[무료계정용 FULL PROMPT 핵심 실행 프로토콜]

아래에 제시되는 FULL PROMPT는 해당 분석을 정확하고 완전하게 수행하기 위한
전체 분석절차, 점검항목, Python 코드, 평가방법 및 해석기준을 포함한
마스터 프롬프트이다.

현재 이 분석은 무료계정 또는 실행자원이 제한된 환경에서
학생 실습용으로 수행된다.

따라서 FULL PROMPT의 모든 항목을 한 번에 실행하려고 하다가
중단하거나 Python 코드를 실행하지 못하는 일이 발생하지 않도록,
전체 내용을 먼저 검토한 후 교육적으로 가장 중요한 핵심 분석만 자동 선별하여라.

이번 실습의 최우선 목표는 다음 과정을 학생이 직접 확인하는 것이다.

데이터 입력 또는 불러오기
→ Python 코드 생성
→ Python 실제 실행
→ 실행결과 확인
→ 표와 그래프 확인
→ 분석결과 해석
→ 최종 결론 도출

FULL PROMPT의 요구사항 중 실행량이 지나치게 큰 항목은 축소하거나 생략할 수 있지만,
Python 실제 실행과 결과 해석은 절대로 생략하지 마라.

────────────────────────────────────
1. 최우선 실행 원칙
────────────────────────────────────

- FULL PROMPT의 전체 내용을 먼저 읽고 분석 목적과 핵심 분석절차를 파악하여라.
- 모든 요구사항을 형식적으로 나열하지 말고 실제로 완료 가능한 핵심범위를 선정하여라.
- 개념만 설명하거나 Python 코드만 작성하고 종료하지 마라.
- 반드시 Python 코드를 실제 Python 실행환경에서 실행하여라.
- 실제 실행결과로 산출된 수치, 표 및 그래프를 확인한 후 해석하여라.
- 실행하지 않은 결과를 추정하거나 예시값으로 작성하지 마라.
- Python 실행이 가능한 상황에서 “직접 실행해 보세요”라고 학생에게 넘기지 마라.
- 오류가 발생하면 오류 원인을 설명하고 코드를 수정한 후 다시 실행하여라.
- 모든 수치와 결론은 실제 Python 실행결과에 근거하여라.
- 응답 분량보다 분석과정의 완결성을 우선하여라.
- 실행량이 부족하면 비교분석이나 고급분석을 줄이고 기본분석을 끝까지 완료하여라.
- 무료계정의 한도를 고려하여 불필요한 반복학습과 중복출력을 최소화하여라.
- FULL PROMPT와 본 공통 프로토콜이 충돌하면
  이번 무료계정 실습에서는 본 공통 프로토콜을 우선 적용하여라.

────────────────────────────────────
2. 반드시 완료해야 하는 핵심 분석
────────────────────────────────────

분석기법과 관계없이 다음 과정은 반드시 수행하여라.

① 데이터 입력 또는 불러오기

- 첨부된 CSV·TXT·Excel 파일
- 채팅창에 붙여넣은 데이터
- TensorFlow·Keras 또는 Python 내장 데이터
- FULL PROMPT에서 지정한 자동 생성 데이터

중 실제 제공방식에 맞게 데이터를 불러와라.

② 데이터 구조 확인

반드시 실제 Python으로 다음을 확인하여라.

- 행 수와 열 수
- 변수명
- 자료형
- 앞부분 데이터
- 결측치
- 중복값
- 분석 대상변수
- 식별변수
- 종속변수 또는 목표변수
- 클래스 수 또는 변수 수

③ 핵심 데이터 점검

분석에 따라 필요한 항목만 실제로 확인하여라.

- 이상치
- 클래스 분포
- 변수 분포
- 범주형 변수의 범주
- 비정상 값
- 분석 가정
- 표준화 필요성
- 인코딩 필요성
- 데이터 누수 가능성

④ 필수 전처리

분석에 필요한 최소 전처리를 실제로 수행하여라.

