Data Analysis

[PL 0302] Python for Data Manipulation - NumPy Masterclass

Name: [PL 0302] Python for Data Manipulation - NumPy Masterclass
Price: 45100 KRW

This is a lecture on how to use NumPy and practice its application in real-world scenarios.

(5.0) 4 reviews

92 learners

asdfghjkl13551941

이론 중심

시리즈

데이터전처리

Numpy

Python

What you will learn!

NumPy
Data processing
Data operation

NumPy, the core of data operations using Python!

NumPy is an abbreviation for Numerical Python and is a library specialized in operating on vectors, matrices, and higher-order tensors .

This NumPy is an essential technology for anyone who handles data using Python, and because it is the most universally used, it is a library that will serve you well once you learn it .

In the future, we will be implementing machine learning and deep learning algorithms directly using NumPy, so this is a library that you must learn properly before learning them in earnest.

`Recommended for these people`

Who is this course right for?

For those who want to learn NumPy properly.
Someone who does data analysis
People who are learning machine learning and deep learning

Need to know before starting?

Basic Python Syntax

`Hello This is`

2,947

Learners

117

Reviews

81

Answers

5.0

Rating

13

Courses

`강의 이력`

[멋쟁이 사자처럼] 인공지능중고급과정
[국립기상과학원] 2022년, 2023년, 2025년 기상 AI 부스트캠프
[삼성전기] 신입SW과정 전문반
[국가과학기술인력개발원] R&D 수행 역량 강화 장기 멘토링
[국가과학기술인력개발원] R&D 전문과정 이러닝 컨텐츠 제작
[국가과학기술인력개발원] 박사후연구원 연구 데이터 시각화 과정
[원광대학교] 원광대학교 AI 집체교육 및 AI 장단기과정
[한국지능정보사회진흥원] SW여성인재 교육
[SK m&service] 데이터 기반 의사결정
[한국IT비즈니스진흥협회] ICT COG Academy
[서울시 교육청] 신기술분야 연수
[KT] KT AI 역량향상 과정
[K-ICT] 데이터 안심구역 분석캠프
[경기도경제과학진흥원] 처음으로 배우는 비전 AI
[경기도경제과학진흥원] 파이썬 데이터 분석 입문
[서울과학기술원] AI 활용 심화교육
[서울대학교] AI 활용 역량강화 교육
[HD한국조선해양] AIC AI 연구직 역량 평가 개발
[멀티캠퍼스] 원리부터 구현까지, 머신러닝 핵심 알고리즘 마스터

[패스트캠퍼스] 수학적으로 접근하는 딥러닝
[패스트캠퍼스] 한 번에 끝내는 머신러닝과 데이터분석 A-Z
[패스트캠퍼스] 바이트 디그리 Lv.2 Deep Learning Essentials
[패스트캠퍼스] 딥러닝인공지능 초격차
[패스트캠퍼스] 컴퓨터 공학 초격차 VER.2

`Curriculum`

All

192 lectures ∙ (35hr 9min)

Course Materials:

Lecture resources


1. Orientation
27:00
2. Lecture 1-1: Introduction to NumPy
09:26
3. Lecture 1-2 Installing NumPy
07:33
4. Lecture 1-3 Tensors
11:54
5. Lecture 1-4: Interpretations of ndarrays
12:33


6. Lecture 2-1: Creating Scalar ndarrays with np.array
15:48
7. Lecture 2-2: Creating ndarrays with np.array
20:07
8. Lecture 2-3: Creating ndarrays with np.zeros, np.ones
11:29
9. Lecture 2-4: Creating ndarrays with Identical Elements
21:30
10. Lecture 2-5: Making ndarrays with np.arange
18:33
11. Lecture 2-6: Creating ndarrays with np.linspace
14:58


12. Lecture 3-1: Reshaping Vectors to Matrices
11:54
13. Lecture 3-2: Reshaping Vectors to Tensors
08:36
14. Lecture 3-3: Operations with Scalars
12:43
15. Lecture 3-4: Power Operations and Random Data
14:48
16. Lecture 3-5: Unary Arithmetic Operations
13:16
17. Lecture 3-6: Binary Arithmetic Operations
13:30
18. Lecture 3-7: Binary Arithmetic Operation APIs
12:11
19. Lecture 3-8 [PP] Function Graphs (1/2)
16:36
20. Lecture 3-9 [PP] Function Graphs (2/2)
17:21
21. Lecture 3-10: [PP] Taylor Approximations of Sin
14:59
22. Lecture 3-11 [PP] Taylor Approximations of Cos
06:04
23. Lecture 3-12 [PP] Errors and Softmax
17:38


