인프런 영문 브랜드 로고
인프런 영문 브랜드 로고
데이터 사이언스

/

데이터 분석

[PL 0302] 넘파이 마스터 클래스

넘파이의 사용법과 이를 이용한 실전연습을 진행하는 강의입니다.

35명 이 수강하고 있어요.

NumpyPython인공지능(AI)
Thumbnail

입문자를 위해 준비한
[Numpy, 인공지능(AI)] 강의입니다.

이런 걸
배워요!

  • 넘파이

  • 데이터 처리

  • 데이터 연산

NOTICE

본 강의는 인공지능 특화 커리큘럼 All about AI의 pre-semester(본 학기 전 사전 준비 학기)에 속한 강의이며,

데이터 처리 라이브러리 NumPy, Matplotlib, Pandas 중
가장 핵심적인 NumPy를 다루는 강의입니다.

Miro Link: https://miro.com/app/board/uXjVNJ8PZSs=/?share_link_id=801072444784

All About AI에 대한 소개는 오리엔테이션 강의를 참고해주세요.

파이썬을 이용한 데이터 연산의 핵심 NumPy!

NumPy는 Numerical Python의 줄임말로써 벡터, 행렬, 그리고 그 이상의 고차 텐서를 연산하는 데 특화되어 있는 라이브러리입니다.

이 NumPy는 파이썬을 이용해 데이터를 다루는 모든 사람들에게 필수가 되는 기술이며, 가장 범용적으로 사용되기 때문에 한 번 배워놓으면 효자 노릇을 톡톡히 할 라이브러리입니다.

앞으로 우리는 NumPy를 이용하여 머신러닝, 딥러닝 알고리즘들을 직접 구현할 것이기 때문에 이들을 본격적으로 배우기 전에 반드시 제대로 학습해야 하는 라이브러리입니다.

NumPy의 범용성!

NumPy는 데이터를 다루는 다른 라이브러리와의 호환성이 상당히 좋습니다.

따라서 한 번 NumPy를 제대로 배워놓으면 다른 라이브러리를 사용할 때의 진입장벽을 낮출 수 있습니다.

NumPy의 핵심을 다루는 강의!

대부분 NumPy를 다루는 강의나 교재에서는

np.sum, np.hstack, np.histogram

과 같은 API의 사용법만을 중점적으로 다룹니다.


하지만! 단연코 NumPy를 사용할 때 더 중요한 것은

Broadcasting, Fancy Indexing, Vectorization

과 같이 NumPy에서 제공하는 ndarray 객체를 이용하여 빠른 코드를 만드는 것입니다.


따라서 본 강의에서는 NumPy에서 제공하는 필수적인 API들 뿐만 아니라, NumPy를 더 효율적으로 사용할 수 있는 근본적인 테크닉들을 상당히 많이 다룹니다.

이를 통해 여러분들은 데이터를 처리하는 코드를 짤 때 가장 기본기가 튼튼한 사람 중 한 명이 될 것입니다.

강의에서 배울 196개의 API

본 강의에서는 다음과 같이 NumPy에서 제공하는 필수 API들의 사용법을 확실히 배웁니다.

Chapter.2

np.array
np.zeros
np.ones
np.empty
np.full
np.zeros_like
np.ones_like
np.empty_like
np.full_like
np.arange
np.linspace

Chapter.3

np.positive
np.negative
np.add
np.subtract
np.multiply
np.power
np.divide
np.floor_divide
np.remainder

Chapter.4

np.equal
np.not_equal
np.greater
np.greater_equal
np.less
np.less_equal
np.logical_not
np.logical_and
np.logical_or
np.logical_xor
np.all
np.any
np.isclose
np.allclose

Chapter.6

np.square
np.reciprocal
np.sqrt
np.cbrt
np.exp
np.exp2
np.expm1
np.log
np.log2
np.log10


np.log1p
np.deg2rad
np.radians
np.rad2deg
np.degrees
np.sin
np.cos
np.tan
np.sinh
np.cosh


np.tanh
np.sign
np.absolute
np.trunc
np.floor
np.ceil
np.round
ndarray.round
np.clip
ndarray.clip

Chapter.10

ndarray.copy
ndarray.view
ndarray.flatten
ndarray.flat
numpy.ravel
ndarray.ravel
np.reshape
ndarray.reshape
np.resize
ndarray.resize

Chapter.11

np.squeeze
ndarray.squeeze
np.expand_dims
np.newaxis
np.moveaxis
np.swapaxes
np.transpose
ndarray.transpose
np.arcsin
np.arccos
np.arctan


np.sinh
np.cosh
np.tanh
np.sign
np.abs
np.floor
np.ceil
np.clip
np.round
np.trunc
np.fix

