Knowledge graph+
Beginner Queue
Python, Pandas, EDA를 처음부터 순서대로 연결합니다.
Project archive+
20 Project Nodes
금융, 부동산, 스포츠, 마케팅 문제를 팀 주제로 전환합니다.
OFFSET Workspace 4.0
Start with
questions.
Build with data.
처음 시작하는 사람도 질문, 분석, 프로젝트, 포트폴리오를 하나의 흐름으로 경험하는 대학연합 데이터분석·머신러닝 동아리입니다.
System operations+
Learn - Apply - Ship
기초 세션에서 팀 발표와 개인 웹사이트까지 이어집니다.
Recruit status+
24 Members
2026.09.07 - 09.27 / 서울 권역 활동
OFFSET OS
Data learning,
as a system.
OFFSET은 단순한 강의형 모임보다, 질문을 모으고 분석을 검증하고 결과물을 남기는 작은 워크스페이스처럼 운영됩니다.
01
Collect
관심 주제와 데이터를 모읍니다.
02
Process
기초와 모델로 패턴을 봅니다.
03
Publish
발표와 포트폴리오로 남깁니다.
Who joins
처음이어도,
같이 쌓으면 됩니다.
완성된 실력보다 배우려는 태도와 꾸준히 참여하는 힘을 더 중요하게 봅니다.
USER 01
처음 시작하는 사람
Python을 많이 몰라도 기초부터 함께 따라올 수 있는 흐름을 만듭니다.
USER 02
혼자 공부하다 막힌 사람
무엇을 분석해야 할지, 결과를 어떻게 설명할지 같이 정리합니다.
USER 03
실전 결과물이 필요한 사람
팀 프로젝트, 발표 자료, 포트폴리오까지 남기는 것을 목표로 합니다.
USER 04
관심 분야가 있는 사람
금융, 부동산, 스포츠, 마케팅 데이터를 주제로 확장해봅니다.
Learning path
Learn.
Test.
Publish.
01
입문
Start
처음 시작하는 사람도 부담 없이 따라올 수 있도록 Python, Pandas, EDA의 기본 흐름부터 차근차근 잡습니다.
Python / Pandas데이터 정리EDA기초 통계
02
실습
Apply
공개 데이터와 예제 문제를 활용해 시각화, 머신러닝, 크롤링을 경험합니다.
시각화Kaggle 예제크롤링모델 평가
03
프로젝트
Ship
팀별 주제를 정하고 분석 결과를 발표 자료, 포트폴리오, Harness 기반 개인 웹사이트로 완성합니다.
문제 정의팀 분석발표 피드백웹 포트폴리오
OUTPUT 01
Analysis Report
질문, 데이터, 해석이 담긴 분석 리포트
OUTPUT 02
Team Presentation
팀 프로젝트 발표 자료와 피드백 기록
OUTPUT 03
Project Archive
GitHub 또는 문서 기반 프로젝트 정리본
OUTPUT 04
Portfolio Site
Harness로 만든 개인 포트폴리오 웹사이트
Project constellation
20 possible
project nodes.
금융, 부동산, 스포츠, 마케팅, 머신러닝 주제를 하나의 맵처럼 펼쳐 관심 있는 문제에서 팀 프로젝트로 이어갑니다.
OFFSET 4th
Project
Map
20 nodes
P-01
FINANCEStock Factor Lab
주가 수익률을 설명하는 요인은 무엇일까?
P-02
MLCredit Risk Model
대출 부실 위험을 사전에 예측할 수 있을까?
P-03
REALTYReal Estate Index
전월세 가격 변동은 어떤 지역 신호와 연결될까?
P-04
MLApartment Price ML
아파트 실거래가를 설명하는 핵심 변수는 무엇일까?
P-05
MLKBO Win Predictor
경기 전 승패 확률을 어떤 지표로 예측할까?
P-06
SPORTSPlayer Value Board
기록 대비 저평가된 선수를 찾을 수 있을까?
P-07
MLChurn Signal
구독 해지 가능성이 높은 고객은 어떤 패턴을 보일까?
P-08
MARKETAd Spend Mix
광고비를 어디에 배분해야 효율이 높을까?
P-09
MLDemand Forecast
프로모션과 계절성을 반영해 수요를 예측할 수 있을까?
P-10
REALTYHotplace Radar
상권 변화가 임대료와 유동인구에 남기는 신호는?
P-11
MLFraud Pattern ML
비정상 거래를 빠르게 탐지할 수 있을까?
P-12
FINANCEETF Theme Map
ETF 테마는 시장 국면에 따라 어떻게 움직일까?
Housing Demand MLMatch AttendanceCard Spend PersonaAuction Price ModelFan SentimentLoan PortfolioConversion FunnelPortfolio Optimizer
External challenges
공모전의
형식까지 참고합니다.
실제 기업, 금융, 공공데이터 대회의 문제 정의 방식을 참고해 프로젝트를 더 현실적인 결과물로 다듬습니다.
C-01
금융 AI 모델 경쟁
금융 AI Challenge
금융보안원 / DACON
금융보안 특화 LLM 평가와 오프라인 추론 파이프라인
C-02
금융 AI Agent
KOSCOM AI Agent Challenge
코스콤
실시간 금융 데이터 기반 MCP 에이전트 서비스 제안
C-03
글로벌 자산배분
DB GAPS 투자대회
DB김준기문화재단 / DB증권
거시지표 기반 포트폴리오 운용 전략과 성과 회고
C-04
자본시장 연구
KRX 증권·파생상품 경시대회
한국거래소 / 금융위원회
파생상품 시장 데이터 기반 연구제안서와 발표 보고서
C-05
보험·은행·증권 연구
DB 보험금융공모전
DB김준기문화재단
금융소비자 리스크와 보험/자산관리 서비스 개선안
C-06
수요 예측·마케팅
동원 x KAIST AI Competition
동원그룹 / KAIST
소비자 페르소나 기반 신제품 12개월 판매량 예측
활동 기간
2026년 9월 - 2027년 2월 말
학기 중
격주 1회
방학 중
주 1회
활동 장소
서울 권역
모집 인원
24명
모집 기간
09.07 - 09.27
FAQ
Before
applying.
코딩 경험이 없어도 되나요?
네. Python 기초부터 차근차근 진행하며, 데이터분석을 처음 접하는 분도 따라올 수 있게 기초 세션을 운영합니다.
비전공자도 가능한가요?
가능합니다. 현재 실력보다 배우려는 태도와 꾸준히 참여할 수 있는지를 더 중요하게 봅니다.
결과물도 만들 수 있나요?
팀 프로젝트를 통해 분석 결과물, 발표 자료, 포트폴리오까지 완성하는 것을 목표로 합니다.
정기 세션은 얼마나 자주 진행되나요?
학기 중에는 격주 1회, 방학 중에는 주 1회 활동합니다. 활동 장소는 서울 권역입니다.