24. Lecture 4-1 Comparisons
13:15
25. Lecture 4-2: Comparison APIs
11:22
26. Lecture 4-3: Types of Logical Operations
11:35
27. Lecture 4-4 Logical Operations (1/2)
11:42
28. Lecture 4-5: Logical Operations (2/2)
15:06
29. Lecture 4-6 [PP] Accuracy and TP, TN
14:11
30. Lecture 4-7: [PP] Confusion Matrix and Metrics
12:11


31. Lecture 5-1: Introduction to Broadcasting
07:12
32. Lecture 5-2 (m, n) + (1, n) Broadcasting
12:53
33. Lecture 5-3: (m,n) + (m,1) Broadcasting
07:35
34. Lecture 5-4 [PP] Mean Subtraction
12:59
35. Lecture 5-5: Matrix-Matrix Broadcasting (1/2)
18:57
36. Lecture 5-6: Matrix~Matrix Broadcasting (2/2)
06:58
37. Lecture 5-7 Tensor~Tensor Broadcasting (1/3)
12:43
38. Lecture 5-8 Tensor to Tensor Broadcasting (2/3)
16:07
39. Lecture 5-9 Tensor~Tensor Broadcasting (3/3)
11:57
40. Lecture 5-10: 2D to 1D Broadcasting
11:51
41. Lecture 5-11: 3D to 2D, 1D Broadcasting
12:48


42. Lecture 6-1: Squaring Elements
11:38
43. Lecture 6-2: Quadratic and Polynomial Functions
15:12
44. Lecture 6-3 Taylor Approximation; Revisited
15:34
45. Lecture 6-4: Reciprocal Values
10:00
46. Lecture 6-5 Rational Functions
12:24
47. Lecture 6-6: Irrational Values
14:28
48. Lecture 6-7: Irrational Functions (1/2)
12:57
49. Lecture 6-8 Irrational Functions (2/2)
15:18
50. Lecture 6-9: Exponential Functions
14:00
51. Lecture 6-10: Logarithmic Functions (1/2)
13:52
52. Lecture 6-11 Logarithmic Functions (2/2)
14:44
53. Lecture 6-12: deg2rad and rad2deg
06:53
54. Lecture 6-13: Trigonometric Functions
13:17
55. Lecture 6-14: Hyperbolic Functions
05:43
56. Lecture 6-15: Sign and Absolute Value Functions
06:40
57. Lecture 6-16 Rounding Functions (1/2)
09:45
58. Lecture 6-17 Rounding Functions (2/2)
10:20
59. Lecture 6-18 [PP] Normal Distributions
15:17
60. Lecture 6-19 [PP] Logits, Softmax, Binary Entropy
14:08
61. Lecture 6-20 [PP] Rounding Decimals
12:26


62. Lecture 7-1: Introduction to Integer Indexing
07:53
63. Lecture 7-2: Single Integer Indexing (1/2)
10:40
64. Lecture 7-3 Single Integer Indexing (2/2)
08:55
65. Lecture 7-4: For Loops on ndarrays (1/3)
10:51
66. Lecture 7-5: For Loops on ndarrays (2/3)
13:14
67. Lecture 7-6: For Loops on ndarrays (3/3)
16:26
68. Lecture 7-7: Array Integer Indexing on Vectors (1/2)
13:24
69. Lecture 7-8: Array Integer Indexing on Vectors (2/2)
12:07
70. Lecture 7-9: Array Integer Indexing on Matrices (1/2)
10:26
71. Lecture 7-10: Array Integer Indexing on Matrices (2/2)
10:54
72. Lecture 7-11: Array Integer Indexing Review
07:10
73. Lecture 7-12: Array Integer Indexing on Tensors
11:32
74. Lecture 7-13: Multiple Scalar Integer Indexing
09:19
75. Lecture 7-14: Multiple Vector Integer Indexing
12:29
76. Lecture 7-15: Multiple Matrix Integer Indexing
07:37
77. Lecture 7-16: Multiple Tensor Integer Indexing
07:47
78. Lecture 7-17: Index Broadcasting on Matrices
11:11
79. Lecture 7-18: Index Broadcasting on Tensors
07:48
80. Lecture 7-19 [PP] Integer Indexing Practices.1
08:58
81. Lecture 7-20 [PP] Integer Indexing Practices 2, 3
08:40
82. Lecture 7-21 [PP] Integer Indexing Practices 4-7
09:27


