실리콘밸리 엔지니어와 함께하는 데이터 사이언스 기초편

Q. 왜 이 강의를 들어야 하나요?

이 강의는 데이터 과학의 기본 개념부터 시작해, Anaconda, Numpy, Pandas, Scikit-learn을 포함한 핵심 도구들을 실습을 통해 배울 수 있도록 구성되어 있습니다. 실무적인 데이터 분석 및 머신러닝 기술을 직접 경험할 수 있어, 이론과 실습을 통합적으로 학습하고 싶은 분들에게 이상적입니다.

Q. 이 강의를 듣고 나면 어떤 일을 할 수 있나요?

강의를 통해 배운 기술을 활용하여, 데이터 분석, 데이터 전처리, 시각화, 기본적인 머신러닝 모델의 구축 및 평가 등을 할 수 있습니다. 이는 비즈니스 인사이트를 도출하거나, 다양한 산업 분야에서 데이터 기반 의사 결정을 내리는 데 필수적인 역량입니다.

Q. 비전공자도 이 강의를 들을 수 있나요?

네, 가능합니다. 이 강의는 데이터 과학의 기본 개념부터 시작해 점차 심화 내용으로 나아가므로, 비전공자도 기본적인 컴퓨터 사용 능력과 수학에 대한 기본적인 이해만 있다면 충분히 따라갈 수 있습니다. 다만, Python 프로그래밍 언어에 대한 기본 지식이 있다면 강의를 더욱 효과적으로 수강할 수 있습니다. 수학적 배경 지식, 특히 통계학과 선형대수학에 대한 이해도 도움이 됩니다.

파이썬이 처음이시라면 유튜브를 통해 파이썬 기초를 학습하거나 아래 강의를 먼저 수강해주세요! 기초 부분만 보셔도 전체 강의를 따라오는 데 어려움은 없을 것입니다.

📢 실습 환경 및 자료 안내

Windows, macOS, Linux, Ubuntu 등 사용하는 PC 운영체제에 상관은 없지만, 강의는 macOS를 중심으로 진행됩니다. 상세 PC 사양은 아래와 같습니다.

• 프로세서(CPU) : 최소한 듀얼 코어 프로세서가 권장됩니다. 그러나 더 많은 코어를 갖는 프로세서는 데이터 처리 속도를 높이는 데 도움이 됩니다.
• 메모리(Memory) : 최소 4GB RAM이 필요하지만, 8GB 이상의 RAM을 권장합니다. 데이터 과학 작업은 종종 많은 양의 데이터를 메모리에 로드해야 하므로, 더 많은 RAM이 유리합니다.
• 저장 공간 : 충분한 하드 드라이브 또는 SSD 공간이 필요합니다. Scikit-learn 자체는 큰 공간을 차지하지 않지만, 사용할 데이터셋과 프로젝트 파일에 따라 상당한 저장 공간이 필요할 수 있습니다.
• 파이썬 버전 : Scikit-learn을 실행하기 위해서는 Python 3.6 이상이 필요합니다. 최신 버전의 Python을 사용하는 것이 좋습니다.

수강생에게는 PDF 형식의 강의 교안 및 Github을 통한 소스 코드를 공유합니다.