Chapter.12

np.random.rand
np.random.random
np.random.uniform
np.random.randint
np.random.randn
np.random.normal
np.random.choice
np.random.permutation
np.random.shuffle
np.random.seed


np.random.default_rng
rng.random
rng.uniform
rng.integers
rng.standard_normal
rng.normal
rng.permutation
rng.choice
rng.shuffle

Chapter.13

np.sum
ndarray.sum
np.prod
ndarray.prod
np.mean
ndarray.mean
np.var
ndarray.var
np.std
ndarray.std


np.max
ndarray.max
np.min
ndarray.min
np.median
np.percentile
np.maximum
np.minimum
np.memdian
np.histogram


np.cumsum
ndarray.cumsum
np.cumprod
ndarray.cumprod
np.ptp
ndarray.ptp
np.diff

Chapter.14

np.sort
ndarray.sort
np.argsort
ndarray.argsort
np.argmax
ndarray.argmax
np.argmin
ndarray.argmin
np.nonzero
ndarray.nonzero
np.where
np.unique

Chapter.15

np.hstack
np.vstack
np.concatenate
np.append
np.hsplit
np.vsplit
np.split
np.partition
ndarray.partition
np.argpartition
ndarray.argpartition

Chapter.16

np.repeat
ndarray.repeat
np.tile
np.meshgrid

Chapter.17

np.linalg.norm
np.dot
ndarray.dot
np.cross
np.outer
np.identity
np.eye
np.diag
np.trace


ndarray.trace
ndarray.transpose
ndarray.T
np.matmul
np.linalg.det
np.linalg.inv
np.linalg.eig

Chapter.18

ndarray.dtype
np.intX
np.uintX
np.floatX
ndarray.itemsize
ndarray.nbytes
ndarray.astype

Chapter.19

np.save
np.load
np.savez
np.savez_compressed


그리고 다음의 챕터에서는 ndarray의 근본적인 사용법을 각각 배웁니다.

Chapter.5 - Broadcasting

Chapter.7 - Integer Indexing

Chapter.8 - Boolean Indexing

Chapter.9 - Slicing on ndarrays

Chapter.20 - Vectorization Techniques

Practical Practices!

본 강의에서는 NumPy의 API, ndarray의 기술들과 함께 이를 복습하기 위해 머신러닝, 딥러닝에서 실제 사용되는 코드를 작성해봅니다.

Outer

앞으로 우리는 본 강의에서 배운 내용을 기반으로 다양한 알고리즘을 직접 구현해볼 예정입니다.

이번 기회에 앞으로 재밌는 알고리즘들을 만들기 위해 NumPy를 확실히 다지는 기회가 되었으면 좋겠습니다.

이런 분들께
추천드려요!

학습 대상은
누구일까요?

  • 넘파이를 제대로 배우고 싶은 분

  • 데이터 분석을 하시는 분

  • 머신러닝, 딥러닝을 배우시는 분

선수 지식,
필요할까요?

  • 파이썬 기초 문법

안녕하세요
공대형아(신경식)입니다.

수강생 수

1,810

수강평 수

72

강의 평점

5.0

강의 수

11

강의 이력

  • [멋쟁이 사자처럼] 인공지능중고급과정

  • [국립기상과학원] 2022, 2023년 기상 AI 부트캠퍼

  • [삼성전기] 신입SW과정 전문반

  • [국가과학기술인력개발원] R&D 수행 역량 강화 장기 멘토링

  • [원광대학교] 원광대학교 AI 집체교육 및 AI 장단기과정

  • [한국지능정보사회진흥원] SW여성인재 교육

  • [SK m&service] 데이터 기반 의사결정

  • [한국IT비즈니스진흥협회] ICT COG Academy

  • [패스트캠퍼스] 수학적으로 접근하는 딥러닝 강사

  • [패스트캠퍼스] 한 번에 끝내는 머신러닝과 데이터분석 A-Z

  • [패스트캠퍼스] 바이트 디그리 Lv.2 Deep Learning Essentials

  • [패스트캠퍼스] 딥러닝인공지능 초격차

  • [패스트캠퍼스] 컴퓨터 공학 초격차 VER.2

     

커리큘럼

전체

145개 ∙ (27시간 33분)

수업 자료

가 제공되는 강의입니다.

강의 게시일: 
마지막 업데이트일: 

수강평

아직 충분한 평가를 받지 못한 강의입니다.
모두에게 도움이 되는 수강평의 주인공이 되어주세요!