Day 1 - 도메인 1·2 통합 복습: 데이터 엔지니어링 + 탐색적 데이터 분석

📌 핵심 정리

• 도메인 1(20%) + 도메인 2(24%) = 시험의 약 44%. "원천 데이터를 학습 가능한 깨끗한 피처로 바꾸는" 파이프라인의 앞부분이다.
• 수집은 Kinesis 4형제, 저장·쿼리는 S3/Athena/Redshift, 변환은 Glue/EMR로 갈린다. 판단축은 언제나 관리 부담 vs 통제력이다.
• 인코딩·스케일링은 모델 종류로 갈린다. 거리·경사 기반은 스케일링 필수, 트리 기반은 사실상 무의미하다.
• 모든 fit(스케일러·인코더·대치기·SMOTE)은 분할 후 학습셋에서만. 이 규칙을 어기면 데이터 누수다.
• EDA는 그림 감상이 아니라 다음 전처리 결정의 근거 확보다. 왜도 → 로그 변환, 이상치 → 윈저화, 상관 0.95↑ → 다중공선성 제거.

한 장 요약: 데이터가 학습 가능해지기까지