Data Science : Online Course from Gonie

• Course homepage for "Data Science" @ Gonie Ahn
• Covers Data Scientist of low level to high level

Notice

• Syllabus
  • Domain ISSUE로 Data Preprocessing with Python는 Class에서 제외
  • 실제 현업에서는 데이터 분석에 있어서 Data Preprocessing이 90% 차지함
• Course Owner : Gonie Ahn
  • E) : gonie32@gmail.com
• Course History
  • 

Contents

Data Store - [Toy Data]

• 데이터는 .csv 형태 또는 .pickle 형태로 저장되어 있음
  • .csv 형태의 파일은 브라우저가 열림
  • .pickle 형태의 파일은 다운로드 되어 본인 컴퓨터에 저장 가능
• Toy Data에 몇가지 트릭을 걸어 놓음
  • 스스로 전처리 잘해야함
• 주의: pickle의 경우 python 버전이 다르면 error가 날 수 있음
• 데이터를 저장하지 않고 Github Data Store에서 Python으로 바로 불러오는 법(모든 Tutorial Code에 적용 가능)

import pandas as pd
data = pd.read_csv("https://raw.githubusercontent.com/GonieAhn/Data-Science-online-course-from-gonie/main/Data%20Store/TOY_DATA.csv")

[Class01] Introduction to Data Analytics - [Slide]

• 전반적인 AI 흐름
• Data Analytics에 대한 전반적인 내용
• 기업에서 데이터 분석이 실패하는 이유
• 데이터 분석 성공 사례
  • Keyword : #Data Analytics #Data Science

[Class02] Data Loading from AWS(S3) - [Slide], [Tutorial Code]

• Anaconda에서 가상환경 만드는 방법
• AWS 클라우드 Burket인 S3에서 Python 분석환경으로 데이터 Load 하는 법
  • 보안 ISSUE로 KEY 값들은 삭제함
• Partitioning 되어 있는 File들을 Multiprocessing을 활용하여 빠르게 불러오는 방법 소개
  • Keyword : #AWS #S3 #Multiprocessing #pickle #Virtual Environment

# Install Package
- conda install -c anaconda boto3 
- conda install -c conda-forge datatable
- conda install -c conda-forge tqdm

[Class03] Basic of Data Analytics - [Slide]

• 데이터 분석에 앞서 필요한 전반적인 지식
• 데이터 종류와 변수의 종류 정의
• Regression & Classification에 대한 정의
  • Keyword : #Bias VS Variance #Overfitting VS Underfitting #Loss Function #K-fold Cross Validation

[Class04] Regression Problem - [Slide], [Tutorial Code]

• Regression Loss Function
• 계수 추정
• Regression Model 평가 및 지표해석
• 데이터 실습
• 고려대학교 DMQA Lab. 김성범 교수님 강의 자료를 참고함
  • Keyword : #Linear Regression #R2 #MSE

# Install Package
- pip install regressors
    - Anaconda 지원 안됨, 하지만 이것 만큼 Result Summary 잘해주는 Package 없음
    - 설치 안되시는 분 Class04 Tutorial Code 맨 마지막 Cell 보면 설치 정보 얻을 수 있음 (뻘짓 5시간 경험담)

[Class05] Regularized Linear Models - [Slide], [Tutorial Code]

• Feature Selection 기법 중 Embedded 기법 소개
• 계수에 Penalty Term을 주어 분석에 필요하고 중요한 변수만 선택하게 하는 기법
• 데이터 실습
• 고려대학교 DMQA Lab. 김성범 교수님 강의 자료를 참고함
  • Keyword : #Ridge #LASSO # ElasticNet

[Class06] Classification Problem - [Slide], [Toturial Code]

• Classification Loss Function
• Classification Model 평가 및 지표해석
• 데이터 실습
  • Keyword : #DecisionTree #ACC #Recall #Precision # F1-score #RuleExtraction

[Class07] Ensemble Learning - [Slide], [Tutorial Code]

• Ensemble의 정의 및 single model보다 좋은 이유 수식 증명
• Bagging, Boosting, Stacking에 대한 소개
• 데이터 실습
• 고려대학교 DSBA Lab. 강필성 교수님 강의 자료를 참고함
  • Keyword : #RandomForest #Adaboost #Feature Importance Score

[Class08] Gradient Boosting Machine(GBM) Family - [Slide], [Tutorial Code]

