1. 프로젝트 정보
프로젝트 주제 기재
목적과 목표 설정 기재
2. 프로젝트 결과물
PPT 자료
3. 팀 정보
팀 원 소개
4. 영상 자료
발표 영상
5. 서면 피드백
메인 튜터
데이터 전처리
•
데이터 구조, 타입 점검 → 이상치 탐지 → 티어 기반 분류까지 전처리 흐름이 매우 체계적입니다.
•
도메인 지식을 적극적으로 전처리에 반영한 점이 인상 깊었습니다.
•
공격, 방어, 시너지, 아이템 속성(공/방/유틸)등 정성적 요소의 정량화를 통해 명확한 카테고리화가 이루어진 점이 좋았습니다.
•
Fast/Slow 기준을 30-35 / 35-45로 나눈 근거는 좋지만, 중간 구간(35-37)의 판별, 경계 조건을 명시하면 더 명확해질 것 같습니다.
EDA
•
Fast, Slow 그룹 모두 공격:방어 시너지 비율이 65:35로 거의 동일하다는 사실을 발견한 것은 매우 의미있는 결과를 가집니다.
•
시너지 안정성(게임 중 활성화 변화량)도 분석하면 전략성과가 더욱 명확해질 것입니다.
•
티어/게임템포 관계 없이 3코스트 챔피언이 가장 많이 사영된다는 결과도 매우 중요한 발견입니다.
•
3코스트 챔피언 중 어떤 챔피언이 Fast/Slow에서 더 많이 등장하는지 더 구체적인 분류가 있으면 좋을 것 같습니다.
•
Fast/Slow 간 아이템 선택 패턴의 유의미한 차이를 통계적으로 검증(맨-휘트니, 카이제곱)한 점이 매우 전문적입니다.
인사이트
•
Fast/Slow의 전략 차이를 명확한 두 줄로 요약한 점이 매우 좋습니다. 단순 차이 설명이 아니라, 게임 시간 단축이라는 프로젝트 목표와 정확히 연결된 인사이트가 제시되어 잘 정리된 요약이었습니다.
•
결과로 정리된 인사이트들은 실제 게임사에서도 고려할 만한 수준의 인사이트였습니다.
4조는 게이머 도메인 지식을 기반으로 매우 탄탄하게 구성된 실전형 데이터 분석 프로젝트를 잘 구현해내었습니다. 고생 많으셨습니다!
서브 튜터
전체적으로 빠른 템포를 선호하는 다른 예시들을 통해 프로젝트 주제를 잘 선정하신것 같습니다. 이에 맞춰서 빠른/느린 그룹을 나누고 각 그룹간의 차이를 비교하는 방식으로 프로젝트의 주제와 의도에 맞게 적절한 기술을 선택하여 데이터 분석을 진행해주신 것 같습니다.
짧은 프로젝트 기간인 만큼, 빠른 플레이를 가능하게 하는 조합이라는 원래 주제에 초점을 잡고 분석을 잘 진행해주셨고, 이에 따라오는 의문점인 게임 단순화 등의 추가 질문을 남겨주신점 좋았습니다. 호기심과 Why 를 기반으로 데이터에 깊이 파고드는 모습은 데이터 분석가들이 지향해야 하는 모습입니다. 앞으로의 학습과 프로젝트들이 매우 기대가 되는 것 같습니다 고생하셨습니다!