대전초코딩 공개 실습실
기록하는 아이, 비교하는 아이, 근거를 설명하는 아이
각 글은 학생이 직접 입력을 바꾸고, 실행하고, 저장하고, 보고서 문장으로 바꾸는 작은 실습과 연결됩니다.
- 01. 과고·영재고 준비에서 코딩은 왜 데이터 기록부터 시작해야 할까조건을 바꾸면 결과 기록은 어떻게 달라질까
- 02. 실험 결과를 표로 남기는 아이와 화면만 만든 아이의 차이기록표가 있으면 아이의 설명은 어떻게 달라질까
- 03. Python으로 CSV를 읽기 전에 먼저 배워야 할 데이터 질문CSV 파일을 만들기 전에 어떤 질문을 정해야 할까
- 04. 평균 하나만 보면 왜 실험을 잘못 이해할까평균이 같아도 결과가 다르게 보이는 이유는 무엇일까
- 05. 그래프를 그리기 전에 정해야 하는 기준 세 가지좋은 그래프는 그리기 전에 무엇을 정해야 할까
- 06. 리스트와 반복문으로 실험 기록 자동화하기반복문은 실험 기록을 어떻게 덜 빠뜨리게 만들까
- 07. 함수로 조건을 바꾸어 같은 실험을 반복하기함수는 왜 같은 실험을 공정하게 반복하게 도울까
- 08. CSV 파일로 실험 데이터를 저장하고 다시 읽기저장하고 다시 읽으면 탐구 기록은 무엇이 달라질까
- 09. matplotlib 그래프를 보고서 문장으로 바꾸기그래프를 보고서 문장으로 바꾸려면 무엇을 봐야 할까
- 10. AI에게 코드 정답이 아니라 오류 근거를 묻게 하기AI를 정답지가 아니라 점검 도구로 쓰려면 어떻게 물어야 할까
- 11. 거의 정렬된 데이터에서는 어떤 정렬이 유리할까거의 정렬된 데이터에서는 왜 선택이 달라질까
- 12. 이진 탐색은 질문 수를 얼마나 줄일까범위를 반씩 줄이면 질문 수는 얼마나 줄어들까
- 13. 네트워크 전파는 몇 단계까지 퍼질까연결 구조가 바뀌면 전파 단계는 어떻게 달라질까
- 14. 군집 개수를 바꾸면 이상치 판단은 어떻게 달라질까군집 개수가 달라지면 이상치는 왜 다르게 보일까
- 15. 욕심쟁이 선택과 DP 선택은 언제 갈라질까눈앞의 좋은 선택이 항상 전체 최선일까
- 16. 이상치는 버려야 할까, 설명해야 할까이상한 값은 삭제하기 전에 무엇을 확인해야 할까
- 17. 상관관계 그래프에서 성급한 결론을 피하는 법두 값이 함께 움직인다고 원인이라고 말해도 될까
- 18. 회귀선은 예측인가 설명인가회귀선은 미래를 맞히는 선일까 관계를 설명하는 선일까
- 19. 표본 수가 적을 때 결론을 어떻게 조심해야 할까표본이 적으면 결론 문장을 어떻게 낮춰야 할까
- 20. 같은 데이터도 시각화 방식에 따라 왜 다르게 보일까같은 데이터가 그래프 방식에 따라 왜 다르게 느껴질까
- 21. 머신러닝은 정답을 외우는 게 아니라 기준을 배우는 과정머신러닝은 무엇을 외우고 무엇을 기준으로 배울까
- 22. 훈련 데이터와 테스트 데이터를 나누는 이유왜 공부한 문제와 처음 보는 문제를 나누어 봐야 할까
- 23. 분류 모델의 정확도만 믿으면 안 되는 이유정확도가 높아도 놓칠 수 있는 것은 무엇일까
- 24. 과적합을 실험으로 보여주는 가장 쉬운 방법너무 많이 맞춘 모델은 왜 새 문제에서 약해질까
- 25. feature를 바꾸면 모델 판단은 어떻게 달라질까어떤 특징을 넣느냐가 판단을 얼마나 바꿀까
- 26. 탐구보고서의 좋은 질문은 얼마나 작아야 할까탐구 질문은 얼마나 작아야 실제로 검증할 수 있을까
- 27. 변인 통제와 반복 실험을 코딩으로 남기는 법변인 통제를 기록으로 남기려면 무엇이 필요할까
- 28. AI 도움을 받아도 내 보고서가 되게 하는 기준AI를 써도 내 보고서라고 말하려면 무엇이 남아야 할까
- 29. 실패한 실험을 포트폴리오에 쓸 수 있는가실패한 실험도 기록이 좋으면 배움이 될 수 있을까
- 30. 코딩 결과물을 과고·영재고형 탐구 이야기로 바꾸기코딩 결과물은 어떻게 탐구 이야기로 바뀔까