mySUNI CDS

mySUNI CDS는 데이터 과학 교육을 위한 Python 라이브러리입니다. 데이터셋 다운로드, 워크샵 자료 관리, 프로젝트 제출 등의 기능을 제공합니다.

주요 기능

📊 데이터셋 관리

다양한 교육용 데이터셋 목록 조회 및 다운로드
자동 데이터 폴더 생성 및 관리
인증이 필요한 데이터셋 자동 다운로드

🎓 워크샵 자료

워크샵 목록 조회
실습용 및 해설용 Jupyter 노트북 다운로드
로컬 및 서버 환경 지원

📝 프로젝트 제출

프로젝트 파일 자동 다운로드
결과 제출 및 자동 채점
최종 프로젝트 제출 기능

🛠 유틸리티 도구

머신러닝 모델 성능 시각화
다양한 평가 지표 지원 (MSE, RMSE, RMSLE, MAE, Gini)
Jupyter 노트북 변환 도구
데이터프레임 요약 정보 제공

🎯 SKADA (도메인 적응 및 미니스카다)

도메인 적응 알고리즘 (CORAL, MMD)
미니스카다 문제 제출 시스템
자동 채점 및 검증 기능
XGBoost 기반 모델 평가 도구

설치

pip install mySUNI

사용법

데이터셋 사용

import mySUNI as ms

# 데이터셋 목록 조회
ms.list_data()

# 특정 데이터셋 다운로드
ms.download_data('타이타닉')

# 여러 데이터셋 다운로드
ms.download_data(['타이타닉', '보스턴 주택가격'])

워크샵 자료 사용

# 워크샵 목록 조회
ms.list_workshop()

# 워크샵 실습 파일 다운로드
ms.download_workshop('mySUNI-WorkShop-01-StepWalk')

# 워크샵 해설 파일 다운로드
ms.download_workshop('mySUNI-WorkShop-01-StepWalk', sol=True)

프로젝트 제출

# 프로젝트 정보 설정
class_info = {
    'edu_name': '데이터분석과정',
    'edu_rnd': '1',
    'edu_class': 'A'
}

# 프로젝트 다운로드
ms.download_project('프로젝트명', class_info, 'your-email@example.com')

# 결과 제출
ms.submit(submission_dataframe)

# 최종 프로젝트 제출
ms.end_project('이름', 'notebook.ipynb')

모델 성능 시각화

from mySUNI.utils import plot_error, set_plot_error

# 평가 지표 설정
set_plot_error('rmse')

# 모델 성능 시각화
plot_error('Linear Regression', y_true, y_pred)
plot_error('Random Forest', y_true, y_pred2)

# 전체 모델 비교
ms.plot_all()

데이터 요약

from mySUNI.utils import summary

# 데이터프레임 요약 정보
summary_info = summary(df)
print(summary_info)

SKADA 도메인 적응

from mysuni import skada

# 샘플 도메인 데이터 생성
X_source, X_target, y_source, y_target = skada.load_sample_domain_data()

# CORAL 도메인 적응
coral_adapter = skada.CORAL()
coral_adapter.fit(X_source, X_target)

# 데이터 변환
X_source_adapted = coral_adapter.transform(X_source, domain='source')
X_target_adapted = coral_adapter.transform(X_target, domain='target')

# 성능 평가
score = skada.domain_adaptation_score(X_source, X_target, y_source, y_target, coral_adapter)
print(f"정확도: {score['accuracy']:.4f}")

# 여러 방법 비교
results = skada.compare_domain_adapters(X_source, X_target, y_source, y_target)
print(results)

미니스카다 제출 시스템

from mysuni.skada import SKADA

# SKADA 인스턴스 생성 (싱글톤 패턴)
skada = SKADA.instance()

# 미니스카다 1번 문제 답안 제출
skada.Q1_answer(X_test)
skada.Q2_1_answer(X_test, mu)
skada.Q2_2_answer(drop_cols)
skada.Q2_3_answer(function, result)
skada.Q3_1_answer(sm_X_train, sm_y_train, ada_X_train, ada_y_train)
skada.Q3_2_answer(best_hyper_parameters)

