λ΄λ λ°μ΄ν°λ¬Έν΄λ ₯
- κ·Έλ‘μ€ ν΄νΉ (μμΉν)
- A/B ν μ€νΈ (λ‘ μ½νλΉ)
- λ¦°λΆμ (μ¨λ¦¬μ€ν μ΄ ν¬λ‘€)
- μλ°κΈ° λ°μ΄ν° λΆμ λ° μκ°ν 곡λͺ¨μ μΆμ§
- β 2/16 κΉμ§ μ€ν°λ μ£Όμ λ° μλ£ ν½ν΄μ€κΈ°β
λ°μν
'Analytics > Tableau Study' μΉ΄ν κ³ λ¦¬μ λ€λ₯Έ κΈ
25.02.02 7λ²μ§Έ Tableau λ°μ΄ν°λΆμ μ€ν°λ κΈ°λ‘_ νλ‘μ νΈ λ°νμΌ (0) | 2025.02.03 |
---|---|
12/08 5λ²μ§Έ Tableau λ°μ΄ν°λΆμ μ€ν°λ κΈ°λ‘ (2) | 2024.12.09 |
12/01 λ€λ²μ§Έ Tableau λ°μ΄ν°λΆμ μ€ν°λ κΈ°λ‘ (0) | 2024.12.02 |
11/24 μΈλ²μ§Έ Tableau λ°μ΄ν°λΆμ μ€ν°λ κΈ°λ‘ (3) | 2024.11.27 |
11/17 λλ²μ§Έ Tableau λ°μ΄ν°λΆμ μ€ν°λ κΈ°λ‘ (3) | 2024.11.26 |