83. Lecture 8-1: np.nonzero
08:40
84. Lecture 8-2: np.nonzero on Matrices and Tensors
08:25
85. Lecture 8-3: np.nonzero on Boolean ndarrays
11:43
86. Lecture 8-4: Vector Boolean Indexing
11:29
87. Lecture 8-5: Vector Element Extractions
09:27
88. Lecture 8-6: Matrix Element Extractions
08:00
89. Lecture 8-7: Boolean Indexing with Same Shape Index
09:21


90. Lecture 9-1: Slicing on Vector ndarrays (1/2)
10:55
91. Lecture 9-2: Slicing on Vector ndarrays (2/2)
10:21
92. Lecture 9-3: Negative Indices on Vector ndarrays
11:13
93. Lecture 9-4: Omitting Indices on Vector ndarrays
10:56
94. Lecture 9-5: Slicing with Steps on Vector ndarrays
15:23
95. Lecture 9-6: Negative Strides on Vector ndarrays
09:32
96. Lecture 9-7 [PP] 1D Windowing
15:57
97. Lecture 9-8 [PP] 1D Pooling
09:09
98. Lecture 9-9 [PP] Moving Average Filter
10:22
99. Lecture 9-10 Slicing on Matrix ndarrays (1/2)
06:49
100. Lecture 9-11: Slicing on Matrix ndarrays (2/2)
05:49
101. Lecture 9-12: Slicing Along Each Dimension
09:57
102. Lecture 9-13: Row and Column Extractions
09:31
103. Lecture 9-14: [PP] Gray Image Basics
11:54
104. Lecture 9-15 [PP] Gray Image Cropping
09:57
105. Lecture 9-16 [PP] 2D Windowing
14:33
106. Lecture 9-17 [PP] Image Blurring
15:14
107. Lecture 9-18 [PP] Sobel Filtering Concept
13:55
108. Lecture 9-19 [PP] Sobel Filtering Implementations
17:41
109. Lecture 9-20 Student Score Extractions (1/2)
15:52
110. Lecture 9-21: Student Score Extractions (2/2)
06:22
111. Lecture 9-22: Subject and Test Score Extractions
12:55
112. Lecture 9-23 [PP] Color Image Manipulations (1/2)
16:13
113. Lecture 9-24 [PP] Color Image Manipulations (2/2)
06:14


114. Lecture 10-1: Copy and View
17:05
115. Lecture 10-2: Flattening ndarrays
11:15
116. Lecture 10-3: Reshaping Vectors to Matrices
07:37
117. Lecture 10-4 Flattening with np.reshape
07:04
118. Lecture 10-5: Reshaping Tensors to Tensors
04:36
119. Lecture 10-6 -1 Argument in np.reshape
08:59
120. Lecture 10-7: Resizing ndarrays
10:33


121. Lecture 11-1: Squeezing ndarrays (1/2)
06:26
122. Lecture 11-2: Squeezing ndarrays (2/2)
08:14
123. Lecture 11-3: Expanding Dimensions
08:39
124. Lecture 11-4: Moving Dimensions
08:09
125. Lecture 11-5: Swapping, Transposing Dimensions
05:22


126. Lecture 12-1: random.rand and random.random
12:05
127. Lecture 12-2 random.uniform
09:21
128. Lecture 12-3: random.randint
07:00
129. Lecture 12-4: random.randn and random.normal
09:41
130. Lecture 12-5 random.choice
13:52
131. Lecture 12-6: random.permutation
09:26
132. Lecture 12-7 random.shuffle
12:17
133. Lecture 12-8: The Problem with random.seed
10:47
134. Lecture 12-9: The Random Number Generator
09:36
135. Lecture 12-10: Random Data Generation with RNG
09:10


