1.1 파이썬 알아보기
1.2 숫자형 자료형
1.3 문자열 자료형
1.4 리스트 자료형
1.5 튜플 자료형
1.6 딕셔너리 자료형
1.7 집합 자료형
1.8 불 자료형
1.9 변수 다루기
1.10 조건문 IF문
1.11 반복문 WHILE문
1.12 반복문 FOR문
1.13 함수
1.14 클래스
1.15 예외처리
1.16 내장함수
1.17 라이브러리
1.18 수치 계산 라이브러리 Numpy 알아보기
2.1 판다스 소개 및 데이터 불러오기
2.2 시리즈와 데이터프레임 이해하기
2.3 판다스 통계 함수 맛보기
2.4 시리즈와 데이터프레임 다루기
2.5 데이터를 저장하고 불러오는 방법
2.6 데이터 시각화가 필요한 이유
2.7 matplotlib 라이브러리를 활용해서 그래프 그리기
2.8 seaborn 라이브러리를 활용해서 그래프 그리기
2.9 pandas 라이브러리를 활용해서 그래프 그리기
2.10 여러 개의 데이터 프레임을 합치는 방법
2.11 스마트하게 데이터 프레임을 합치는 방법
2.12 누락값을 처리하는 방법
2.13 열에 있는 값을 행으로 내리는 방법
2.14 행에 있는 값을 열로 올리는 방법
2.15 데이터에 순위를 매기는 방법
2.16 상관분석
2.17 정규표현식
2.18 인터넷에 있는 데이터를 수집하는 방법
2.19 인터넷에 있는 표를 데이터프레임으로 바로 만드는 방법
2.20 인터넷 뉴스 기사 가져오는 방법
2.21 수집한 뉴스 기사로 빈도분석하고 워드클라우드 그리기
2.22 네트워크 반응을 이용해서 데이터 크롤링하기
2.18 인터넷에 있는 데이터를 수집하는 방법
1.1 데이터와 인공지능
1.2 머신러닝에 필요한 수학 개념
1.3 머신러닝에 필요한 확률과 통계
1.4 지도학습에 필요한 데이터 가공하기
1.5 K 최근접 이웃 분류 모델 소개
1.6 데이터를 분할해서 학습해야 하는 이유
1.7 데이터 스케일링을 해야하는 이유
1.8 K 최근접 이웃 회귀 모델 소개
1.9 선형 회귀
1.10 특성공학을 이용해서 특성 늘리기
1.11 로지스틱 회귀 모델 소개
1.12 트리 기반 모델 소개
1.13 교차 검증
1.14 시뮬레이션을 통해 최적의 머신러닝 모델 만들기
1.15 인공신경망 원리 알아보기
1.16 인경신경망과 딥러닝 만들기
1.17 최적의 딥러닝 모델 만들기
1.18 이미지를 위한 딥러닝 CNN
1.19 시계열 데이터를 위한 딥러닝 (RNN, LSTM)
1.20 데이터 크롤링을 통한 삼성전자 주식 가격 예측하기