Thumbnail
BEST
인공지능 딥러닝 · 머신러닝

처음하는 파이썬 머신러닝 부트캠프 (쉽게! 실제 문제로 개념/활용 익히기) [데이터과학 Part2] 대시보드

(4.9)
65개의 수강평 ∙  1,166명의 수강생
77,000원

월 15,400원

5개월 할부 시
지식공유자: 잔재미코딩 DaveLee
총 66개 수업 (16시간)
수강기한: 
무제한
수료증: 발급
난이도: 
입문
-
초급
-
중급이상
지식공유자 답변이 제공되는 강의입니다
폴더에 추가 공유

초급자를 위해 준비한
[데이터 분석, 딥러닝 · 머신러닝] 강의입니다.

강사가 처음 머신러닝을 익혔을 때, 실패했던 경험을 바탕으로, 쉽게 머신러닝을 이해하고, 실제 문제에 적용할 수 있도록 기존 강의와 다르게, 새롭게 꾸민 강의입니다

✍️
이런 걸
배워요!
머신러닝 입문
sklearn 과 파이썬 머신러닝
kaggle 입문
머신러닝 분류기법
머신러닝 회귀 기법
머신러닝 군집화 기법
원핫인코딩, 하이퍼파라미터 튜닝 등 실전 기법

네카라쿠배도 사내 강의로 선택하는 공식 강의
처음하는 파이썬 머신러닝 입문자를 위한 
완성도 높은 강의

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

본 강의는 실제 네카라쿠배 회사 중 한 곳의 공식 사내 파이썬 머신러닝 교육 강의로 사용중입니다

데이터 입문자인데! 복잡한 머신러닝/인공지능 기술, 어디서부터 시작해야 할까요?
  • 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
본 강의는 강사가 수차례 실패하며 느낀 바를 고민해서, 개선한 강의입니다!
  • 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.
머신러닝 기술을 가볍게라도 활용하고 싶은데 어떻게 하면 될까요?

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

머신러닝 기술은 처음인데! 본 강의를 수강하기 위해, 우선 익혀야할 기술은 무엇인가요?

파이썬만 쓸 수 있으면 강의 수강이 가능합니다 여기에 pandas 와 시각화 기술을 쓸 수 있으면 가능합니다
관련 기술에 익숙하지 않은 분들을 위해서, 난이도까지 고려해서, 체계적으로 익힐 수 있도록 데이터 분석/과학 로드맵을 제공하고 있습니다
특히, 본 페이지 하단부에서 설명드리는 데이터 분석/과학 로드맵의 처음하는 파이썬 데이터 분석 강의와 함께 수강하시면, 파이썬으로 데이터를 다루는 기술을 순차적으로 익힐 수 있습니다

저는 데이터쪽 커리어를 생각하는 입문자인데, 어떻게 체계적으로 익힐 수 있을까요?

데이터 분야는 다양한 이론과 기술이 있기 때문에, 잘못 접근하면 오랜 시간이 걸려도 익히기 어렵습니다. 저도 여러차례 실패하였습니다. 하지만, 핵심 기술을 중심으로 익히면, 생각보다 쉬울 수 있습니다.

데이터 관련 핵심 기술을 데이터 수집, 저장, 분석, 예측 작업으로 나누어서, 관련 기술을 순차적으로 익혀보세요. 여기에 각 비즈니스 분야에 대한 지식(도메인 지식이라고 합니다)을 쌓으시면 경쟁력을 가질 수 있습니다. 이와 관련하여, 데이터 관련 핵심 기술을 난이도를 점차 높혀가며 순차적으로 익힐 수 있도록, 데이터 분석/과학 로드맵을 만들었습니다. 본 페이지 하단부에서 관련 로드맵도 확인할 수 있습니다.

데이터 관련 커리어와 데이터 분석/과학 전과정에 대해 상세히 설명한 영상을 만들었습니다. 해당 영상을 참고하시면, 하고자 하시는 바에 따라 혼자서도 짧은 시간에 시행착오 없이 데이터 과정을 쉽게 익히실 수 있습니다!

수년간 많은 분들이 학습하고, 굉장히 좋은 피드백을 주셨던 검증된 강의들입니다.