136. Lecture 13-1 np.sum and np.mean
10:45
137. Lecture 13-2: np.var and np
07:40
138. Lecture 13-3 np.sum with axis Argument (1/2)
07:36
139. Lecture 13-4: np.sum with axis Argument (2/2)
08:12
140. Lecture 13-5: np.sum on Tensors
08:59
141. Lecture 13-6: keepdims Argument
07:56
142. Lecture 13-7: keepdims in Data Preprocessing
11:31
143. Lecture 13-8 Five Number Summary (1/2)
10:34
144. Lecture 13-9 Five Number Summary (2/2)
06:20
145. Lecture 13-10: The Return Values of np.histogram
09:16
146. Lecture 13-11 Histogram Visualization
10:27
147. Lecture 13-12: bins Parameter
08:31
148. Lecture 13-13: Density Parameter
11:01
149. Lecture 13-14: Other Statistics APIs (1/2)
09:29
150. Lecture 13-15: Other Statistics APIs (1/2)
10:31


151. Lecture 14-1 Searching
15:14
152. Lecture 14-2 Argmax and Argmin
09:49
153. Lecture 14-3: Nonzero API
12:21
154. Lecture 14-4: Where API
06:37
155. Lecture 14-5: Counting with np.unique
09:04


156. Lecture 15-1 hstack and vstack
15:57
157. Lecture 15-2: Concatenating ndarrays
09:24
158. Lecture 15-3 [PP] Merging ndarrays
14:37
159. Lecture 15-4 Splitting ndarrays
15:04
160. Lecture 15-5 Partitioning ndarrays
06:15


161. Lecture 16-1: Repeating Elements with np.repeat
14:14
162. Lecture 16-2: Tiling Elements with np.tile
06:53
163. Lecture 16-3: The Concept of Meshgrid
11:31
164. Lecture 16-4 [PP] Meshgrid
10:02


165. Lecture 17-1: Vector Operations
04:26
166. Lecture 17-2: Making Matrices
06:38
167. Lecture 17-3 Making Operations
06:40


168. Lecture 18-1 NumPy Data Types
10:08
169. Lecture 18-2: Meta-data of ndarrays
08:18
170. Lecture.18-3 ndarray Type Castings
07:49


171. Lecture 19-1: Saving and Loading ndarrays
14:32
172. Lecture.19-2 Archiving ndarrays
11:12


173. Lecture 20-1: Introduction to Vectorization
11:00
174. Lecture.20-2 Case1 MAF with For Loop
07:12
175. Lecture 20-3 Case 1 MAF Vectorization
11:52
176. Lecture 20-4 Case 2: Sobel Filtering Review
05:24
177. Lecture 20-5 Case 2: Making Index Arrays
07:52
178. Lecture 20-6 Case 2: Index Array Patterns
08:23
179. Lecture 20-7 Case 2: Sobel Filtering Vectorization
10:54
180. Lecture 20-8: Fully-connected Operations
07:32
181. Lecture 20-9 FCO Scalar Element Case
09:17
182. Lecture 20-10 FCO Scalar Element Case - Vectorization.1
11:44
183. Lecture 20-11 FCO Scalar Element Case - Vectorization Idea
06:54
184. Lecture 20-12: FCO Scalar Element Case - Vectorization.2
11:33
185. Lecture 20-13: FCO Vector Element Case
05:54
186. Lecture 20-14: FCO Vector Element Case with For Loop
05:15
187. Lecture 20-15 FCO Vector Element Case - Vectorization.1
08:35
188. Lecture 20-16 FCO Vector Element Case - Vectorization Idea
09:06
189. Lecture 20-17 FCO Vector Element Case - Vectorization.2
09:17
190. Lecture 20-18: MNIST Classification using Average Images
07:00
191. Lecture.20-19 Making Average Images11:40
192. Lecture.20-20 MNIST Classification using Average Images - Vectorization13:20

Published:

Last updated:

`Reviews`

All

4 reviews

5.0

4 reviews

HeeSeok JeongReviews 9 ∙ Average Rating 4.1
5
8% enrolled
파이토치를 배우기 위한 밑거름 강의... 최고입니다. 신경식 강사님의 강의는 언제나 옳다 !!!
- 공대형아(신경식)Instructor
  감사합니다!! 더 좋은 컨텐츠의 강의 제공할 수 있도록 최선을 다하겠습니다😃
권승Reviews 2 ∙ Average Rating 5.0
5
30% enrolled
ysyang1009Reviews 13 ∙ Average Rating 5.0
5
24% enrolled
유준모Reviews 2 ∙ Average Rating 5.0
5
30% enrolled

$35.20

`asdfghjkl13551941's other courses`

Check out other courses by the instructor!