• Gradient Boosting Machine 개념 설명
• GBM -> XGboost -> LightGBM -> CatBoost -> NGBoost로 발전 History 설명
• 알고리즘은 LightGBM 까지만 설명함
• 데이터 실습
• 고려대학교 DSBA Lab. 강필성 교수님 강의 자료를 참고함
  • Keyword : #Missing Value Handling #Bigdata Learning #GBM #XGBoost #LightGBM #Feature Importance Score
• Reference site
  • XGboost - Hyperparameter Tuning
    • https://www.analyticsvidhya.com/blog/2016/03/complete-guide-parameter-tuning-xgboost-with-codes-python/
  • LightGBM - Hyperparameter Tuning
    • https://lightgbm.readthedocs.io/en/latest/pythonapi/lightgbm.LGBMClassifier.html

# Install Package
- conda install -c conda-forge xgboost
- conda install -c conda-forge lightgbm

[Class09] eXplainable Method For High Complexity Models - [Slide], [Tutorial Code]

• 복잡한 모델을 해석하기 위한 기법 소개
• Global Feature Importance Score VS Local Feature Importance Score
• Interpretable Meachine Learning을 활용한 원인 분석 소개
• 데이터 실습
  • Keyword : #IML #Global VS Local #LIME #SHAP
• Reference site
  • Interpretable Machine Learning (IML)
    • https://christophm.github.io/interpretable-ml-book/interpretability-importance.html
  • LIME
    • https://pythondata.com/local-interpretable-model-agnostic-explanations-lime-python/
    • https://github.com/marcotcr/lime
    • https://yjjo.tistory.com/3
  • SHAP
    • https://www.kaggle.com/dansbecker/advanced-uses-of-shap-values
    • https://datanetworkanalysis.github.io/2019/12/24/shap3
    • https://slundberg.github.io/shap/notebooks/plots/dependence_plot.html

# Install Package
- conda install -c conda-forge shap

[Class10] Clustering & Dimensionality Reduction - [Slide], [Tutorial Code]

• Unsupervised Learning을 활용하여 최적의 X's 조합을 도출하는 방법 소개
• 복잡한 Supervised Learning을 탈피하여 고효율군을 이루는 X's들의 조합을 찾는 새로운 기법 제시
• Dimensionality Reduction을 활용하여 cluster의 분포 확인
• Dimensionality Reduction을 활용한 Anormaly Detection 방법
• 데이터 실습
  • Keyword : #Distance #K-means #Hierarchical Clustering #HDBSCAN #Spectral #PCA #T-SNE #Autoencoder
• Reference site
  • Clustering - 다양한 데이터에 여러 개의 Cluster 기법을 실험해 놓음
    • https://scikit-learn.org/stable/modules/clustering.html
  • HDBSCAN - 개념정리
    • https://www.kdnuggets.com/2020/02/understanding-density-based-clustering.html

# Install Package
- conda install -c conda-forge hdbscan

Recommended Open Class

• Data Mining & Quality Analytics Lab @Korea University : Machine Learning, Deep Learning, Artifical Intelligence
  • Lab Homepage : http://dmqa.korea.ac.kr/
  • Lab Seminar : http://dmqa.korea.ac.kr/activity/seminar
  • YouTube Video : https://www.youtube.com/channel/UCueLU1pCvFlM8Y8sth7a6RQ
• Data Science & Business Analytics Lab @Korea University : Machine Learning, Deep Learning, Artifical Intelligence
  • Lab Homepage : http://dsba.korea.ac.kr/
  • Lab Seminar : http://dsba.korea.ac.kr/seminar/
  • YouTube Video : https://www.youtube.com/channel/UCPq01cgCcEwhXl7BvcwIQyg
• Applied Artifical Intelligence @KAIST : Machine Learning, Deep Learning, Artifical Intelligence
  • Lab Homepage : https://aai.kaist.ac.kr/index.php
  • YouTube Video : https://www.youtube.com/@kaistmooc_kooc/videos

Data Visualization Reference Site

• Top 50 matplotlib Visualization Code - 초강추!!!
  • https://www.machinelearningplus.com/plots/top-50-matplotlib-visualizations-the-master-plots-python/
• 전반적인 Plotting Reference (Scatter size, form, plot 종류 등등등)
  • https://jfun.tistory.com/63
• Bubble size 조정하면서 Scatter plot 그리는 방법 Reference
  • https://medium.com/@peteryun/python-matplotlib-%EA%B8%B0%EB%B3%B8-6e23e5fd2f16
• Color bar 종류
  • https://pythonkim.tistory.com/82
• The Next Level of Data Visualization in Python
  • https://towardsdatascience.com/the-next-level-of-data-visualization-in-python-dd6e99039d5e
• BOKEH
  • http://docs.bokeh.org/en/latest/docs/user_guide/plotting.html
  • https://lovit.github.io/visualization/2018/03/31/bokeh_python_plotting/
  • https://lovit.github.io/visualization/2019/11/22/bokeh_tutorial/