6년간 온오프라인 유료 수강자 2만명 검증!
시간을 낭비하지 마세요!
강사가 다르면, IT강의도 다를 수 있습니다!
꼼꼼하고, 합리적인 분이라면 가능합니다!

머신러닝 기술이 얼마나 익히는데 어렵나요?

파이썬만 할 수 있다면, 어렵지 않습니다!
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 매우 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.

최근에는 실제 데이터 문제를 푸는 kaggle 경진대회도 많던데, 가능할까요?

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!

실제로 머신러닝 기술을 이해하고 적용할 수 있도록 만들었습니다.

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.

이해하기 쉽게 요약된 자료와 코드, 이를 기반으로 강의로 학습 효과를 높이세요!

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.

딱 관련 주제를 이해하고 활용할 수 있도록
꼭 필요한 부분만 간결하게 작성된 자료
그리고, 실제 문제 머신러닝 적용 코드 파일들

  • 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)

'아! 진짜 다르구나!' 라고 느낄 수 있도록
고민고민해서 만든 IT강의 시리즈입니다.

합리적이고 서로 배려하고
좋은 인연을 맺을 수 있는 분들만
수강 부탁드립니다!


IT 를 잘하려면, 체계적으로 익히세요

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.

잔재미코딩 개발자, 데이터 분석가/과학자 커리어 로드맵
입문자부터 쉽게 시작해서, 난이도를 조금씩 올리며,
짧은 시간에 웹/앱 전과정과 데이터분석+AI까지 탄탄한 기본기를 쌓을 수 있는 로드맵입니다

데이터 분석/과학 코스: 데이터 분석가/과학자를 위한 탄탄한 기본기 쌓기 

익히는 순서에 따라 번호를 붙여 놓았습니다.

  1. 파이썬 입문과 데이터 수집(크롤링) 기본 [파이썬, 웹, 데이터 이해 기본까지]
  2. 처음하는 SQL과 데이터베이스(MySQL) 부트캠프 [입문부터 활용까지]
  3. 처음하는 MongoDB(몽고DB) 와 NoSQL 데이터베이스 부트캠프 [입문부터 활용까지]
  4. 처음하는 파이썬 데이터 분석 (데이터 전처리와 pandas, 최신 시각화) [데이터과학 Part1]
  5. 처음하는 파이썬 머신러닝 부트캠프 (쉽게! 실제 문제로 개념/활용 익히기) [데이터과학 Part2]
  6. 처음하는 딥러닝과 파이토치 부트캠프 [데이터과학 Part3]

* 현재까지의 데이터 과학 강의 패키지를 할인된 가격으로도 제공합니다 (할인율은 곧 축소 예정입니다)
[입문~초급] 취업을 위한 데이터 과학 기본 기술 쉽게! 꼼꼼하게 익히기  (바로가기)

 

풀스택 코스: 혼자서도 웹/앱 개발을 위한 탄탄한 기본기 쌓기

익히는 순서에 따라 번호를 붙여 놓았습니다.

  1. 파이썬 입문과 데이터 수집(크롤링) 기본 [파이썬, 웹, 데이터 이해 기본까지]
  2. 처음하는 SQL과 데이터베이스(MySQL) 부트캠프 [입문부터 활용까지]
  3. 처음하는 MongoDB(몽고DB) 와 NoSQL 데이터베이스 부트캠프 [입문부터 활용까지]
  4. 가장 빠른 풀스택: 파이썬 백엔드와 웹기술 기본 [풀스택 Part1-1]
  5.  가장 빠른 풀스택: 파이썬 백엔드 FastAPI 부트캠프 [풀스택 Part1-2]
  6. 견고하게 익히는 프론트엔드 기본: javascript (Vanilla JS와 ES6+) 와 최신 웹기술 [풀스택 Part2]
  7. 도커와 최신 서버 기술(리눅스, nginx, AWS, HTTPS, flask 배포) [풀스택 Part3]
  8. 처음하는 풀스택을 위한 Flutter 부트캠프 [풀스택 Part4]

* 현재까지의 풀스택 강의 패키지를 할인된 가격으로도 제공합니다. (할인율은 곧 축소 예정입니다.)
[입문~중급] 가장 쉽고, 가장 최신 기술로 익히는 풀스택 로드맵 (바로가기)

이런 분들께 추천드려요!