신경식의 딥러닝 - Gradients and PyTorch's Autograd
공대형아(신경식)
딥러닝을 시작하기 위해 필요한 기본적인 미분법과 PyTorch의 Autograd 기능을 배우는 강의입니다.
초급
딥러닝, 미적분, PyTorch
신경식의 딥러닝 - Gradients and PyTorch's Autograd
공대형아(신경식)


수학으로부터 인류를 자유롭게 하라(기초대수학편)
공대형아(신경식)
중고등학교 과정에서 배우는 수학 내용들을 압축한 강의입니다.
필요한 수학적 지식, 테크닉들을 각 아이템마다 많은 연습과 함께 배웁니다.
입문
대수학
수학으로부터 인류를 자유롭게 하라(기초대수학편)
공대형아(신경식)


[PY 0204] 인공지능을 위한 파이썬 레벨3 - 함수
공대형아(신경식)
[인공지능을 위한 파이썬] 시리즈의 네 번째 강의입니다.
파이썬의 문법과 함께 머신러닝, 딥러닝에 사용되는 실전연습을 하는 강의입니다.
입문
Python, 인공지능(AI)
[PY 0204] 인공지능을 위한 파이썬 레벨3 - 함수
공대형아(신경식)


[PY 0202] 인공지능을 위한 파이썬 레벨2
공대형아(신경식)
[인공지능을 위한 파이썬] 시리즈의 두 번째 강의입니다.
파이썬의 문법과 함께 머신러닝, 딥러닝에 사용되는 실전연습을 하는 강의입니다.
입문
Python, 인공지능(AI)
[PY 0202] 인공지능을 위한 파이썬 레벨2
공대형아(신경식)


[PY 0201] 인공지능을 위한 파이썬 레벨1
공대형아(신경식)
파이썬의 기본 문법에 대해 많은 연습을 하는 강의입니다.
파이썬의 문법과 함께 머신러닝, 딥러닝에 사용되는 실전연습을 하는 강의입니다.
입문
Python, 인공지능(AI)
[PY 0201] 인공지능을 위한 파이썬 레벨1
공대형아(신경식)


[PY 0205] 인공지능을 위한 파이썬 레벨4 - 객체와 클래스
공대형아(신경식)
[인공지능을 위한 파이썬] 시리즈의 다섯 번째 강의입니다. 파이썬의 문법과 함께 머신러닝, 딥러닝에 사용되는 실전연습을 하는 강의입니다.
초급
Python, 인공지능(AI)
[PY 0205] 인공지능을 위한 파이썬 레벨4 - 객체와 클래스
공대형아(신경식)


수학으로부터 인류를 자유롭게 하라(미적분학 Part.I) - 미분
공대형아(신경식)
함수의 극한, 도함수, 미분법, 도함수 공식, 미분의 활용
입문
미적분
수학으로부터 인류를 자유롭게 하라(미적분학 Part.I) - 미분
공대형아(신경식)


[PY 0203] 디버깅 기초
공대형아(신경식)
[인공지능을 위한 파이썬] 시리즈의 세 번째 강의입니다.
파이썬 코드를 디버깅 하는 방법에 대해 배웁니다.
입문
Python, 인공지능(AI), debugging
[PY 0203] 디버깅 기초
공대형아(신경식)


수학으로부터 인류를 자유롭게 하라(선형대수학 Part.I) - 벡터기하학
공대형아(신경식)
선형대수학의 첫 번째 강의로서, 벡터와 벡터의 연산을 기하학적으로 이해하는 강의입니다.
입문
선형대수학, 대수학
수학으로부터 인류를 자유롭게 하라(선형대수학 Part.I) - 벡터기하학
공대형아(신경식)


[PL 0303] 데이터 시각화를 위한 파이썬 - 맷플롯립 마스터 클래스
공대형아(신경식)
맷플롯립 라이브러리를 이용한 데이터 시각화를 다루는 강의입니다.
입문
Matplotlib, Python, 인공지능(AI)
[PL 0303] 데이터 시각화를 위한 파이썬 - 맷플롯립 마스터 클래스
공대형아(신경식)


수식 작성을 위한 레이텍(LaTeX) 튜토리얼
공대형아(신경식)
수식 작성을 위한 LaTeX의 사용법을 배우는 강의입니다.
입문
LaTeX
수식 작성을 위한 레이텍(LaTeX) 튜토리얼
공대형아(신경식)


[PL 0301] 파이썬 가상환경과 아나콘다
공대형아(신경식)
가상환경의 개념과 설정하는 방법을 배웁니다.
입문
Anaconda
[PL 0301] 파이썬 가상환경과 아나콘다
공대형아(신경식)

`Similar courses`

Explore other courses in the same field!