- 결측치 처리
- 범주형 인코딩
- 표준화 또는 정규화
- 식별변수 제외
- 종속변수 분리
- 이미지 크기와 픽셀값 변환
- 텍스트 벡터화
- 학습·검증·시험자료 분할

전처리 과정에서 시험자료의 정보가 학습에 유입되지 않도록 하여라.

⑤ 기본 분석 또는 기본모형

FULL PROMPT에서 지정한 핵심 분석기법 또는 기본모형 1개를
반드시 실제 Python으로 실행하여라.

⑥ 핵심 성능평가 또는 결과평가

분석기법에 적절한 핵심지표를 실제 계산하여라.

⑦ 핵심 시각화

결과를 이해하는 데 가장 중요한 그래프를
2개 이상, 최대 4개까지 실제 생성하여라.

⑧ 결과 해석

각 수치와 그래프가 무엇을 의미하는지
학생이 이해할 수 있는 수준으로 해석하여라.

⑨ 최종 결론

분석 목적에 대한 답을 실제 결과를 근거로 제시하여라.

⑩ 분석의 한계

축소 실행, 표본 수, 단일 분할, 실행환경 등의 한계를 설명하여라.

────────────────────────────────────
3. 분석기법별 필수 실행항목
────────────────────────────────────

FULL PROMPT의 분석기법을 확인하여
다음 기준에 따라 핵심항목을 자동 선택하여라.

[기술통계·가설검정]

반드시 수행:

- 데이터 구조 확인
- 기술통계
- 분석 가정의 핵심 점검
- 적절한 검정 실행
- 검정통계량
- p-value
- 효과크기
- 신뢰구간
- 핵심 그래프
- 통계적 해석

생략 가능:

- 동일 목적의 여러 대체검정 반복
- 지나치게 많은 민감도 분석
- 다수의 보조 그래프

[회귀분석]

반드시 수행:

- 설명변수와 종속변수 확인
- 결측치와 자료형 점검
- 학습·시험자료 분할 또는 적절한 검증
- 기본 회귀모형 실행
- MAE
- RMSE
- R²
- 실제값 대 예측값 그래프
- 잔차 그래프
- 결과 해석

비교모형은 가장 의미 있는 모형 1개만 추가할 수 있다.

[이진분류]

반드시 수행:

- 양성 클래스와 음성 클래스 정의
- 클래스 분포 확인
- 학습·시험자료 층화분할
- 기본 분류모형 실행
- 혼동행렬
- Accuracy
- Precision
- Recall 또는 Sensitivity
- Specificity
- F1-score
- ROC-AUC
- 핵심 그래프
- False Positive와 False Negative 해석

[다중분류]

반드시 수행:

- 클래스 수와 분포 확인
- 학습·시험 또는 훈련·검증·시험자료 구성
- 기본 다중분류모형 실행
- Accuracy
- Macro Precision
- Macro Recall
- Macro F1
- Weighted F1
- 혼동행렬
- 클래스별 성능 중 핵심결과
- 주요 오분류 클래스 해석

클래스 수가 많으면 전체 혼동행렬과 함께
주요 오분류 클래스만 별도로 정리하여라.

[주성분분석]

반드시 수행:

- 분석변수 확인
- 식별변수와 종합지수 등 제외변수 확인
- 부정적 방향 변수의 방향 통일 필요성 확인
- 표준화
- 상관구조 확인
- PCA 실행
- 고유값
- 설명분산비율
- 누적설명분산
- Scree Plot
- Loading
- 주성분 점수
- Biplot 또는 핵심 산점도
- 주성분 의미 해석

[요인분석]

반드시 수행:

- 분석변수 확인
- 표준화 필요성 확인
- KMO
- Bartlett 검정
- 요인 수 결정
- 요인추출
- 회전
- 요인적재량
- 공통성
- 요인 명명
- 핵심 시각화
- 결과 해석

[군집분석]

반드시 수행:

- 군집변수 확인
- 식별변수 제외
- 표준화
- 최적 군집 수 탐색
- K-means 또는 FULL PROMPT의 기본 군집모형 실행
- 군집별 표본 수
- 군집 중심
- Silhouette Score
- 군집 시각화
- 군집 특성 해석

최적 군집 수는 Elbow와 Silhouette 중
최소 하나를 실제 계산하여라.

