사무직 직장인 여러분 여러분이 찾던 코딩강의 여기 있습니다.
이해하기 쉬운 설명 + 함께 타이핑하는 실습으로 재밌게 배우고 업무시간을 줄여봐요.
-------------------
주위에서 코딩이 중요하다, 파이썬이 대세다 이런 말 많이 들어보셨죠? 회사에서도 자기계발로 필요하다고 교육 들으셨던 경험도 있으셨을거고요. 하지만 두꺼운 전공책처럼 이해하기 어려운 내용들만 나와서 이건 내 길이 아니다 라고 금방 그만 두셨던 경험도 분명 있으셨을거라고 생각합니다. 그래서 준비했습니다. 컴퓨터 비전공 사무직 직장인 여러분들의 입장에서 필요한 것만 쉽게 배우는 파이썬 강의입니다. 어떻게 믿냐고요? 제가 바로 그 컴퓨터 비전공 사무직 직장인입니다.
---------------------
무료 강의인
-쉽고 재밌는 파이썬 기초 30분 완성
듣고 오세요!
---------------------
이 강의는 총 10시간(1.5+2.5+6)으로 이루어져 있습니다!
- 실전예제로 배우는 1.5시간 판다스
이 강의는 엑셀과 유사한 작업을 할 수 있지만 엑셀보다 더 재밌는 판다스 강의입니다.
판다스 여러 명령어의 개념을 배우고 직접 실습합니다.
실제로 회사에서 사용할만한 실전문제도 5개 준비되어 있습니다.
※ 판다스 강의 들으신 후 무료강의인 '실전예제로 더하는 파이썬/판다스 플러스 알파' 듣고 오세요!
- 실전예제로 배우는 2.5시간 크롤링
크롤링(스크레이핑)의 개념을 배우고 직접 실습합니다.
- 실전예제로 배우는 6시간 머신러닝
이 강의는 지금까지 배운 것들의 피날레가 될 강의입니다.
머신러닝의 개념을 배우고 직접 실습합니다.
---------------------
필요한 것만 배우겠습니다. 여러분도 하실 수 있습니다!
---------------------
판다스 배우는 개념:
데이터 확인
컬럼, 로우, 인덱스
정렬
필터
파이썬에서 COUNTIF, SUMIF 실행하기
저장하기
groupby
apply
concat
merge
크롤링 배우는 개념:
robots.txt
requests
HTML 배우기
Beautifulsoup (find, find_all, get_text)
Regular Expressions (Regex) (findall)
셀레늄 메뉴 클릭
셀레늄 드랍박스
셀레늄 자바스크립트
셀레늄 팝업창
셀레늄 키입력
머신러닝 배우는 개념:
머신러닝의 분류(Regression, Classification)
머신러닝의 절차
Feature와 Label
샘플링(Undersampling, Oversampling)
스케일러(Standard Scaler, MinMax Scaler)
Fitting(Underfitting, Overfitting)
Train Set, Test Set
Preprocessing 컨셉(Fit, Transform)
Replace, LabelEncoder
원핫인코딩(get_dummies)
원핫인코딩(Sklearn, Array, Sparse matrix)
Column Transformer(make_column_transformer)
Linear Regression 개념(Loss Function, RMSE, R square)
Regularization 모델(Lasso, Ridge, ElasticNet)
SGD Regressor (Learning Rate, Gradient Descent)
Undersampling 개념(Random Undersampler, Nearmiss)
imbalanced learn
Nearmiss 실습 중 NaN 값 처리하기
Oversampling 개념(Random Oversampler, SMOTE, Boarderline Smote)
Logistic Regression 컨셉(Sigmoid)
OVR, Multinominal (Activation, Optimization, Probability)
Hyperparameter (solver, multi_class)
Accuracy Score
Precision Score
Recall Score
Precision VS Recall
F1 Score
SVM 개념
Support Vector, Hyperplane, Margin, Soft margin, C
커널(kernel, linear, poly, rbf)
감마(gamma)
Decision Tree 이론
Random Forest Classifier 이론 (oob score)
Train/Test Split의 문제점
Cross-validation Score
GridSearchCV
HalvingGridSearchCV
Pipeline
Kmeans Clustering
-------------------
