P2-10.1 노트북(notebook)은 왜 학습에 유용한가¶

Section ID: P2-10.1 Version: v2026.09.15

노트북(notebook)은 코드, 실행 결과, 설명을 함께 저장하는 계산 문서(computational notebook)입니다. Jupyter Notebook이나 Google Colab에서는 코드를 셀 단위로 실행하고, 바로 아래의 숫자·표·차트를 보면서 해석을 적을 수 있습니다.

코드 셀과 마크다운 셀¶

셀(cell)은 문서의 작은 블록입니다. 코드 셀은 계산을 실행하고, 마크다운 셀은 제목·설명·수식·링크를 기록합니다. 출력은 코드 셀의 실행 결과로 붙으며 별도의 셀 종류는 아닙니다.

flowchart TD
  A["마크다운 셀<br/>질문과 목표를 적기"]
  B["코드 셀<br/>작은 계산 실행"]
  C["출력<br/>결과 확인"]
  D["마크다운 셀<br/>해석과 다음 질문 적기"]

  A --> B --> C --> D

점수 [82, 75, 45]의 평균은 약 67.33입니다. Python 스크립트에서는 print()로 값을 표시할 수 있습니다.

1
2
3

scores = [82, 75, 45]
average = sum(scores) / len(scores)
print(average)

Python 노트북 코드 셀에서는 마지막 표현식의 값도 표시됩니다. 다음 셀은 계산 결과를 average에 저장하고 마지막 줄에서 그 값을 표시합니다. 출력은 앞 코드와 같습니다.

1
2
3

scores = [82, 75, 45]
average = sum(scores) / len(scores)
average

계산 뒤의 마크다운 셀에 “평균은 약 67.33이지만, 45점인 학생도 있다”라고 적으면 대표값과 개별 값의 차이를 함께 남길 수 있습니다. 코드를 바꿔도 이 해석 문장은 자동으로 갱신되지 않습니다.

셀별 실험¶

데이터 준비와 계산, 조건 변경을 나누면 어느 단계의 결과인지 확인하기 쉽습니다.

flowchart TB
  A["데이터 준비"]
  B["평균 계산"]
  C["기준별 점수 선택"]
  D["출력 비교와 해석"]
  A --> B --> C --> D

첫 코드 셀에서 다섯 학생의 점수를 준비합니다. 대입문만 있으므로 표시되는 출력은 없고, 실행 중인 Python 커널에 scores가 생깁니다. 커널(kernel)은 코드를 실행하고 변수 등의 상태를 유지하는 프로세스입니다.

1

scores = [82, 75, 45, 90, 61]

두 번째 코드 셀에서 앞의 점수로 평균을 계산하면 70.6이 표시됩니다.

1
2

mean_score = sum(scores) / len(scores)
mean_score

세 번째 코드 셀은 기준 60 이상인 점수를 골라 [82, 75, 90, 61]을 표시합니다.

1
2
3

threshold = 60
passed = [score for score in scores if score >= threshold]
passed

세 번째 셀의 threshold를 80으로 바꾸고 그 셀만 다시 실행하면 [82, 90]이 표시됩니다. 점수 데이터와 평균은 그대로이며 선택 기준과 결과만 달라집니다.

입력 변경과 다시 계산할 셀¶

mean_score에는 계산 당시의 숫자가 저장됩니다. scores와 계속 연결된 수식이 저장되는 것은 아닙니다. 기준을 60으로 두고 앞의 세 셀을 실행한 뒤 데이터 셀의 마지막 점수 61을 100으로 바꾸어 비교합니다.

입력을 만드는 셀을 바꾸면 그 입력을 사용한 계산 셀과 출력도 다시 실행해야 합니다. 셀 옆 실행 번호는 실제 실행 순서의 단서이지만, 현재 코드·입력·출력이 서로 맞는다는 보증은 아닙니다. 계산이 끝난 뒤 코드를 편집하거나 다른 셀에서 변수를 바꿀 수도 있기 때문입니다.

셀 실행 순서와 남은 상태¶

노트북 화면의 셀 순서와 실제 실행 순서는 다를 수 있습니다. 아래 첫 셀을 실행하면 커널에 x = 10이 저장됩니다.

1

x = 10

그다음 셀을 실행하면 15가 표시됩니다.

