잔재미코딩 · 교육과정 소개서
배우는 내용
- 머신러닝 모델·확률·베이즈 정리의 기본 개념
- Kaggle 실제 데이터의 탐색적 데이터 분석(EDA)
- Feature Engineering·인코딩·스케일링
- 분류·회귀·군집화 모델 이해와 적용
- 교차 검증·성능 평가·하이퍼파라미터 튜닝
- Voting·모델 블렌딩과 Kaggle 예측 결과 제출
선수 지식
파이썬 기본 문법과 pandas를 활용한 데이터 가공·시각화 경험을 권합니다. 머신러닝은 처음이어도 괜찮습니다.
이론만 배우나요, 실제 데이터로 실습하나요?
Kaggle의 타이타닉·자전거 공유 문제와 고객 분류 데이터로 실습합니다. 분석·가공·모델 적용·성능 평가·예측 결과 제출까지 이어집니다.
학습 자료는 어떤 형태인가요?
실행 가능한 코드는 주피터 노트북 형태로 제공합니다. 기본 이론 PDF는 온라인 이북으로 확인할 수 있으며, 저작권 보호를 위해 복사·다운로드가 제한됩니다.
수업별 전체 목차
01. 강의와 수업 진행 과정 소개
| # | 상세 교육내용 | 구분 |
|---|
| 01 | 처음하는 파이썬 머신러닝 강의 소개 | 영상 |
| 02 | 강의 범위와 수업 진행 과정 소개 | 영상 |
| 03 | 수업 진행 방법과 수업 준비 | 영상 |
| 04 | 데이터 강의 로드맵 소개 | 영상 |
02. 수업준비
| # | 상세 교육내용 | 구분 |
|---|
| 01 | [참고] 아나콘다와 주피터노트북 소개 (업데이트) | 영상 |
| 02 | [참고] 아나콘다와 주피터노트북 설치 및 실행 시연 (맥/윈도우 환경) (업데이트) | 영상 |
| 03 | 주피터 노트북 사용법 (업데이트) | 영상 |
| 04 | 학습 효과를 높일 수 있는 꿀팁과 공유사항 (업데이트) | 영상 |
03. 배경지식으로 데이터 사이언스 시작하기
| # | 상세 교육내용 | 구분 |
|---|
| 01 | 수업 자료/코드 관련 가이드 (꼭 들어주세요~) | 영상 |
| 02 | 수업 자료/코드 다운로드 | 자료 |
| 03 | 머신러닝 배경지식: 인식과 머신러닝 | 영상 |
| 04 | Hello 머신러닝: 코드 실행해보며, 머신러닝 프로세스 이해해보기 | 영상 |
| 05 | 머신러닝 배경지식: 머신러닝 모델과 성능평가의 이해 | 영상 |
| 06 | 머신러닝 모델 이해 전략 | 영상 |
| 07 | 머신러닝 배경지식: 조건부, 결합, 주변 확률 이해 | 영상 |
| 08 | 머신러닝 배경지식: 사전, 사후 확률과 우도(가능도) 이해하기 | 영상 |
| 09 | 머신러닝 배경지식: 베이즈 정리 이해하기 | 영상 |
| 10 | 베이즈 정리 활용과 머신러닝 프로세스 | 영상 |
| 11 | 가우시안 나이브 분류로 이해하는 머신러닝 원리 | 영상 |
04. 실제 문제 풀어보며, 머신러닝 기본 시작하기 (EDA)
| # | 상세 교육내용 | 구분 |
|---|
| 01 | 머신러닝 시작하기 | 영상 |
| 02 | 캐글(Kaggle) 사이트와 Kaggle API 사용법 익히기 | 영상 |
| 03 | 타이타닉 문제로 시작하는 EDA1 | 영상 |
| 04 | 타이타닉 문제로 시작하는 EDA: 범주형 데이터 분석 패턴1 (업데이트) | 영상 |
| 05 | 타이타닉 문제로 시작하는 EDA: 범주형 데이터 분석 패턴2 (업데이트) | 영상 |
| 06 | 타이타닉 문제로 시작하는 EDA: 수치형 데이터 분석 패턴1 (업데이트) | 영상 |
| 07 | 타이타닉 문제로 시작하는 EDA: 수치형 데이터 분석 패턴2 (업데이트) | 영상 |
05. 실제 문제 풀어보며, 머신러닝 기본 시작하기 (Feature Engineering)
| # | 상세 교육내용 | 구분 |
|---|
| 01 | 머신러닝 적용을 위한 Feature Engineering 작업1 (업데이트) | 영상 |
| 02 | 머신러닝 적용을 위한 Feature Engineering 작업2 (업데이트) | 영상 |
| 03 | 머신러닝 적용을 위한 Feature Engineering 작업3 (업데이트) | 영상 |
| 04 | 머신러닝 적용을 위한 Feature Engineering 작업4 (업데이트) | 영상 |
| 05 | 머신러닝 적용을 위한 Feature Engineering 작업5 (업데이트) | 영상 |
| 06 | 인코딩 이해하고 적용하기 (원핫, 레이블 인코딩) (업데이트) | 영상 |
