# AX 디그리 써머캠프 - Mission 1 — Data

来源：https://www.kaggle.com/competitions/ax-degree-summer-camp-mission-1/data

本地 Meta Kaggle 快照；不是本次实时页面。

# Dataset Description

## Files and Columns 📁

이 챌린지를 위해 제공되는 데이터셋은 다음과 같은 파일들로 구성되어 있습니다.

### [필수] 챌린지 참여를 위해 반드시 필요한 데이터 ⭐
**필수 데이터만 분석할 수 있어도 챌린지 참여가 가능합니다.**

1. **games_train.csv** 🏋️‍♂️ - 과거 국제 스포츠 대회 데이터를 포함한 학습용 데이터셋
   • `year` - 대회 개최 연도
   • `event_type` - 대회 유형
   • `host_country` - 개최국
   • `host_city` - 개최 도시
   • `athletes` - 참가 선수 수
   • `teams` - 참가 팀 수
   • `competitions` - 경기 수
   • `country` - 참가국 이름
   • `team_code` - 팀 코드
   • `performance_score` - 획득한 성과 점수

2. **games_test.csv** 🔮 - 미래 국제 스포츠 대회 예측을 위한 테스트 데이터셋
   • `year` - 대회 개최 연도
   • `event_type` - 대회 유형
   • `host_country` - 개최국
   • `host_city` - 개최 도시
   • `athletes` - 참가 선수 수
   • `teams` - 참가 팀 수
   • `competitions` - 경기 수
   • `country` - 참가국 이름
   • `team_code` - 팀 코드

3. **sample_submission.csv** 📝 - 제출 양식 샘플 파일
   • `team_code` - 팀 코드
   • `performance_score` - 예측한 성과 점수

### [선택] 문제 해결에 도움이 되는 데이터 🔍

4. **country_codes.csv** 🏳️ - 참가국의 국가 코드 정보
   • `team_code` - 팀 코드
   • `country` - 국가 이름

5. **country_continents.csv** 🌎 - 참가국의 대륙 정보
   • `name` - 국가 이름
   • `alpha-2` - ISO 3166-1 alpha-2 국가 코드
   • `alpha-3` - ISO 3166-1 alpha-3 국가 코드
   • `country-code` - ISO 3166-1 숫자 국가 코드
   • `iso_3166-2` - ISO 3166-2 국가 코드
   • `region` - 대륙
   • `sub-region` - 하위 지역
   • `intermediate-region` - 중간 지역
   • `region-code` - 대륙 코드
   • `sub-region-code` - 하위 지역 코드
   • `intermediate-region-code` - 중간 지역 코드
   • `team_code` - 팀 코드

6. **country_gdp_per_capita.csv** 💰 - 참가국의 1인당 GDP 정보
   • `Country Name` - 국가 이름
   • `Code` - 국가 코드(alpha-3)
   • `1960`-`2020` - 각 연도별 1인당 GDP 값

7. **country_gdp_ppp.csv** 💼 - 참가국의 구매력 평가 기준 GDP 정보
   • `Country Name` - 국가 이름
   • `Code` - 국가 코드(alpha-3)
   • `1960`-`2020` - 각 연도별 구매력 평가 기준 GDP 값

8. **country_gdp.csv** 📈 - 참가국의 GDP 정보
   • `Country Name` - 국가 이름
   • `Code` - 국가 코드(alpha-3)
   • `1960`-`2020` - 각 연도별 GDP 값