🎓
학습 대상은
누구일까요?
처음 머신러닝을 익히는 분
데이터 예측, 분류 기법을 익히고 싶은 분
머신러닝 기본기를 다지고 싶은 분
📚
선수 지식,
필요할까요?
파이썬
pandas
plotly

안녕하세요
잔재미코딩 DaveLee 입니다.
잔재미코딩 DaveLee의 썸네일

잔재미코딩, Dave Lee

  • About 잔재미코딩 소개 블로그 [클릭]

  • 주요 경력: 쿠팡 수석 개발 매니저/Principle Product Manager, 삼성전자 개발 매니저 (경력 약 15년)

  • 학력: 고려대 일어일문 / 연세대 컴퓨터공학 석사 (완전 짬뽕)

  • 주요 개발 이력: 삼성페이, 이커머스 검색 서비스, RTOS 컴파일러, Linux Kernel Patch for NAS

  • 저서: 리눅스 커널 프로그래밍, 리눅스 운영 체제의 이해와 개발, 누구나 쓱 읽고 싹 이해하는 IT 핵심 기술, 왕초보를 위한 파이썬 프로그래밍 입문서

  • 운영 사이트: 잔재미코딩 (http://www.fun-coding.org) [클릭]

  • 풀스택/데이터과학 관련 무료 자료를 공유하는 사이트입니다.

  • 기타: 잔재미코딩 유투브 채널 [클릭] 

    • IT 학습에 도움이 되는 팁/ 짧은 무료 강의를 공유하고자, 조금씩 시작하고 있습니다~

최신 현업과 IT 강의를 병행하며, 8년째 꾸준히 견고한 풀스택과 데이터과학 강의를 만들고 있습니다.

 