[판별분석]

반드시 수행:

- 설명변수와 집단변수 확인
- 식별변수 제외
- 범주형 변수 처리
- 학습·시험자료 층화분할
- FULL PROMPT에서 지정한 LDA·QDA 실행
- 혼동행렬
- Accuracy
- Macro F1 또는 Weighted F1
- LDA와 QDA 성능 비교
- 결과 해석

LDA와 QDA가 함께 지정된 경우에는
두 모형 모두 기본 분석에 포함할 수 있다.

[의사결정나무]

반드시 수행:

- 기본나무 실행
- 트리 구조 또는 주요 규칙
- 혼동행렬
- Accuracy
- Recall
- F1-score
- ROC-AUC
- 변수 중요도
- 과적합 여부
- 간단한 가지치기 전후 비교

[랜덤포레스트]

반드시 수행:

- 기본 랜덤포레스트 실행
- 나무 수
- OOB Score가 설정된 경우 OOB Score
- 혼동행렬
- Accuracy
- Recall
- F1-score
- ROC-AUC
- 변수 중요도
- 단일 의사결정나무와의 핵심 차이 해석

대규모 하이퍼파라미터 탐색은 생략하여라.

[인공신경망·DNN 분류]

반드시 수행:

- 데이터 구조
- 입력층·은닉층·출력층
- 전처리
- 훈련·검증·시험자료 구성
- FULL PROMPT의 기본 DNN 1개 실행
- 모델 구조와 파라미터 수
- Epoch별 Training·Validation Loss
- Epoch별 Training·Validation Accuracy
- 시험자료 평가
- 혼동행렬
- Accuracy
- Precision
- Recall
- F1-score
- 이진분류이면 ROC-AUC
- 다중분류이면 Macro F1
- 과적합 여부 해석
- 오분류 사례 일부 확인

[인공신경망·DNN 회귀]

반드시 수행:

- 입력변수와 목표변수 확인
- 표준화
- 훈련·검증·시험자료 구성
- 기본 DNN 1개 실행
- 학습손실곡선
- MAE
- RMSE
- R²
- 실제값 대 예측값 그래프
- 잔차 그래프
- 과적합과 수렴 여부
- 결과 해석

[이미지 DNN·CNN]

반드시 수행:

- 이미지 shape
- 클래스 분포
- 이미지 예시 시각화
- 픽셀값 정규화
- 기본모형 1개 실제 학습
- Training·Validation Loss와 Accuracy
- 시험 Accuracy
- Macro F1
- 혼동행렬
- 오분류 이미지 일부
- DNN 또는 CNN 구조 해석

FULL PROMPT에서 DNN과 CNN 비교를 요구하면
기본 DNN과 간단한 CNN 각각 1개만 실행할 수 있다.

[텍스트 DNN]

반드시 수행:

- 데이터 수와 클래스 분포
- 텍스트 길이
- 텍스트 또는 단어 인덱스 예시
- FULL PROMPT의 기본 벡터화
- 기본 DNN 1개 실행
- Training·Validation Loss와 Accuracy
- 시험 성능
- 혼동행렬
- Precision·Recall·F1
- 이진분류이면 ROC-AUC
- 다중분류이면 Macro F1
- 오분류 텍스트 일부
- 과적합과 입력표현의 한계 해석

────────────────────────────────────
4. 무료계정 실행량 축소 원칙
────────────────────────────────────

다음 항목은 FULL PROMPT에 포함되어 있어도
한 번에 모두 실행하지 마라.

