목차

PART 01 개발 환경 설정

1. 구글 코랩이란?

2. 코랩 시작하기

2-1. 구글 계정 로그인

2-2. 구글 코랩 실행하기

3. "Hello, Colab" 코딩하기

4. 예제 파일 업로드하기



PART 02 파이썬 기초

1. 프로그래밍 기본 개념

1-1. 데이터 입력과 출력

1-2. 변수에 저장

1-3. 화면에 출력

2. 자료형

2-1. 숫자형

2-2. 문자열

2-3. 리스트

2-4. 투플

2-5. 딕셔너리

3. 연산자

3-1. 산술연산자

3-2. 논리연산자

3-3. 비교연산자

4. 제어문

4-1. 조건문(if)

4-2. for 반복문

4-3. while 반복문

4-4. 예외처리(try~except)

5. 함수

5-1. 사용자 정의 함수

5-2. 람다(lambda) 함수

5-3. 파이썬 내장 함수

6. 클래스



PART 03 머신러닝 입문

1. 판다스 자료구조

2. 머신러닝

2-1. 지도학습 vs. 비지도학습

2-2. 회귀 vs. 분류

2-3. 머신러닝 프로세스

3. 일차함수 관계식 찾기

3-1. 문제 파악

3-2. 데이터 탐색

3-3. 데이터 전처리

3-4. 모델 학습

3-5. 예측

4. 분류(Classification) - 붓꽃의 품종 판별

4-1. 데이터 로딩

4-2. 데이터 탐색

4-3. Train-Test 데이터셋 분할

4-4. 분류 알고리즘 ① - KNN

4-5. 분류 알고리즘 ② - SVM

4-6. 분류 알고리즘 ③ - 로지스틱 회귀

4-7. 분류 알고리즘 ④ - 의사결정나무

4-8. 앙상블 모델 ① - 보팅

4-9. 앙상블 모델 ② - 배깅

4-10. 앙상블 모델 ③ - 부스팅

4-11. 교차 검증 ① - Hold-out

4-12. 교차 검증 ② - K-fold

5. 회귀(Regression) - 보스턴 주택 가격 예측

5-1. 데이터 로딩

5-2. 데이터 탐색

5-3. 데이터 전처리

5-4. 베이스라인 모델  선형 회귀

5-5. 모델 성능 평가

5-6. 과대적합 회피(L2/L1 규제)

5-7. 트리 기반 모델  비선형 회귀



PART 04 머신러닝 응용

1. 사전 준비

1-1. 데이콘 경진 대회 데이터셋 다운로드

1-2. 구글 드라이브에 파일 업로드

1-3. 구글 드라이브 마운트

2. 데이터 탐색

2-1. 데이터 로딩

2-2. 데이터 구조

2-3. 결측값 확인

2-4. 상관 관계 분석

3. 베이스라인 모델

3-1. 데이터 결합

3-2. 데이터 전처리

3-3. 모델 학습 및 검증

3-4. 모델 예측

3-5. 데이콘 리더보드 점수 확인

4. 피처 엔지니어링(+EDA)

4-1. Survived : 생존 여부

4-2. Pclass : 객실 등급

4-3. Sex : 성별

4-4. Name : 이름

4-5. Age : 나이

4-6. SibSp : 형제자매/배우자

4-7. Parch : 부모/자식

4-8. Fare : 요금

4-9. Embarked : 탑승 항구

4-10. Cabin : 객실 구역

4-11. Ticket : 탑승권

5. 데이터 전처리

5-1. 레이블 인코딩

5-2. 원핫 인코딩

5-3. 피처 스케일링

6. 모델 학습

6-1. 피처 선택

6-2. 피처 중요도

6-3. 분류 확률값



PART 05 딥러닝 입문

1. 인공 신경망의 구조

1-1. 활성화 함수

1-2. 손실 함수

1-3. 옵티마이저(최적화 알고리즘)

1-4. 다층 신경망(MLP, Multi-Layer Perceptron)

2. 간단한 딥러닝 모델 만들기

2-1. Sequential API

2-2. 모델 컴파일

2-3. 모델 학습 및 예측

3. 딥러닝을 활용한 회귀 분석 : 보스턴 주택 가격 예측

3-1. 데이터 전처리

3-2. MLP 모델 아키텍처 정의

3-3. 미니 배치 학습

3-4. 교차 검증

4. 딥러닝을 활용한 분류 예측 : 와인 품질 등급 판별

4-1. 데이터 전처리

4-2. 모델 설계 : 드랍아웃 활용

4-3. 콜백 함수 : Early Stopping 기법

4-4. 예측값 정리 및 파일 제출



PART 06 딥러닝 응용

1. 이미지 분류 : Fashion MNIST 의류 클래스 판별

1-1. 데이터 전처리

1-2. 홀드아웃 교차 검증을 위한 데이터셋 분할

1-3. MLP 모델 학습

1-4. 합성곱 신경망(CNN)

1-5. 과대적합 방지

1-6. 사용자 정의 콜백 함수

2. 오토인코더 : 차원 축소와 이미지 복원

2-1. 기본 개념

2-2. 오토인코더 모델 만들기

3. 전이 학습 : 사전 학습 모델 활용

3-1. GPU 런타임 설정

3-2. CIFAR-10 데이터셋

3-3. 일반 합성곱 신경망(CNN)으로 분류 예측

3-4. 전이 학습으로 분류 예측

4. 자연어 처리(NLP) : IMDb 영화 리뷰 감성 분석

4-1. IMDb 영화 리뷰 데이터셋

4-2. 제로 패딩

4-3. 단어 임베딩

4-4. RNN

4-5. LSTM

4-6. GRU

5. 시계열 분석 : 전력 거래 가격 예측

5-1. 데이터 탐색

5-2. 데이터 전처리

5-3. LSTM 모델로 시계열 예측