Phython을 활용한 데이터 과학 Series!

데이터분석을 위한 Scraping과 DB구축	데이터 엔지니어링과 머신러닝 모델링	Python을 활용한 텍스트분석(가제)［추후개설]

결측치 처리, 이상치 제거, 왜도 등 데이터 전처리로 문제 해결

기존 변수에서 파생변수 생성, 자료 변환 등 분석에 적합한 형태로 변환

Scikit-learn 분류기 API 작동 방식 이해 (교차검증, 하이퍼파라미터, 최적 모델 탐색 등)

알고리즘(KNN, 로지스틱회귀, GNB, SVC, 앙상블) 적용 및 평가

불균형 데이터에 대한 예측 방안 구축

본 과정은 머신러닝의 특성에 맞게 데이터 전처리, 특성 공학 및 기계학습 분야의 예측 알고리즘을 적용하여 최종적인 모델을 도출하고자 합니다. 현장 데이터를 통해 머신러닝으로 문제 해결하는 과정을 스토리텔링으로 구성하였습니다. 본 과정을 통해 Python을 활용한 Data Engineering, Machine learning, Algorithm 을 경험하시기 바랍니다.

python을 활용한 데이터 과학 - 기초과정의 다음 과정으로 기초 과정을 수강했거나 아래 항목을 자유롭게 이용할 수 있는 분들에게 추천 드립니다.

Python을 활용한 데이터과학 - 심화과정을 수강하기 전 체크사항!

• 1. Python 환경, pip, jupyter notebook
• 2. string의 split, join, 합치기, 나누기
• 3. list, dict, tuple, set 개념
• 4. Index, slicing 개념
• 5. for, while로 상기 자료들의 다루기
• 6. numpy 행렬 연산, pandas dataframe 다루기 및 chart 기본
• 7. matplotlib 기본
• ※ 상기 항목에 대한 기본 개념이 없을 경우 수강이 어렵습니다.