처음하는 파이썬 머신러닝 부트캠프 (쉽게! 실제 캐글 문제 풀며 정리하기) [데이터분석/과학 Part3]

본 강의는 실제 네카라쿠배 회사 중 한 곳의 공식 사내 파이썬 머신러닝 교육 강의로 사용중입니다

• 머신러닝/인공지능 기술은 개념이 복잡하고, 실제 문제에 적용하는 다양한 기법도 있어서, 내용이 매우 방대합니다
• 처음 익힐 때는 머신러닝 기본부터, 꼭 익혀야 하는 개념과, 실제 문제에 적용하는 기법을 적절히 배합해서 익혀야 합니다
• 이를 기반으로 머신러닝 기술에 감을 잡으면, 이를 기반으로 인공지능 기술을 익히면 됩니다
• 수많은 이론, 복잡한 기술일 수록, 꼭 필요한 부분을 중심으로 차곡차곡 쌓아나가야 활용할 수 있습니다

• 수학/통계와 같은 깊은 원리에 너무 집중하거나, 쓰지도 않을 예전 기술까지 모두 나열하기보다는
• 꼭 필요한 개념과 실전 문제에 적용하는 핵심 기법을 실전 문제를 풀어가며, 익혀가도록 구성하였습니다
• 실전 문제에 적용하는 다양한 기법이 있습니다. 이를 익힐 수 있도록, 실전 문제로 다양한 머신러닝 기법을 익힙니다
• 가장 자료가 풍부한 유명한 문제로, 실전에 적용할 수 있는 다양한 기법을 가능한 모두 적용해가며, 머신러닝을 실제 활용할 때, 고려할 수 있는 다양한 기법을 익힙니다
• 데이터 예측 문제로 가장 유명한 캐글 사이트에서 데이터를 다운받고, 예측하고, 최종 제출까지 해보면서, 머신러닝 전과정을 풀어봅니다.

오래전 강사가 답답했던 부분입니다. 우선 실제 문제를 기반으로, 어떻게 머신러닝 기법을 적용하는지부터 익혀보세요.
머신러닝 기본 개념을 이해해도, 실제 문제에 적용하기 어려운 이유는 실제 문제에 적용할 때, 사용하는 다양한 기법이 있기 때문입니다. 
실제 문제에 적용할 수 있는 다양한 기법을 코드레벨로 따라해보며, 이해가 필요한 관련 개념도 필요할 때마다, 바로 설명을 듣는다면, 전과정을 가볍게라도 활용할 수 있습니다.

이를 통해 관련 기술에 익숙해지면, 전반적인 머신러닝 기술을 짧은 시간에 이해하고, 심지어 바로 활용할 수 있습니다

파이썬만 쓸 수 있으면 강의 수강이 가능합니다 여기에 pandas 와 시각화 기술을 쓸 수 있으면 가능합니다
관련 기술에 익숙하지 않은 분들을 위해서, 난이도까지 고려해서, 체계적으로 익힐 수 있도록 데이터 분석/과학 로드맵을 제공하고 있습니다
특히, 본 페이지 하단부에서 설명드리는 데이터 분석/과학 로드맵의 처음하는 파이썬 데이터 분석 강의와 함께 수강하시면, 파이썬으로 데이터를 다루는 기술을 순차적으로 익힐 수 있습니다

데이터 분야는 다양한 이론과 기술이 있기 때문에, 잘못 접근하면 오랜 시간이 걸려도 익히기 어렵습니다. 저도 여러차례 실패하였습니다. 하지만, 핵심 기술을 중심으로 익히면, 생각보다 쉬울 수 있습니다.

데이터 관련 핵심 기술을 데이터 수집, 저장, 분석, 예측 작업으로 나누어서, 관련 기술을 순차적으로 익혀보세요. 여기에 각 비즈니스 분야에 대한 지식(도메인 지식이라고 합니다)을 쌓으시면 경쟁력을 가질 수 있습니다. 이와 관련하여, 데이터 관련 핵심 기술을 난이도를 점차 높혀가며 순차적으로 익힐 수 있도록, 데이터 분석/과학 로드맵을 만들었습니다. 본 페이지 하단부에서 관련 로드맵도 확인할 수 있습니다.

수년간 많은 분들이 학습하고, 굉장히 좋은 피드백을 주셨던 검증된 강의들입니다.

파이썬만 할 수 있다면, 어렵지 않습니다!
머신러닝을 처음 익힐 때, 가장 어려움을 겪는 부분은 관련 이론을 이해하기 위한 수학, 통계, 확률을 공부하는 부분입니다. 관련 기술만 수십년 익힌 강사님은 쉽게 설명하더라도, 익히는 사람은 매우 오랜 시간이 걸립니다.

관련 이론과 깊은 수학적 원리부터 깊게 탐독하기 보다는, 가볍게 개념을 이해하고, 실제 문제로 머신러닝 코드 작성 방법을 익혀보세요. 처음부터 Top 1% 를 목표로 하기보다, 우선은 데이터 예측 Top 20% 를 목표로 코드 작성법과 실전 문제에 적용할 수 있는 기법을 익혀보세요. 이해할 수 있을만큼 개념을 이해하고, 머신러닝 코드를 실제로 적용해보면, 익숙해지고, 이론만 익히면 막연했던 머신러닝 기술을 이해하고, 활용할 수 있습니다.

본 강의도 kaggle 실제 문제와 데이터를 기반으로 하나씩 적용해보며, 단계별로 익힐 수 있도록 구성하였습니다.

• 각 머신러닝 사용법을 익히는 것과, 실제 문제를 풀 때 필요한 코드와 단계들은 차이가 큽니다.
• 어떤 단계로 실제 데이터를 분석하고, 가공하고, 예측하는지 단계별로 진행합니다.
• 그리고 각 단계별로 이해가 필요한 기술을 설명합니다. 심지어 예측결과를 제출까지 해봅니다.
• 그래서, 이론만 한참 익히느라 지치지 않고, 실제 적용 방법도 이해할 수 있도록 꾸몄습니다.

본 강의는 입문자를 대상으로 하는 강의이므로, 꼭 다뤄봐야 하는 기술을 중심으로 Top 20% 를 목표로 합니다!

처음 머신러닝을 익히는 분들을 위해, 마중물 역할을 하는 강의입니다
현업의 경험과 잘 정리한 자료와 예제로, 강사도 처음 익히는 것처럼!
짧은 시간에 입문자도 Top 20% 까지 머신러닝 기술을 적용할 수 있도록!

실제 문제에 적용해보면 재미도 있고, 예측 결과가 좋으면 정말 기쁘답니다! 합리적인 좋은 분들께 머신러닝도 잔재미를 공유할 수 있기를 희망합니다.

자료와 정보는 차고 넘칩니다.
꼭 필요한 부분을 딱 이해할 수 있게끔 만든 요약 자료로 상세히 설명하는 강의를 듣고 나면,
이후에는 언제든 '아! 이런 내용이 있었는데?' 라는 생각만 들면 언제든 자료만 보면 바로 이해할 수 있습니다.

딱 관련 주제를 이해하고 활용할 수 있도록
꼭 필요한 부분만 간결하게 작성된 자료
그리고, 실제 문제 머신러닝 적용 코드 파일들

• 테스트 코드는 코드 테스트까지 가능한 포맷(주피터 노트북 형태)으로, 기본 이론은 PDF 파일로 제공해드립니다.
• 머신러닝 관련 PDF 자료는 이북 (ebook) 처럼 언제든 확인하실 수 있도록 제공해드립니다. (단, 관련 자료는 저작권 이슈로 복사 및 다운로드는 제한하였습니다)