[PL 0303] 데이터 시각화를 위한 파이썬 - 맷플롯립 마스터 클래스
공대형아(신경식)
맷플롯립 라이브러리를 이용한 데이터 시각화를 다루는 강의입니다.
입문
Matplotlib, Python, 인공지능(AI)
[PL 0303] 데이터 시각화를 위한 파이썬 - 맷플롯립 마스터 클래스
공대형아(신경식)


하트카운트와 함께 쉽게 시작하는 파이썬 & 데이터 전처리
HEARTCOUNT
파이썬 입문자/비개발자를 위한 기초 사용법과 데이처 전처리 방법을 다룹니다. 부록으로 ChatGPT 코드 인터프리터를 활용한 전처리 방법도 알려 드립니다.
입문
Python, Pandas
하트카운트와 함께 쉽게 시작하는 파이썬 & 데이터 전처리
HEARTCOUNT


[입문/초급] 다양한 예제를 통한 추천 시스템 구현
당근먹는토끼
🧩 복잡한 수식이나 이론 중심의 설명보다는, 
     직접 프로그램을 구현하며 추천 시스템의 핵심 개념을 익히는 것을 목표로 합니다.

🛠️ 총 12개의 다양하고 실용적인 예제를 통해, 콘텐츠 기반 추천, 협업 필터링, 딥러닝 추천 등 
     실제 환경에서 활용할 수 있는 추천 시스템을 단계적으로 설계하였습니다.
초급
머신러닝, 딥러닝, PyTorch
[입문/초급] 다양한 예제를 통한 추천 시스템 구현
당근먹는토끼


퀀트 투자를 위한 파이썬 트레이딩룸 만들기 - Part 3
Suit & Coffee
퀀트 투자를 위한 파이썬 트레이딩룸 만들기 Part 3에서는 포트폴리오 이론 및 실전투자에 필요한 개념 및 코드로 구현하는 방법에 대해 배웁니다. Part 1 & 2에서는 금융데이터 분석을 위한 코드 구현 방법들에 대해서 주로 배웠다면, Part 3에서는 퀀트 투자에 있어 중요한 부분을 차지하는 '포트폴리오'에 대해서 배웁니다. 왜 포트폴리오를 만들어야할까? 라는 의문을 가지고 포트폴리오 이론을 배우며 이를 파이썬으로 구현도 하고, 실전 포트폴리오 투자에 필요한 코드 실습도 진행합니다.
해당 강의를 통해 여러분들만의 포트폴리오 투자에 있어 도움이 되기를 바라겠습니다
중급이상
퀀트, Python, 투자
퀀트 투자를 위한 파이썬 트레이딩룸 만들기 - Part 3
Suit & Coffee


Open API 사용 with 파이썬
쌤즈(SSAMZ)
Open API와 파이썬을 활용하여 업무 효율성을 향상시키는 데 필요한 기술과 노하우를 학습할 수 있습니다.
입문
Python, REST API, OAuth
Open API 사용 with 파이썬
쌤즈(SSAMZ)


파이썬 알고리즘 트레이딩 파트1: 알고리즘 트레이딩을 위한 파이썬 데이터 분석
다니엘
S&P 500 페어 트레이딩의 통계적 접근법을 파이썬으로 체계적으로 학습하실 수 있습니다. 전문적인 데이터 분석을 통해 감정을 배제한 투자 전략의 기초를 마련하세요.
초급
Python, 객체지향, 퀀트
파이썬 알고리즘 트레이딩 파트1: 알고리즘 트레이딩을 위한 파이썬 데이터 분석
다니엘


파이썬으로 만드는 나만의 웹 페이지 Part1
Suit & Coffee
이제 파이썬 결과물을 웹 페이지로 나타낸다!
오직 파이썬만을 이용해 나만의 웹 페이지를 만들어볼 수 있어요. 데이터 분석, 머신러닝 등 파이썬으로 만든 결과물을 웹 페이지에서 확인할 수 있는 Interactive DashBoard를 만들어 볼 수 있는 기회입니다!
초급
Python
파이썬으로 만드는 나만의 웹 페이지 Part1
Suit & Coffee