- 대규모 GridSearch
- RandomizedSearch의 다수 조합
- 5-fold × 10회 반복 교차검증
- 여러 Seed의 10회·30회 반복
- 수십 개의 신경망 구조 비교
- 여러 Optimizer의 전 조합 비교
- 여러 Learning Rate의 전 조합 비교
- 여러 Batch Size의 전 조합 비교
- 수십 개 Epoch의 반복 재학습
- SHAP·PDP·ICE·Calibration을 모두 실행
- 다수의 기준모형을 모두 비교
- 수십 개 결과파일 생성

위 항목은 다음 기준으로 축소하여라.

- 기본모형은 반드시 실행
- 비교모형은 가장 교육적으로 의미 있는 1개만 실행
- 전체 모형 수는 원칙적으로 2개 이하
- 단, LDA·QDA 또는 DNN·CNN처럼 비교 자체가 학습목표이면 2개 모두 실행
- 하이퍼파라미터는 기본값과 비교값 1개만 사용
- 교차검증이 반드시 필요하면 5-fold 1회만 수행
- 실행시간이 긴 딥러닝 비교는 데이터 일부를 사용한 시범분석으로 축소 가능
- 비교분석보다 기본모형의 실제 실행과 해석을 우선

────────────────────────────────────
5. 딥러닝 실행 최적화
────────────────────────────────────

MNIST, IMDB, Reuters 및 기타 딥러닝 자료에서는
무료계정의 실행시간과 메모리를 고려하여 다음 원칙을 적용하여라.

- FULL PROMPT의 기본모형을 우선 실행한다.
- Epoch는 기본적으로 FULL PROMPT의 값을 따르되,
  실행부담이 크면 최대 10~20 Epoch 범위에서 조정할 수 있다.
- Early Stopping을 사용할 수 있으면 적용하여
  불필요한 Epoch를 줄여라.
- Batch size는 메모리 상황에 맞게 조정하여라.
- GPU가 없으면 CPU에서 실행 가능한 모델 크기로 축소하여라.
- 메모리 부족 시 입력 차원, 데이터 수 또는 모델 크기를 최소한으로 축소하여라.
- 데이터를 축소한 경우 사용한 실제 표본 수를 명확히 제시하여라.
- 축소 데이터의 결과를 전체 데이터 성능인 것처럼 표현하지 마라.
- CNN·Embedding·LSTM 등 확장모형은
  FULL PROMPT의 핵심 학습목표인 경우에만 1개 실행하여라.
- 기본모형 학습이 완료되지 않은 상태에서 확장모형을 실행하지 마라.

────────────────────────────────────
6. 비교분석 선택 기준
────────────────────────────────────

FULL PROMPT에 비교항목이 여러 개이면
분석목적에 가장 직접적인 비교 1개만 선택하여라.

우선순위 예시:

- 의사결정나무: 기본나무 vs 가지치기나무
- 랜덤포레스트: 의사결정나무 vs 랜덤포레스트
- DNN 분류: 기본 DNN vs Dropout 또는 Early Stopping DNN
- 이미지분류: DNN vs 간단한 CNN
- 텍스트분류: 기본 DNN vs Embedding 모델
- 회귀: 기준 선형모형 vs DNN
- PCA: 원변수 해석 vs 주성분 점수
- 군집분석: 군집 수 후보 중 최적 군집 결과
- 판별분석: LDA vs QDA

선택한 비교의 이유를 짧게 설명하여라.

────────────────────────────────────
7. 그래프 생성 기준
────────────────────────────────────

그래프는 분석결과를 이해하는 데 가장 중요한 것만 생성하여라.

기본적으로 최대 4개를 생성한다.