9. **country_indicators.csv** 📊 - 참가국의 다양한 경제, 사회, 인구통계학적 지표
   • `Country` - 국가 이름
   • `Density (P/Km2)` - 인구 밀도
   • `Abbreviation` - 국가 약자(alpha-2)
   • `Agricultural Land( %)` - 농업 용지 비율
   • `Land Area(Km2)` - 국토 면적
   • `Armed Forces size` - 군대 규모
   • `Birth Rate` - 출생률
   • `Calling Code` - 국제 전화 코드
   • `Capital/Major City` - 수도/주요 도시
   • `Co2-Emissions` - CO2 배출량
   • `CPI` - 소비자 물가 지수
   • `CPI Change (%)` - 소비자 물가 지수 변화율
   • `Currency-Code` - 통화 코드
   • `Fertility Rate` - 출산율
   • `Forested Area (%)` - 산림 면적 비율
   • `Gasoline Price` - 휘발유 가격
   • `GDP` - 국내 총생산
   • `Gross primary education enrollment (%)` - 초등 교육 총 등록률
   • `Gross tertiary education enrollment (%)` - 고등 교육 총 등록률
   • `Infant mortality` - 영아 사망률
   • `Largest city` - 최대 도시
   • `Life expectancy` - 기대 수명
   • `Maternal mortality ratio` - 모성 사망비
   • `Minimum wage` - 최저 임금
   • `Official language` - 공식 언어
   • `Out of pocket health expenditure` - 본인 부담 의료비 지출
   • `Physicians per thousand` - 1000명당 의사 수
   • `Population` - 인구
   • `Population: Labor force participation (%)` - 노동력 참여율
   • `Tax revenue (%)` - 조세 수입 비율
   • `Total tax rate` - 총 조세율
   • `Unemployment rate` - 실업률
   • `Urban_population` - 도시 인구
   • `Latitude` - 위도
   • `Longitude` - 경도

10. **country_population.csv** 👥 - 참가국의 인구 정보
    • `Country Name` - 국가 이름
    • `Code` - 국가 코드(alpha-3)
    • `1960`-`2023` - 각 연도별 인구 수

## 조인(Join)을 위한 키 컬럼 정보 🔗

데이터셋 간 조인을 위해 사용할 수 있는 주요 키 컬럼은 다음과 같습니다:

1. `team_code` (팀 코드):
   - games_train.csv
   - games_test.csv
   - country_codes.csv
   - country_continents.csv
   - sample_submission.csv

2. `country` / `Country Name` / `name`:
   - games_train.csv
   - games_test.csv
   - country_codes.csv
   - country_continents.csv
   - country_gdp_per_capita.csv
   - country_gdp_ppp.csv
   - country_gdp.csv
   - country_indicators.csv
   - country_population.csv

3. `Code` (alpha-3 국가 코드):
   - country_gdp_per_capita.csv
   - country_gdp_ppp.csv
   - country_gdp.csv
   - country_population.csv

4. `year`:
   - games_train.csv
   - games_test.csv
   - (GDP 및 인구 데이터의 연도별 컬럼과 매칭 가능)

## 예측 대상 🎯

- 참가자들은 미래 국제 스포츠 대회에서 각 팀이 달성할 성과 점수를 예측해야 합니다.
- 성과 점수는 팀의 종합적인 경기 성적을 나타냅니다.
- 최종 결과는 실제 대회 결과를 바탕으로 평가합니다.

## 주요 약어 설명 📚

• GDP - Gross Domestic Product (국내 총생산)
• PPP - Purchasing Power Parity (구매력 평가 지수)
• CPI - Consumer Price Index (소비자 물가 지수)

## 데이터 활용 팁 💡

1. 시계열 분석: GDP, 인구 등의 연도별 데이터를 활용하여 국가의 경제력 변화와 스포츠 성과의 관계를 분석해보세요.
2. 지리적 요인: 대륙, 지역 정보를 활용하여 지리적 위치가 스포츠 성과에 미치는 영향을 탐구해보세요.
3. 사회경제적 지표: 교육 등록률, 기대 수명 등의 지표가 스포츠 성과와 어떤 관련이 있는지 살펴보세요.
4. 과거 대회 데이터: games_train.csv를 활용하여 팀별 스포츠 성과의 추세를 파악해보세요.
5. 특성 공학: 여러 데이터셋을 결합하여 새로운 특성을 만들어보세요. 예를 들어, GDP 대비 스포츠 투자 비율 등을 계산해볼 수 있습니다.
6. 머신러닝 모델 적용: 다양한 머신러닝 알고리즘을 활용하여 성과 예측 모델을 개발해보세요.
7. 통계적 기법 활용: 상관 분석, 회귀 분석 등의 통계적 기법을 적용하여 성과에 영향을 미치는 주요 요인을 파악해보세요.