# 미니스카다 2번 문제 답안 제출
skada.Q4_1_answer(processed_data)
skada.Q4_2_answer(cleaned_data)
skada.Q4_3_answer(normalized_data, numerical_features)
skada.Q5_1_answer(feature_importance_list)
skada.Q5_2_answer(f_count, selected_features)
skada.Q6_1_answer(accuracy_1, accuracy_2)
skada.Q6_2_answer(train_indices, test_indices)

# XGBoost 모델 평가
macro_f1 = skada.train_and_evaluate_xgb_model(X_train, y_train, X_test, y_test)

# 혼동 행렬 시각화
skada.disp_confusion_matrix(X_train, y_train, X_test, y_test)

API 참조

주요 함수

list_data(): 사용 가능한 데이터셋 목록 조회
download_data(dataset_name): 데이터셋 다운로드
list_workshop(): 워크샵 목록 조회
download_workshop(workshop_name, sol=False, local=False): 워크샵 자료 다운로드
download_project(project_name, class_info, email): 프로젝트 다운로드
submit(submission): 프로젝트 결과 제출
end_project(name, ipynb_file_path): 최종 프로젝트 제출

유틸리티 함수

plot_error(name, actual, prediction): 모델 성능 시각화
set_plot_error(error_type): 평가 지표 설정
summary(dataframe): 데이터프레임 요약 정보
convert_ipynb(from_file, to_file): 노트북 파일 변환

요구사항

Python 3.7+
pandas
matplotlib
seaborn
scikit-learn
jupyter
requests
tqdm
ipywidgets
xgboost

라이선스

이 프로젝트는 MIT 라이선스 하에 배포됩니다. 자세한 내용은 LICENSE 파일을 참조하세요.

기여하기

버그 리포트, 기능 요청, 풀 리퀘스트는 언제나 환영합니다!

이 저장소를 포크하세요
기능 브랜치를 생성하세요 (git checkout -b feature/AmazingFeature)
변경사항을 커밋하세요 (git commit -m 'Add some AmazingFeature')
브랜치에 푸시하세요 (git push origin feature/AmazingFeature)
풀 리퀘스트를 생성하세요

지원

문제가 있거나 질문이 있으시면 GitHub Issues에 등록해 주세요.

작성자

BAEM1N - 초기 작업 - GitHub
Teddy Lee - 개발 및 유지보수 - GitHub

🌐 API 제출 시스템

mySUNI v2.0.3부터 https://skada.quest/api로 답안을 자동 제출하는 시스템을 지원합니다.

환경 설정

import os

# 학생 ID와 세션 ID 설정
os.environ['SKADA_STUDENT_ID'] = 'your_student_id'
os.environ['SKADA_SESSION_ID'] = 'your_session_id'

또는 Jupyter 노트북에서:

%env SKADA_STUDENT_ID=your_student_id
%env SKADA_SESSION_ID=your_session_id

자동 제출

기존 답안 제출 방식과 동일하게 사용하면 자동으로 API 제출을 시도합니다:

from mySUNI.skada import SKADA

skada_instance = SKADA.instance()

# Q4_1 답안 제출 (자동으로 API 제출 시도)
skada_instance.Q4_1_answer(merged_df)

# 제출 성공시: ✅ Q4_1 답안 제출 성공! 📊 점수: 85
# 제출 실패시: 📁 로컬 백업 저장 완료. 최종 제출을 위해선 런박스 상단의 제출버튼을 눌러주세요.

직접 API 호출

from mySUNI.skada import submit_to_api, SubmissionError

try:
    result = submit_to_api(
        problem_id="Q4_1",
        answer_data=your_answer,
        student_id="your_id",
        session_id="session_001"
    )
    print(f"제출 결과: {result}")
except SubmissionError as e:
    print(f"제출 실패: {e}")