1

x + 5

첫 셀의 코드를 x = 100으로 고치기만 하고 실행하지 않으면, 두 번째 셀을 다시 실행해도 15입니다. 커널에는 이전 값 10이 남아 있기 때문입니다. 첫 셀과 두 번째 셀을 차례로 실행해야 105가 됩니다.

커널을 재시작하면 이전 변수 상태가 사라집니다. 이때 두 번째 셀만 실행하면 x가 정의되지 않아 NameError가 발생합니다. 커널을 재시작한 뒤 위에서 아래로 모두 실행하면 문서에 남은 코드만으로 결과를 다시 만들 수 있는지 확인할 수 있습니다.

사례: 평균은 같고 퍼짐은 다른 점수¶

다음 두 점수 목록은 모두 평균이 12입니다. 평균만 비교하면 차이가 보이지 않으므로, 평균에서 얼마나 떨어져 있는지도 계산합니다. 편차 제곱의 합을 항목 수로 나눈 기술 통계용 분산을 사용합니다.

 1
 2
 3
 4
 5
 6
 7
 8
 9
10

sample_a = [10, 12, 13, 11, 14]
sample_b = [8, 16, 9, 15, 12]

mean_a = sum(sample_a) / len(sample_a)
mean_b = sum(sample_b) / len(sample_b)
variance_a = sum((value - mean_a) ** 2 for value in sample_a) / len(sample_a)
variance_b = sum((value - mean_b) ** 2 for value in sample_b) / len(sample_b)

print("means:", mean_a, mean_b)
print("variances:", variance_a, variance_b)

1
2

means: 12.0 12.0
variances: 2.0 10.0

마크다운 셀에는 “평균은 같지만 B의 분산이 5배 크다”라고 해석을 붙일 수 있습니다. B의 값을 [10, 14, 11, 13, 12]로 바꾸고 다시 실행하면 평균은 여전히 12이고 분산은 2가 됩니다. 이제 두 목록의 평균과 분산이 같으므로 기존 해석도 수정해야 합니다.

노트북에는 입력, 계산, 출력, 해석을 함께 남길 수 있습니다. 다만 입력을 고친 뒤 계산 셀을 실행하거나 해석을 수정하는 일은 별도로 해야 합니다.

노트북과 스크립트의 용도¶

노트북은 중간 결과와 설명을 함께 살피는 탐색에 적합합니다. 같은 작업을 반복 실행하거나 함수를 여러 곳에서 재사용할 때는 .py 스크립트나 모듈(module)로 분리할 수 있습니다.

예를 들어 점수 통계 함수를 모듈에 두고, 노트북에서는 그 함수를 호출해 두 입력의 결과와 해석을 비교할 수 있습니다.

체크리스트¶

• 노트북(notebook)을 코드, 설명, 출력이 함께 있는 계산 문서로 설명할 수 있다.
• 코드 셀(code cell)과 마크다운 셀(markdown cell)을 구분할 수 있다.
• 노트북이 AI 수학과 Python 실습 기록에 유용한 이유를 설명할 수 있다.
• 셀 실행 순서가 결과에 영향을 줄 수 있음을 설명할 수 있다.
• 노트북이 스크립트를 완전히 대체하지 않는다는 점을 설명할 수 있다.
• 학습 노트북에서 질문, 코드, 출력, 해석을 함께 남길 수 있다.
• 노트북을 실행 도구이면서 학습 기록 문서로 설명할 수 있다.

출처와 참고 자료¶

• Project Jupyter, Project Jupyter Documentation, Jupyter Documentation, 확인 날짜: 2026-07-20. 노트북이 코드, 설명, 데이터, 시각화, 상호작용을 함께 담는 문서라는 설명 확인에 사용했다.
• Project Jupyter, Architecture, Jupyter Documentation, 확인 날짜: 2026-09-15. 노트북 문서, 사용자 인터페이스, 커널 등 구성 요소를 구분하는 배경 근거로 사용했다.
• Google, Welcome to Colab, Google Colab, 확인 날짜: 2026-07-20. 브라우저 기반 노트북 환경에서 코드와 설명을 함께 실행·기록하는 예시 확인에 사용했다.
• IPython, Execution semantics, 확인 날짜: 2026-09-15. 마지막 표현식 표시와 코드 실행 동작의 근거.