평생 써먹는 데이터 기반 투자법 with 파이썬 퀀트 투자
Jiwoon Jeong
파이썬 퀀트 투자와 함께 데이터를 기반으로 투자 전략을 세우고 전략에 따른 투자를 해보세요. 다양한 자산 배분 전략을 구현하고, 최종적으로 자신만의 투자 전략을 만들어 볼 수 있습니다.
초급
퀀트, 투자, Pandas
평생 써먹는 데이터 기반 투자법 with 파이썬 퀀트 투자
Jiwoon Jeong


Python 엑셀 프로그래밍 - with xlsxwriter
제주코딩베이스캠프
xlsxwriter 튜토리얼로 배우는 Python 엑셀 프로그래밍의 기초 강좌입니다. Python과 엑셀을 사용하여 데이터를 분석하고 업무를 자동화 할 수 있습니다.
입문
XlsxWriter, Python
Python 엑셀 프로그래밍 - with xlsxwriter
제주코딩베이스캠프


데이터 분석을 위한 파이썬 입문
부산대학교 소프트웨어융합교육원
파이썬 사용을 위한 기초를 다지고 데이터 분석 문제를 해결해보자!
입문
Python
데이터 분석을 위한 파이썬 입문
부산대학교 소프트웨어융합교육원


확률과 통계 101
루비네 코딩
드디어 모두를 위한 확률과 통계 강의가 왔습니다! 이론과 코딩 실습을 통해서 차근차근 확률과 통계의 원리에 대해서 배워봅니다.
초급
확률과 통계, 빅데이터, Python
확률과 통계 101
루비네 코딩


[리뉴얼] 처음하는 파이썬 머신러닝 부트캠프 (쉽게! 실제 캐글 문제 풀며 정리하기) [데이터분석/과학 Part2]
잔재미코딩 DaveLee
강사가 처음 머신러닝을 익혔을 때, 실패했던 경험을 바탕으로, 쉽게 머신러닝을 이해하고, 실제 문제에 적용할 수 있도록 기존 강의와 다르게, 새롭게 꾸민 강의입니다
초급
머신러닝, Kaggle, Pandas
[리뉴얼] 처음하는 파이썬 머신러닝 부트캠프 (쉽게! 실제 캐글 문제 풀며 정리하기) [데이터분석/과학 Part2]
잔재미코딩 DaveLee


컴퓨터 비전 이상 탐지, 개발부터 배포까지 올인원 마스터
데이비드최
🚀 데이터브릭스로 배우는 실전 AI 이상 탐지!
💡 비싸고 느린 모델은 그만! 대규모 데이터 최적화부터 실시간 배포까지, 기업 실무에서 바로 활용할 수 있는 이상 탐지 AI를 완성합니다.
중급이상
Python, 인공지능(AI), 머신러닝
컴퓨터 비전 이상 탐지, 개발부터 배포까지 올인원 마스터
데이비드최


챗 GPT를 활용한 파이썬 프로그래밍
쌤즈(SSAMZ)
파이썬의 기본 문법과 인기 있는 라이브러리를 활용 
챗GPT를 활용한 파이썬 문법과 라이브러리 코드 자동 생성
초급
Python, ChatGPT, 웹 크롤링
챗 GPT를 활용한 파이썬 프로그래밍
쌤즈(SSAMZ)


처음이지만 AI로 전문가처럼 – ChatGPT만 있으면 나도 데이터 분석가
Masocampus
이젠 직감이 아닌 데이터로 말하는 시대.
ChatGPT와 함께 데이터 분석을 쉽게 배워보세요!
초급
ChatGPT, 빅데이터, 인공지능(AI)
처음이지만 AI로 전문가처럼 – ChatGPT만 있으면 나도 데이터 분석가
Masocampus


웹크롤링 with 파이썬
쌤즈(SSAMZ)
파이썬 기반의 웹 크롤링 기술을 습득하여, 웹 페이지로부터 데이터를 수집하고, 이를 바탕으로 업무에서 데이터 수집과 분석 능력을 향상시키기 위한 과정입니다.
초급
Python, 웹 크롤링, Selenium
웹크롤링 with 파이썬
쌤즈(SSAMZ)


[리뉴얼] 처음하는 SQL과 데이터베이스(MySQL) 부트캠프 [입문부터 활용까지]
잔재미코딩 DaveLee
이 강의를 통해 SQL과 데이터베이스의 이해, SQL 문법, 실제 활용을 위한 데이터베이스 설계, 프로그래밍을 통한 데이터베이스 활용, 데이터 분석 활용 사례까지 익힐 수 있습니다.
초급
Python, SQL, MySQL
[리뉴얼] 처음하는 SQL과 데이터베이스(MySQL) 부트캠프 [입문부터 활용까지]
잔재미코딩 DaveLee