우선순위:

1. 데이터 또는 클래스 분포
2. 분석기법의 핵심 그래프
3. 성능평가 그래프
4. 결과 해석 그래프

예:

- 분류: 클래스 분포, 학습곡선, 혼동행렬, ROC Curve
- 회귀: 목표변수 분포, 실제값 대 예측값, 잔차그래프, 변수 중요도
- PCA: Scree Plot, Biplot, Loading Plot
- 군집: Elbow 또는 Silhouette, 군집 산점도, 군집 중심
- 요인분석: Scree Plot, 요인적재량 시각화
- 딥러닝: Loss Curve, Accuracy Curve, 혼동행렬, 오분류 사례

동일한 내용을 반복하는 유사 그래프는 생성하지 마라.

────────────────────────────────────
8. 결과파일 생성 기준
────────────────────────────────────

FULL PROMPT에서 많은 CSV·Excel·PNG 파일을 요구하더라도
무료계정 기본실습에서는 파일 생성을 최소화하여라.

파일 생성이 별도로 요구되지 않았다면
Python 실행과 결과 해석을 우선하고 파일을 만들지 않아도 된다.

파일 생성이 필요한 경우 최대 다음 범위로 제한하여라.

- 핵심 결과 CSV 1개
- 핵심 결과 Excel 1개
- 핵심 그래프 PNG 최대 4개

분석별 중간결과를 수십 개의 파일로 저장하지 마라.

────────────────────────────────────
9. 단계별 실습 진행방식
────────────────────────────────────

최종 보고서만 한 번에 제시하지 말고
학생이 분석과정을 확인할 수 있도록 다음 순서로 작성하여라.

[1단계] 데이터 불러오기와 구조 확인

- 단계 목적
- Python 코드
- 실제 실행결과
- 결과 해석

[2단계] 데이터 점검과 전처리

- 단계 목적
- Python 코드
- 실제 실행결과
- 결과 해석

[3단계] 기본 분석 또는 모형 구축

- 단계 목적
- Python 코드
- 실제 실행결과
- 모형 구조 또는 분석설정 설명

[4단계] 성능평가 또는 분석결과

- Python 코드
- 실제 실행결과
- 핵심 지표
- 핵심 그래프

[5단계] 결과 해석과 결론

- 주요 결과
- 분석 목적에 대한 답
- 실무적 또는 학문적 의미
- 분석의 한계

각 단계가 끝날 때 다음 단계와의 연결을 한 문장으로 설명하여라.

────────────────────────────────────
10. 코드 출력 기준
────────────────────────────────────

- 실행한 Python 코드를 학생이 확인할 수 있도록 제시하여라.
- 주요 코드에는 한국어 주석을 작성하여라.
- 전체 실행로그를 그대로 길게 나열하지 마라.
- 중요한 실행결과만 표로 정리하여라.
- 단계별 코드와 전체 코드를 완전히 중복하여 두 번 제시하지 마라.
- 단계별 실행에 사용한 코드를 중심으로 제시하여라.
- 학생이 복사하여 다시 실행할 수 있도록 코드의 변수명을 일관되게 유지하여라.
- 앞 단계에서 생성한 데이터와 변수를 다음 단계에서 계속 사용하여라.
- 매 단계마다 데이터를 처음부터 다시 불러오거나 모델을 불필요하게 재학습하지 마라.

────────────────────────────────────
11. 실행 중 한계 또는 오류가 발생한 경우
────────────────────────────────────

Python 실행시간, 메모리 또는 계정 한계로
FULL PROMPT의 일부를 실행하기 어려운 경우 다음 순서를 적용하여라.

1. 기본 분석이 완료되었는지 확인한다.
2. 완료되지 않았다면 비교분석과 고급분석을 모두 중단한다.
3. 데이터 크기 또는 모델 크기를 최소한으로 축소한다.
4. 기본 분석을 다시 실행한다.
5. 실제 완료된 결과만 해석한다.
6. 생략된 항목은 ‘선택 심화분석’으로 분리한다.

