처음하는
파이썬 머신러닝 부트캠프

본 강의는 데이터 분석/과학 로드맵 기반, 파이썬 머신러닝을 처음 익히는 입문자를 위한 강의입니다

강사가 오래전 처음 머신러닝을 익혔을 때의 실패 경험을 바탕으로,

실제 문제를 다양하게 풀어보며, 꼭 익혀야 하는 개념과 주요 활용 기술을 이해할 수 있도록 꾸몄습니다

이를 통해, 짧은 기간에 실패하지 않고, 실제 문제에 머신러닝을 활용할 수 있도록 하였습니다

• 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

강사도 몇 차례 실패 끝에, 이와 같은 순서로 학습해서, 결국 현업에서도 잘 활용하고 있습니다.

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

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 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!

현재도 활용되는 주요 머신러닝 기술을 중심으로!

kaggle 실제 문제와 데이터를 기반으로

→ 어떤 머신러닝 기술이 있는지

→ 어떤 단계로 실제 데이터를 분석하고, 가공하고, 예측하는지

→ Feature Engineering, Hyper Parameter Tuning, Voting, Encoding 등 실제 활용을 위해 필요한 기술까지

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.

• 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)

웹이든 앱이든 최근 서비스는 서버가 필요하며, 서버에서 모든 서비스는 도커 기술을 통해 서비스 합니다. 도커는 최신 서버 기술의 핵심이고, 현업에서는 필수입니다. 무엇보다 개발자라면 꼭 내 것으로 만들어야 하는 최신 IT 기술입니다.

기본기가 핵심입니다! 도커는 최신 서버 기술의 기본입니다. 쿠버네티스, 무중단/자동배포등은 모두 도커 기술을 탄탄히 쌓은 후, 하나씩 추가해나가면 됩니다. 도커를 건너뛰거나, 대충만 알고는 관련 기술을 제대로 익히고 활용할 수 없습니다.

책은 너무 상세하고, 찾기도 어려워요. 시간도 많이 걸리죠. 블로그는 너무 산발적인 정보로 검색만으로는 정리하기 힘들죠. 우선순위를 정해서 익혀야할텐데, 어디까지 우선 필요한지, 어디까지 익혀야 도커를 알고 활용할 수 있을지 모르겠죠.

상세한 요약 자료와 다양한 예제를 쉽게 설명하는 강의와 함께 이해하면, 이후에는 언제든 '아! 저 기능 기억나는데 어떻게 쓰더라?' 라는 생각이 들고, 그 때 언제든 자료와 예제를 보면 바로 활용할 수 있습니다.

• 각 기능별 샘플코드와 다양한 도커 프로젝트 예제를 파일로 제공해드리며, 리눅스 사용법도 PDF 파일로 제공해드립니다.
• 도커 관련 강의 상세 자료도 온라인에서 이북 (ebook) 처럼 언제든 확인하실 수 있도록 제공해드립니다. (단, 도커 상세 자료는 저작권 이슈로 복사 및 다운로드는 제한하였습니다)

IT 기술은 연계되어 있고, 기술을 연결하였을 때, 비로소 그럴듯한 서비스나, 데이터 과학 기술이 가능합니다. 연결된 기술 전반을 난이도를 차근차근 올리며, 핵심을 익히시면, 짧은 시간에 효율적으로 깊이있게 익힐 수 있고, 시스템과 데이터 전반이 드디어 이해가 되고, 각 기술에 대한 이해의 깊이도 달라집니다. 이러한 깊이와 눈을 가지면, 비로소 개발자와 데이터 커리어에서 경쟁력을 갖츨 수 있고, 시니어 레벨도 가능합니다.

이를 위해 각 분야의 핵심 기술을 짧은 시간에 정리할 수 있는 로드맵을 만들고 있습니다.

미리 무료 섹션의 챕터들을 직접 들어보세요