06. 분류 머신러닝 기법 이해하기
| # | 상세 교육내용 | 구분 |
|---|
| 01 | 머신러닝 분류 모델 이해하기1 (KNN, Logistic Regression, SVM) | 영상 |
| 02 | 머신러닝 분류 모델 이해하기2 (bias 와 variance) | 영상 |
| 03 | 머신러닝 분류 모델 이해하기3 (Bagging 과 Random Forest) | 영상 |
| 04 | 머신러닝 분류 모델 이해하기4 (Boosting 과 AdaBoost) | 영상 |
| 05 | 머신러닝 분류 모델 이해하기5 (GBM1) | 영상 |
| 06 | 머신러닝 분류 모델 이해하기6 (GBM2) | 영상 |
| 07 | 머신러닝 분류 모델 이해하기7 (XGBoost, LightGBM, 나이브 베이지안) | 영상 |
07. 머신러닝 성능 평가와 튜닝하기
| # | 상세 교육내용 | 구분 |
|---|
| 01 | 교차 검증(Cross Validation) 이해하기 | 영상 |
| 02 | 교차 검증(Cross Validation) 이해하기 (실습) | 영상 |
| 03 | 중요도 이해하고 적용하기 (업데이트) | 영상 |
| 04 | 하이퍼 파라미터 튜닝 기법 이해하기 (업데이트) | 영상 |
| 05 | 하이퍼 파라미터 튜닝 기법 적용하기 (SVC 실습) (업데이트) | 영상 |
| 06 | 하이퍼 파라미터 튜닝 기법 적용하기 (GBM 실습) (업데이트) | 영상 |
| 07 | 하이퍼 파라미터 튜닝 기법 적용하기1 (XGBoost 실습) (업데이트) | 영상 |
| 08 | 하이퍼 파라미터 튜닝 기법 적용하기2 (XGBoost + GridSearch 실습) (업데이트) | 영상 |
| 09 | Voting 이해하고, 최종 예측해서, Kaggle 에 제출해보기 (업데이트) | 영상 |
08. 다른 방식으로 분류 정확도 높여보며 익히는 머신러닝
| # | 상세 교육내용 | 구분 |
|---|
| 01 | 다르게 적용해보는 Feature Engineering1 (업데이트) | 영상 |
| 02 | 다르게 적용해보는 Feature Engineering2 (업데이트) | 영상 |
| 03 | 또다른 성능 평가: OOB 와 ROC Curve 이해하기 (업데이트) | 영상 |
| 04 | 스케일링 이해와 kaggle 제출하기 (업데이트) | 영상 |
09. 머신러닝 회귀 모델 적용하며 익히기
| # | 상세 교육내용 | 구분 |
|---|
| 01 | 주요 회귀 머신러닝 모델과 Regularization(정규화) 이해하기 | 영상 |
| 02 | 자전거 공유 문제 이해와 EDA1 | 영상 |
| 03 | 회귀 모델 성능 평가: MAE, MSE, RMSE, RMSLE | 영상 |
| 04 | 자전거 공유 문제 이해와 EDA2 | 영상 |
| 05 | 자전거 공유 문제 이해와 EDA3 (업데이트) | 영상 |
| 06 | 자전거 공유 문제 이해와 EDA4 | 영상 |
| 07 | 머신러닝 적용을 위한 Feature Engineering | 영상 |
| 08 | 머신러닝 회귀 모델 사용법 익히기1 (Linear, Lasso, Ridge 모델) | 영상 |
| 09 | 머신러닝 회귀 모델 사용법 익히기2 (Random Forest, XGBoost, Gradient Boosting 모델) | 영상 |
| 10 | 모델 블렌딩 전략으로 kaggle 제출하기 | 영상 |
10. 머신러닝 클러스터링 모델 적용하며 익히기
| # | 상세 교육내용 | 구분 |
|---|
| 01 | 주요 클러스터링 머신러닝 모델 이해하기1 (KMeans 모델 이해와 테스트) | 영상 |
| 02 | 주요 클러스터링 머신러닝 모델 이해하기2 (KMeans++, Hierarchical Clustering, DBSCAN, Spectral Clustering) | 영상 |
| 03 | 고객 분류 문제 이해와 EDA (업데이트) | 영상 |
| 04 | 군집화 머신러닝 모델들로 고객 분류하기 (업데이트) | 영상 |
11. Outro 및 향후 학습 진행 가이드
| # | 상세 교육내용 | 구분 |
|---|
| 01 | 강의 정리 및 향후 학습 진행 가이드 | 영상 |
12. 강의 완강 인증서 발급
| # | 상세 교육내용 | 구분 |
|---|
| 01 | 강의 수강평 및 제안사항 | 링크 |
| 02 | 강의 완강 인증서 발급 | 수료증 |