오류가 발생하면 다음을 수행하여라.

- 오류 메시지 확인
- 오류 원인 설명
- 수정된 코드 제시
- 수정 코드 실제 재실행
- 최종 성공 결과 확인

오류가 발생했다는 이유로
코드만 남기고 분석을 종료하지 마라.

────────────────────────────────────
12. 분석 중단 방지 원칙
────────────────────────────────────

응답 또는 실행 한계가 예상되면
FULL PROMPT의 앞부분만 과도하게 자세히 설명하지 마라.

다음 항목을 우선 완료하여라.

1. 데이터 불러오기
2. 전처리
3. 기본모형 실행
4. 핵심 성능지표
5. 핵심 그래프
6. 결과 해석
7. 결론

이론 설명, 비교모형, 고급분석 및 파일 저장은
핵심 분석이 완료된 후에만 수행하여라.

────────────────────────────────────
13. 최종 답변 구성
────────────────────────────────────

최종 답변은 다음 순서로 작성하여라.

① 분석 목적

② 데이터 구조 확인

- 데이터 크기
- 변수 또는 입력구조
- 종속변수 또는 클래스
- 핵심 데이터 점검

③ 전처리

- 실제 적용한 전처리
- 전처리가 필요한 이유

④ 기본 분석 또는 기본모형

- 분석방법
- 주요 설정
- 모델 구조

⑤ Python 실제 실행결과

- 핵심 출력값
- 핵심 표
- 핵심 그래프

⑥ 성능평가 또는 분석결과

- 분석기법에 적절한 핵심지표

⑦ 결과 해석

- 각 지표의 의미
- 그래프의 의미
- 분석 목적에 대한 답

⑧ 최종 결론

⑨ 분석의 한계

⑩ 선택 심화분석

선택 심화분석은 이번에 실행하지 않은 FULL PROMPT 항목 중
가장 중요한 항목을 최대 3개까지만 제시하여라.

────────────────────────────────────
14. 금지사항
────────────────────────────────────

다음과 같이 응답하지 마라.

- FULL PROMPT가 길다는 이유로 분석을 거부
- Python 코드를 작성하고 실행하지 않음
- 실행결과 없이 일반적인 예상결과만 설명
- 무료계정이므로 Python 실행이 불가능하다고 미리 단정
- 기본분석을 하지 않고 고급분석만 설명
- 모든 하이퍼파라미터 후보를 실행하다 분석 중단
- 수십 개 파일을 먼저 생성하다 핵심결과 누락
- 과거 교재의 결과값을 현재 실행결과처럼 사용
- 실행하지 않은 그래프나 성능지표를 임의로 제시
- 학생에게 모든 코드를 직접 실행하라고 넘김

────────────────────────────────────
15. FULL PROMPT 적용 지침
────────────────────────────────────

이 공통 프로토콜 다음에 제시되는 FULL PROMPT를 모두 읽어라.

FULL PROMPT에서 다음 정보를 추출하여라.

- 분석 목적
- 데이터
- 변수 또는 입력·출력 구조
- 제외변수
- 전처리 조건
- 핵심 분석방법
- 기본모형
- 기본 하이퍼파라미터
- 핵심 평가지표
- 필수 시각화
- 주요 주의사항

그 후 FULL PROMPT의 전체 요구사항 중
무료계정에서도 실제 완료할 수 있는 핵심 분석범위를 자동으로 선정하여라.

이번 응답에서는 다음을 반드시 보장하여라.

- Python 코드가 실제로 실행됨
- 실행결과가 실제로 제시됨
- 실행결과가 해석됨
- 분석 목적에 대한 결론이 제시됨
- 학생이 코드 실행과 결과 해석의 흐름을 확인할 수 있음

이제 아래의 FULL PROMPT를 읽고,
무료계정용 핵심 실행 프로토콜에 따라 분석을 시작하여라.