<aside> ➕ 목차
</aside>
🍎 "미국 FDA의 식품 안전 분석가가 되어, 우리의 식탁을 위협하는 위험 요소를 찾아내세요!"
우리가 매일 섭취하는 식품과 건강기능식품은 엄격한 관리가 필요합니다. 하지만 제조 과정의 오염이나 알레르기 유발 성분으로 인해 예상치 못한 부작용이 발생하기도 합니다. 미국 식품의약국(FDA)의 CAERS 데이터베이스에는 소비자들이 보고한 수만 건의 식품 관련 이상 사례가 기록되어 있습니다.
🍎 여러분은 FDA 산하 식품안전영양센터(CFSAN)의 데이터 분석 팀에 합류했습니다.
여러분의 임무는 방대한 신고 데이터를 분석하여 **특정 식품군(Bakery, Snack, Baby Food 등)**에서 발생하는 이상 징후를 조기에 포착하는 것입니다. 데이터를 통해 어떤 제품이 가장 많은 클레임을 받았는지, 어떤 연령대가 식품 부작용에 가장 취약한지 밝혀내어 안전 경보를 발령해 주세요!
🍎 실제 식품 부작용 신고 데이터를 정제하여 ‘숨겨진 위험 패턴’을 시각적으로 규명하세요!
[프로젝트 요청사항]
데이터 정제 (Data Cleaning): '개월(Month)'과 '년(Year)'으로 뒤섞인 나이 데이터를 통일하고, 날짜 데이터를 시계열 분석이 가능한 형태로 변환해주세요.
패턴 분석 (EDA): 베이커리, 유제품, 유아식 등 식품 산업군별로 신고 빈도를 비교하고, 특정 시기에 급증하는 패턴이 있는지 확인해주세요.
인구 통계 분석: 연령대별(영유아 vs 성인 vs 노인)로 주로 신고하는 식품 카테고리가 어떻게 다른지 시각화해주세요.
[데이터 분석의 필요성]
화학공학자나 식품 공학자에게 가장 중요한 역량 중 하나는 **'원료의 안전성 관리’와 '품질 이슈 대응'**입니다. 이 데이터는 실험실이 아닌, 실제 시장(Market)에서 발생한 클레임 데이터입니다. 소비자가 직접 입력하여 단위가 통일되지 않고(예: 3살을 36개월로 표기), 오타가 섞여 있는 이 데이터를 깔끔하게 전처리(Cleaning)하고 분석하는 과정을 통해, 실무에서 마주할 Raw Data Handling 능력을 키울 수 있습니다.
🍎 “식품 부작용 신고 데이터를 전처리(Preprocessing)하고 위험 요인을 탐색(EDA)하라”
[Step 1] 데이터 전처리: 단위 통일