지원하는 데이터 타입

NumPy 배열: 자동으로 base64 인코딩하여 전송
Pandas DataFrame/Series: JSON 형식으로 직렬화
Python 기본 타입: int, float, str, bool, list, dict
함수: pickle로 직렬화하여 전송

백업 시스템

API 제출이 실패할 경우 자동으로 로컬 파일에 백업 저장됩니다:

네트워크 오류
서버 오류
타임아웃 (30초)

백업 파일은 submit/ 디렉토리에 저장되며, 런박스 상단의 제출 버튼으로 수동 제출할 수 있습니다.

변경 이력

v2.0.3

🌐 API 제출 시스템 추가: https://skada.quest/api로 자동 제출
📦 SKADA 모듈 통합: 미니스카다 제출 시스템 통합
🔧 네트워크 오류 처리: CDS 모듈 안정성 개선
📁 백업 시스템: API 제출 실패시 로컬 백업 자동 저장

v2.0.2

안정성 개선 및 버그 수정
의존성 업데이트

v2.0.1

새로운 데이터셋 추가
워크샵 자료 업데이트

v2.0.0

메이저 리팩토링
새로운 API 구조
성능 최적화

Metadata

Release files for mySUNI 2.0.6

For a detailed explanation of source distributions (sdists) and built distributions (wheels), please see the package formats documentation.

Source distribution (sdist)

Source distribution for mySUNI 2.0.6
File	Size	Uploaded	Provenance
mysuni-2.0.6.tar.gz	26.1 kB	Sep 7, 2025	Without provenance	Details

Built distribution (wheel)

Table of built distributions (wheels) for mySUNI 2.0.6
File	Interpreter	ABI	Platform	Reset
mysuni-2.0.6-py3-none-any.whl 26.1 kB Sep 7, 2025 Without provenance	Python 3	none	any	Details

Total release size: 52.2 kB

Release files / mysuni-2.0.6.tar.gz

Download URL	mysuni-2.0.6.tar.gz
Size	26.1 kB
Tags	Source
SHA-256 checksum How to use checksums	`48fcabbed5540965f0fe78ae137ced29cc60eab053897c2441b0bcf1333c1aee`
BLAKE2b-256 checksum How to use checksums	`6bd25a7ea00c1f435add1fb546fee43c589034e33df4d983c3667adb0326e931`
Upload date	Sep 7, 2025
Uploaded using Trusted Publishing? What is trusted publishing?	No
Uploaded via	`twine/6.2.0 CPython/3.13.3`

Release files / mysuni-2.0.6-py3-none-any.whl

Download URL	mysuni-2.0.6-py3-none-any.whl
Size	26.1 kB
Tags	Python 3
SHA-256 checksum How to use checksums	`52fa852a9595fd694dbaec1c66e56abf36ff680f7323d60ae39a12cedc9c1c62`
BLAKE2b-256 checksum How to use checksums	`a9bb0dc646f93b479f041e374a43109e0c03a0b0f4e116e4a559250f137eec8f`
Upload date	Sep 7, 2025
Uploaded using Trusted Publishing? What is trusted publishing?	No
Uploaded via	`twine/6.2.0 CPython/3.13.3`

Security for mySUNI 2.0.6

Report project as malware

Provenance

Provenance describes where a file came from. On PyPI, provenance is shared via attestations, which provide a verifiable record of the build or publishing details. View details, limitations and caveats.

No provenance found

None of the files in this release were uploaded with provenance metadata.

A note on package security

PyPI is a repository for distributing packages, not a service for auditing them. While third-party security researchers and our staff do their best to detect and remove malicious packages, PyPI cannot guarantee the quality, security or suitability of any given package.

To learn more about protecting yourself from malicious actors, visit our package security documentation.