커리큘럼 총 66 개 ˙ 16시간의 수업
이 강의는 영상, 수업 노트, 첨부 파일이 제공됩니다. 미리보기를 통해 콘텐츠를 확인해보세요.
섹션 1. 수업 준비
수업 자료 다운 및 신청 방법 (꼭 들어주세요~, 코드자료는 바로 본 챕터에서 다운받으세요!) 06:39
아나콘다 및 주피터 노트북 설치 (맥 환경) (업데이트) 미리보기 07:38 아나콘다 및 주피터 노트북 설치 (윈도우 환경) (업데이트) 미리보기 10:13 주피터 노트북 사용법 (업데이트) 미리보기 17:09
머신러닝 강의 학습 팁 (꼭 들어주세요~) 12:24
섹션 2. 배경지식으로 데이터 사이언스 시작하기
머신러닝 배경지식: 인식과 머신러닝 13:36
Hello 머신러닝: 코드 실행해보며, 머신러닝 프로세스 이해해보기 20:55
머신러닝 배경지식: 머신러닝 모델과 성능평가의 이해 18:32
머신러닝 모델 이해 전략 08:27
머신러닝 배경지식: 조건부, 결합, 주변 확률 이해 14:07
머신러닝 배경지식: 사전, 사후 확률과 우도(가능도) 이해하기 11:33
머신러닝 배경지식: 베이즈 정리 이해하기 11:48
베이즈 정리 활용과 머신러닝 프로세스 14:44
가우시안 나이브 분류로 이해하는 머신러닝 원리 16:45
섹션 3. 실제 문제 풀어보며, 머신러닝 기본 시작하기 (EDA)
머신러닝 시작하기 06:20
캐글(Kaggle) 사이트와 Kaggle API 사용법 익히기 15:58
타이타닉 문제로 시작하는 EDA1 17:45
타이타닉 문제로 시작하는 EDA: 범주형 데이터 분석 패턴1 18:02
타이타닉 문제로 시작하는 EDA: 범주형 데이터 분석 패턴2 18:43
타이타닉 문제로 시작하는 EDA: 수치형 데이터 분석 패턴1 19:59
타이타닉 문제로 시작하는 EDA: 수치형 데이터 분석 패턴2 18:52
섹션 4. 실제 문제 풀어보며, 머신러닝 기본 시작하기 (Feature Engineering)
머신러닝 적용을 위한 Feature Engineering 작업1 13:43
머신러닝 적용을 위한 Feature Engineering 작업2 16:19
머신러닝 적용을 위한 Feature Engineering 작업3 14:54
머신러닝 적용을 위한 Feature Engineering 작업4 23:44
머신러닝 적용을 위한 Feature Engineering 작업5 12:31
인코딩 이해하고 적용하기 (원핫, 레이블 인코딩) 16:48
섹션 5. 분류 머신러닝 기법 이해하기
머신러닝 분류 모델 이해하기1 (KNN, Logistic Regression, SVM) 11:40
머신러닝 분류 모델 이해하기2 (bias 와 variance) 15:25
머신러닝 분류 모델 이해하기3 (Bagging 과 Random Forest) 13:58
머신러닝 분류 모델 이해하기4 (Boosting 과 AdaBoost) 13:03
머신러닝 분류 모델 이해하기5 (GBM1) 15:47
머신러닝 분류 모델 이해하기6 (GBM2) 12:31
머신러닝 분류 모델 이해하기7 (XGBoost, LightGBM, 나이브 베이지안) 12:11
섹션 6. 머신러닝 성능 평가와 튜닝하기
교차 검증(Cross Validation) 이해하기 18:43
교차 검증(Cross Validation) 이해하기 (실습) 20:22
중요도 이해하고 적용하기 21:53
하이퍼 파라미터 튜닝 기법 이해하기 10:55
하이퍼 파라미터 튜닝 기법 적용하기 (SVC 실습) 15:28
하이퍼 파라미터 튜닝 기법 적용하기 (GBM 실습) 12:38
하이퍼 파라미터 튜닝 기법 적용하기1 (XGBoost 실습) 17:20
하이퍼 파라미터 튜닝 기법 적용하기2 (XGBoost + GridSearch 실습) 11:31
Voting 이해하고, 최종 예측해서, Kaggle 에 제출해보기 20:40
섹션 7. 다른 방식으로 분류 정확도 높여보며 익히는 머신러닝
다르게 적용해보는 Feature Engineering1 15:06
다르게 적용해보는 Feature Engineering2 22:47
또다른 성능 평가: OOB 와 ROC Curve 이해하기 16:39
스케일링 이해와 kaggle 제출하기 23:21
섹션 8. 머신러닝 회귀 모델 적용하며 익히기
주요 회귀 머신러닝 모델과 Regularization(정규화) 이해하기 23:44
자전거 공유 문제 이해와 EDA1 14:45
회귀 모델 성능 평가: MAE, MSE, RMSE, RMSLE 16:15
자전거 공유 문제 이해와 EDA2 14:33
자전거 공유 문제 이해와 EDA3 15:40
