StatUpAI 소개
코딩 없이 데이터 분석부터 논문 작성까지
엑셀/CSV 한 파일만 있으면, StatUpAI 가 전처리·통계 검정·머신러닝·시각화·논문 작성을 단계별로 안내합니다. 통계 전문가가 아니어도 신뢰할 수 있는 결과를 얻을 수 있습니다.
왜 StatUpAI 인가요?
노코드 워크플로우
Python·R 코드 없이 클릭만으로 데이터 업로드 → 전처리 → 분석 → 시각화까지 한 흐름으로 진행합니다.
자동화된 의사결정
변수 자동 정리, 결측치/이상치 처리 권장, 정규성 자동 판정 후 t-test ↔ Mann-Whitney 같은 적절한 검정 자동 선택.
단계별 한국어/영어 해설
각 단계마다 '이 단계가 하는 일', '확인할 점', '용어 설명' 을 두 언어로 제공해 학습하면서 분석할 수 있습니다.
논문 자동 작성
전처리부터 결과까지 분석 흐름을 그대로 LaTeX/PDF 논문 형식으로 출력. 학회·보고서 제출용 초안을 즉시 만들 수 있습니다.
분석 파이프라인 4가지
데이터 형태와 분석 목적에 따라 4가지 파이프라인을 제공합니다. 각 파이프라인은 데이터 업로드부터 논문 출력까지 같은 흐름으로 진행됩니다.
집단간 차이 분석
두 그룹 이상의 평균·비율 차이를 자동 검정
두 개 이상의 그룹 사이의 차이가 통계적으로 의미 있는지 검정합니다. 정규성을 자동 판정해 t-test / Mann-Whitney · ANOVA / Kruskal-Wallis · 카이제곱 검정 중 적절한 것을 자동 선택하고, 사후검정과 다중비교 보정까지 한 번에 처리합니다.
- 기술통계 + 정규성 검정
- t-test · Mann-Whitney U
- ANOVA · Kruskal-Wallis + 사후검정
- 카이제곱 검정
- 선형/로지스틱/Firth 회귀
빅데이터 분석 기반 머신러닝 자동화
변수 선택 → 다중공선성 제거 → 모델 학습까지 한 번에
AutoGluon 기반 경량 ensemble (LightGBM · 선형 모델 등) 로 분류/회귀 모델을 자동 학습합니다. 변수 분포 EDA, 이상치 탐색, 상관계수·VIF 기반 다중공선성 변수 제거, 자동 스케일링까지 한 흐름. 결과변수 타입에 따라 분류/회귀, 평가지표가 자동 결정됩니다.
- 변수 EDA (분포 · 산점도)
- 이상치 탐색 (Z-score / IQR)
- 상관계수 + VIF 다중공선성 제거
- AutoGluon 자동 학습 + Leaderboard
- 변수 중요도 · Confusion Matrix · ROC
시계열 분석
추세·계절성 분해 + auto ARIMA / SARIMAX 자동 적합
시계열 데이터를 분해 (추세 · 계절성 · 잔차) 한 뒤, ADF·KPSS 정상성 검정 결과에 따라 차분을 자동 적용하고 pmdarima 의 auto_arima 가 최적 차수를 탐색합니다. 외생변수 (휴일·이벤트 등) 를 포함한 SARIMAX 까지 지원하며, 예측 신뢰구간과 잔차 진단까지 자동 출력.
- 시계열 시각화 · 상관 매트릭스
- 추세 / 계절성 / 잔차 분해
- 정상성 검정 (ADF · KPSS) + 자동 차분
- CCF · 공적분 검정
- auto_arima · SARIMAX + 예측 신뢰구간
자연어 / 계량서지 분석
PDF · OpenAlex 수집 → 토픽 · 네트워크 자동 분석
OpenAlex 검색 / Excel 메타데이터 / PDF 일괄 업로드 어느 경로든 시작 가능합니다. stanza·gensim 기반 토큰화 + 불용어 처리 → LDA 토픽 모델링 (coherence 기반 최적 K 자동 탐색) → 키워드 네트워크 → 시계열 토픽 변화 까지 한 흐름. 한국어/영어 모두 지원.
- OpenAlex / PDF / Excel 자동 수집
- 워드클라우드 · 빈도 분석
- LDA 토픽 모델링 (자동 K 탐색)
- 키워드 공출현 네트워크 + 중심성
- 연도별 토픽 변화 + 전략 다이어그램
분석 시작하기
FREE 무료 체험 · 그 외 PREMIUM 부터