Python 50
- [Python] 변수명에 변수 할당(for문을 통해 변수명 할당)
- [Python] 파이썬의 Asterisk(*)
- [Python] itertools. Permutation, Combination. 순열과 조합
- [Numpy] 행렬 축 바꾸기, 차원 늘리기, 합치기
- 비즈니스 관점의 모델 평가
- Shapley Value와 SHAP
- Feature Importance
- Class Imbalance
- GridSearch 사용 방법 및 학습 과정 시각화
- 가변수화, One-Hot Encoding(원핫인코딩) 방법
- [KT Aivle 3기 AI] 18일차. 머신러닝 (5) 앙상블 알고리즘
- [KT Aivle 3기 AI] 17일차. 머신러닝 (4) Hyperparameter 튜닝
- [KT Aivle 3기 AI] 16일차. 머신러닝 (3) 기본알고리즘
- [KT Aivle 3기 AI] 15일차. 머신러닝 (2) 모델 성능 평가 방법
- [KT Aivle 3기 AI] 14일차. 머신러닝 (1) 머신러닝 기초
- [KT Aivle 3기 AI] 13일차. 웹크롤링 (Web Crawling) (2)
- [KT Aivle 3기 AI] 12일차. 웹크롤링 (Web Crawling) (1)
- [Pandas 기초] 7. 시계열 데이터 처리
- [Pandas 기초] 6. DataFrame 결합
- [Pandas 기초] 5. DataFrame 변경
- [Pandas 기초] 4. DataFrame 집계
- [Pandas 기초] 3. DataFrame 조회
- [Pandas 기초] 2. DataFrame 탐색
- [Pandas 기초] 1. DataFrame 생성 및 불러오기
- [Numpy] Numpy 기초
- [KT Aivle 3기 AI] 5일차. (2) DataFrame 결합
- [KT Aivle 3기 AI] 5일차. (1) DataFrame 변경
- [KT Aivle 3기 AI] 4일차. (3) Pandas
- [KT Aivle 3기 AI] 4일차. (2) Numpy
- [KT Aivle 3기 AI] 2~3일차. Python Programming
- [사전학습] 6.4 시계열 분석
- [사전학습] 6.3 회귀분석
- [사전학습] 6.2 상관분석
- [사전학습] 6.1 가설의 의의와 검정
- [사전학습] 5.4~5 동적 시각화
- [사전학습] 5.1~3 정적 시각화
- [사전학습] 4.4 다변량 시각화
- [사전학습] 4.3 다변량 비시각화
- [사전학습] 4.2 일변량 비시각화
- [사전학습] 4.1 일변량 비시각화
- [사전학습] 3.5 데이터 축소 - 특징 선택
- [사전학습] 3.4 데이터 변환 - 특징 생성
- [사전학습] 3.3 데이터 변환 - 구간화 정규화
- [사전학습] 3.2 이상 데이터 처리
- [사전학습] 3.1 결측 데이터 처리
- [사전학습] 2.5 시계열 기초
- [사전학습] 2.4 데이터 그룹핑
- [사전학습] 2.3 데이터 합치기
- [사전학습] 2.2 데이터 변경
- [사전학습] 2.1 데이터 선택