자전거 공유 문제 이해와 EDA4 05:43
머신러닝 적용을 위한 Feature Engineering 17:36
머신러닝 회귀 모델 사용법 익히기1 (Linear, Lasso, Ridge 모델) 14:28
머신러닝 회귀 모델 사용법 익히기2 (Random Forest, XGBoost, Gradient Boosting 모델) 08:42
모델 블렌딩 전략으로 kaggle 제출하기 12:46
섹션 9. 머신러닝 클러스터링 모델 적용하며 익히기
주요 클러스터링 머신러닝 모델 이해하기1 (KMeans 모델 이해와 테스트) 14:58
주요 클러스터링 머신러닝 모델 이해하기2 (KMeans++, Hierarchical Clustering, DBSCAN, Spectral Clustering) 16:17
고객 분류 문제 이해와 EDA 15:14
군집화 머신러닝 모델들로 고객 분류하기 07:23
섹션 10. Outro 및 향후 학습 진행 가이드
강의 정리 및 향후 학습 진행 가이드 06:15
강의 게시일 : 2021년 09월 16일 (마지막 업데이트일 : 2024년 03월 25일)
수강평 총 65개
수강생분들이 직접 작성하신 수강평입니다.
4.9
65개의 수강평
5점
4점
3점
2점
1점
VIEW 추천 순 최신 순 높은 평점 순 낮은 평점 순 평점 순 높은 평점 순 낮은 평점 순
san0558 thumbnail
5
믿고 듣는 강의. 가성비 좋은 강의. 핵심만 잘 짚는 강의.
2021-09-19
지식공유자 잔재미코딩 DaveLee
거의 처음 수강평인듯한데 좋게 봐주셔서 감사합니다. 생각보다는 내용이 상당할 수는 있습니다. 하나하나 도움이 되길 희망합니다
2021-09-20
김민준 thumbnail
5
머신러닝의 큰 흐름을 잡을 수 있는 좋은 강의입니다. 강의 준비 하시느라 너무 고생 많으셨고 감사드립니다!!
2021-10-30
지식공유자 잔재미코딩 DaveLee
아 저도 그런 취지로 큰 흐름을 어떻게 하면 짧은 시간에, 가능한 범위에서 잡으면서, 캐글 실전도 해볼 수 있을까를 고민해서 만든 강의인데, 그렇게 인지해주셔서 저도 정말 기쁘네요. 감사합니다.
2021-12-13
가치삶 thumbnail
5
좋아요 감추합니다
2024-03-16
지식공유자 잔재미코딩 DaveLee
감사합니다!!
2024-03-18
깜디얏 thumbnail
5
저는 코딩이 이론 과 실습 두 가지로 나뉜다고 생각합니다. 그러나, 각각에 너무 치우친다면 실제로 우리가 코딩을 할 때 잘 적용시키지 못하고, 실제로 왜 이렇게 작동하는지도 모릅니다. 이 강의는 이론 / 실습 두 개를 모두 잡을 수 있는 강의입니다. 물론 이 강의를 통해서 세부적인 사항까지는 알기 힘들더라도(그 부분은 개인적으로 공부하는 것이 더 효율적이거나, 대학교에서 배울 수 있습니다), 전체적인 흐름이 어떻게 흘러가는지 알 수 있고 이로 인해 우리가 다음에 개인 프로젝트를 할 때 전체적으로 이렇게 하면 되겠구나를 인지하고 진행할 수 있습니다. 이게 정말 작아보이지만, 실제로 프로젝트를 하기 시작하면 매우 도움이 많이 됩니다. Dave lee 강사님 수업을 데이터분석 / 크롤링 / 데이터베이스 / 머신러닝 모두 들어보았는데, 저에게는 있어서 코딩이 '재밌다'라는 것을 알게 해주는 수업인 것 같습니다. 이번 수업도 저에게 많은 도움이 될 뿐만아니라, 재밌어서 무엇보다 좋았습니다. 머신러닝을 정말 쉽게, 와닿게 설명해주셔서 정말 감사합니다. 앞으로도 재미있는 수업을 많이 만들어주시면 감사하겠습니다. 감사합니다!
2022-03-14
지식공유자 잔재미코딩 DaveLee
개인 시간도 들이셨을텐데 이렇게 좋은 수강평을 남겨주셔서 감사합니다. 온라인 강의가 서로 아는 사이가 아니라서 이정도로 평가를 시간을 들여서 해주시기가 어려운데, 저도 덕분에 힘이 생기고 기쁘네요. 꼭도움이 되고 하시고자 하시는 커리어에도 도움이 되어서 함께 좋은 생태계를 만들어 갔으면 좋겠습니다. 감사합니다.
2022-03-15
Iudens 조영웅 thumbnail
3
좋은 분들께는 분명히 좋겠지만, 개인적으로 가장 안 좋아하는 강의 스타일 이론이나 원리에 대해서는 제대로된 설명이 없고 개념을 그냥 쭉 글로 읽는 교수님 같은 강의 스타일에 코딩도 그냥 쓰여있기만 한 정도... 강의 보다는 강의 자료를 읽는 듯한 느낌 그리고 더 중요한 건 이것보다 훨씬 더 좋은 무료 강의가 있음 !! 차라리 캐글 가셔서 세계 최고의 강의를 들으시는게 훨씬 나음 이것보다 훨씬 싸고 훨씬 효과적
2022-09-05