내 생각을 먼저 적고 ‘내 답과 맞춰 볼 기준 보기’을 누르면, 풀 순서와 더 자세한 도움을 열어 드려요.
정답과 비교
02
먼저 생각하기 · 기초
DI33 predict · None·NaN·NA·NaT를 구분한다: “모든 missing sentinel을 같은 비교식과 truth value로 처리해 오류·False 판정·dtype drift가 생긴다.” fixture를 실행하기 전에 shape·dtype·index·missing·aggregate 중 이 레슨의 결과 변화를 예측한다.
이 문제는 주어진 내용과 정답 기준을 더 만드는 중이에요. 지금 적은 답은 연습 메모로만 저장돼요.
정답 대신 4단계 힌트 보기
관찰
DI33에서는 출력 셀만 보지 말고 shape, columns, index, dtypes, null count, unique key와 aggregate를 전후로 적으세요.
내 생각을 먼저 적고 ‘내 답과 맞춰 볼 기준 보기’을 누르면, 풀 순서와 더 자세한 도움을 열어 드려요.
움직임과 비교
04
내 말로 설명하기 · 익힌 것을 써보기
DI33 explain · None·NaN·NA·NaT를 구분한다: Python None, floating NaN, pandas NA, datetime NaT의 dtype·비교·전파 의미를 구분하고 값 부재와 유효한 0/빈 문자열을 분리한다.이 결과 해석과 재현성에 필요한 이유를 데이터 의미·연산 의미·증거 경계로 나눠 설명한다.
이 문제는 주어진 내용과 정답 기준을 더 만드는 중이에요. 지금 적은 답은 연습 메모로만 저장돼요.
정답 대신 4단계 힌트 보기
관찰
DI33에서는 출력 셀만 보지 말고 shape, columns, index, dtypes, null count, unique key와 aggregate를 전후로 적으세요.
내 생각을 먼저 적고 ‘내 답과 맞춰 볼 기준 보기’을 누르면, 풀 순서와 더 자세한 도움을 열어 드려요.
답과 설명 함께 비교
06
틀린 곳 고치기 · 익힌 것을 써보기
DI33 debug · None·NaN·NA·NaT를 구분한다: 최소 DataFrame/array fixture로 “모든 missing sentinel을 같은 비교식과 truth value로 처리해 오류·False 판정·dtype drift가 생긴다.”를 재현하고 최초 위반 지점만 수정한다.
이 문제는 주어진 내용과 정답 기준을 더 만드는 중이에요. 지금 적은 답은 연습 메모로만 저장돼요.
정답 대신 4단계 힌트 보기
관찰
DI33에서는 출력 셀만 보지 말고 shape, columns, index, dtypes, null count, unique key와 aggregate를 전후로 적으세요.
내 생각을 먼저 적고 ‘내 답과 맞춰 볼 기준 보기’을 누르면, 풀 순서와 더 자세한 도움을 열어 드려요.
설명 기준과 비교
8개 답이 남았습니다.
02 · 막힌 곳을 찾아요
틀린 답에서 생각이 갈라진 첫 지점 찾기
헷갈림 01
모든 missing sentinel을 같은 비교식과 truth value로 처리해 오류·False 판정·dtype drift가 생긴다.
겉으로 보이는 막힘
None·NaN·NA·NaT를 구분한다의 output은 생성되지만 행·열·dtype·key 또는 해석 가능한 분모가 입력 계약과 어긋난다.
막힌 까닭
Python None, floating NaN, pandas NA, datetime NaT의 dtype·비교·전파 의미를 구분하고 값 부재와 유효한 0/빈 문자열을 분리한다.을 transform 전후 assertion으로 고정하지 않았다.
다시 해보는 방법
dtype별 missing sentinel과 isna 기반 판정을 비교하는 missing semantics lab을 구현한다.에 pre/post guard와 reject ledger를 추가하고 최소 fixture를 다시 실행한다.
헷갈림 02
None·NaN·NA·NaT를 구분한다 pipeline 중간 결과를 notebook memory에 남긴 채 셀을 순서 밖으로 재실행한다.
겉으로 보이는 막힘
같은 입력과 코드처럼 보여도 hidden state 때문에 결과·row count·dtype가 달라진다.
막힌 까닭
단계별 입력·출력 owner와 idempotent 경계 및 clean restart 검증이 없다.
다시 해보는 방법
raw snapshot에서 모든 단계를 순서대로 재실행하고 ${seed.evidence}를 새 실행 ID로 대조한다.
헷갈림 03
sentinel/dtype matrix·isna verdict·comparison/operation trace·valid-falsy controls를 만들며 원본 식별자·민감 열·AI prompt에 private row를 그대로 포함한다.
겉으로 보이는 막힘
학습 artifact가 재식별 가능하거나 공유 불가능해지고 결과 검증과 개인정보 보호가 충돌한다.
막힌 까닭
수집 전 최소화·synthetic fixture·column allowlist·집계 공개 경계를 두지 않았다.
다시 해보는 방법
민감 열을 source 경계에서 제거하거나 합성하고 privacy negative control 뒤 증거를 다시 만든다.
03 · 내게 맞는 도움 고르기
같은 목표를 원하는 도움만큼 연습해요
안내 받으며
안내형
None → NaN → pd.NA → NaT 순서로 source·grain·schema·transform·assertion·결정 칸을 채운다.
None·NaN·NA·NaT를 구분한다의 입력 grain과 schema, 변환 단계, 오류 분기, 검증 증거를 번호·도형·선 종류로 구분한 도식에서 색상 외에도 raw·clean·reject·report, schema·row·key·null·lineage·verdict label과 선 종류를 함께 표시한다.혼자 해보기
내 힘으로
DI33 None·NaN·NA·NaT를 구분한다: Python None, floating NaN, pandas NA, datetime NaT의 dtype·비교·전파 의미를 구분하고 값 부재와 유효한 0/빈 문자열을 분리한다.의 처음 보는 synthetic fixture를 먼저 판정한 뒤 Python 3.14.6·pandas 3.0.5·NumPy 2.5.1·Matplotlib 3.11.1 local harness에서 replay하고 불일치만 공식 계약으로 교정한다.
공식 문서·문법·library API는 열 수 있지만 해당 변형의 exact row/key/null count·schema diff·join cardinality·reject reason·hidden grader 판정은 먼저 제공하지 않는다.더 도전하기
심화형
수치·문자·시간 열이 함께 있는 설문과 업무 record의 volume·null pattern·category drift·privacy 축 하나를 추가하고 같은 계약을 clean restart로 검증한다.
None·NaN·NA·NaT를 구분한다에서 편의보다 의미 보존·reproducibility·privacy·실패 가시성을 우선하고 제거·대체·격리 비용을 기록한다.