파이썬 머신러닝
Masocampus
복잡한 분석과 예측을 효율적으로 진행하는 머신러닝에 대해 이해하고 실습하는 과정!
어렵고 복잡할 것만 같았던 머신러닝도 마소캠퍼스의 <파이썬 머신러닝>과 함께라면 쉽고 재미있게 핵심을 깨우치실 수 있습니다.
중급이상
머신러닝, Pandas, Numpy
파이썬 머신러닝
Masocampus


내 업무를 대신 할 파이썬(Python) 웹크롤링 & 자동화 (feat. 주식, 부동산 데이터 / 인스타그램)
DeepingSauce
본 수업에서는 파이썬(Python)을 활용하여, 다양하게 동작하는 사이트로부터 데이터를 가져오고(크롤링) 처리하는 테크닉에 대해서 배우고, 이를 응용하여 실전에서 마주할 수 있는 다양한 예제들에 직접 적용해봅니다. 이를 통해 주어진 코드를 복사해서 붙여넣는 방식의 일차원적인 업무 자동화가 아닌, 웹이 작동하는 기본 원리에 대한 이해를 바탕으로 한 실전 문제 해결 위주의 기술들에 대해서 익히고, 이에 따라 여러분들은 앞으로 어떤 사이트에서도 데이터를 수집하고 처리할 수 있는 역량을 가질 수 있습니다. 또한 이 과정에서 발생하는 다양한 예외상황들을 어떻게 코드로써 해결하는지에 대한 내용을 배우며 최종적으로는 일상에서 발생하는 다양한 문제들을 프로그래밍적 사고로 해결하고 자동화 할 수 있게 됩니다.
초급
Python, 웹 크롤링
내 업무를 대신 할 파이썬(Python) 웹크롤링 & 자동화 (feat. 주식, 부동산 데이터 / 인스타그램)
DeepingSauce


파이썬 코드로 배우는 데이터분석
부산대학교 소프트웨어융합교육원
웹 상에서 데이터를 수집하는 방법을 익히고, 머신러닝의 지도학습 모델을 생성해보자!
입문
Python, Pandas, 웹 스크래핑
파이썬 코드로 배우는 데이터분석
부산대학교 소프트웨어융합교육원

[PL 0302] Python for Data Manipulation - NumPy Masterclass

What you will learn!

NOTICE

NumPy, the core of data operations using Python!

The versatility of NumPy!

A lecture covering the core of NumPy!

196 APIs to learn in class

Chapter.2

`Chapter.3`

`Chapter.4`

`Chapter.6`

`Chapter.10`

`Chapter.11`

`Chapter.12`

`Chapter.13`

`Chapter.14`

`Chapter 15`

`Chapter.16`

`Chapter.17`

`Chapter.18`

`Chapter.19`

`Practical Practices!`

`Outer`

`Recommended for these people`

`Hello This is`

`강의 이력`

`Curriculum`

`Reviews`

`asdfghjkl13551941's other courses`

`Similar courses`

[PL 0302] Python for Data Manipulation - NumPy Masterclass

What you will learn!

NOTICE

NumPy, the core of data operations using Python!

The versatility of NumPy!

A lecture covering the core of NumPy!

196 APIs to learn in class

Chapter.2

Chapter.3

Chapter.4

Chapter.6

Chapter.10

Chapter.11

Chapter.12

Chapter.13

Chapter.14

Chapter 15

Chapter.16

Chapter.17

Chapter.18

Chapter.19

Practical Practices!

Outer

Recommended for these people

HelloThis is .css-1q3zd4q{text-decoration-line:underline;text-underline-position:under;text-underline-offset:1px;}

강의 이력

Curriculum

Reviews

asdfghjkl13551941's other courses

Similar courses

`Chapter.3`

`Chapter.4`

`Chapter.6`

`Chapter.10`

`Chapter.11`

`Chapter.12`

`Chapter.13`

`Chapter.14`

`Chapter 15`

`Chapter.16`

`Chapter.17`

`Chapter.18`

`Chapter.19`

`Practical Practices!`

`Outer`

`Recommended for these people`

`Hello This is`

`강의 이력`

`Curriculum`

`Reviews`

`asdfghjkl13551941's other courses`

`Similar courses`