구름을잡아라
1.2025/12/30 강의 내용 정리
구름 DeepDive 생성형 AI 서비스 개발 과정의 1230의 강의 내용을 공부한 내용
2.2025/12/30 EXP note
Jupyter Notebook
3.2025/12/31 강의 (함수, 클래스)
함수와 클래스
4.2026/01/05 - 이터레이터, 제너레이터
이터레이터, 제너레이터
5.2026/01/08 - 데코레이터, 병렬성 프로그래밍
데코레이터, 쓰레드
6.객체지향 with Python
인프런 강의 객체지향 제대로 배우기 노트
7.Pandas - DataFrame, 사칙연산
Pandas - DataFrame, 사칙연산
8.Pandas - 사칙연산 외의 다른 메서드들
Pandas - 사칙연산 외의 다른 메서드들
9.Pandas - Groupby(그룹화계산)
그룹화 계산 사용해 보기
10.Pandas - EWM 지수 가중 함수
지수 가중 함수 실습
11.combine vs join vs merge
어떤 것을 언제 쓰나?
12.Pandas - insert, pop, copy, drop/truncate, concat, drop_duplicate
Iso3_code Country Region \ 0 BRB Barbados Americas 1 CRI Costa Rica Americas 2 ...
13.Plotly - 기초 그래프 그리기
Plotly - 기초 그래프 그리기
14.Plotly - 축/그리드, 그래프 겹쳐/나눠그리기
Plotly 축/그리드
15.데이터베이스
데이터베이스의 종류
16.SQLlite - 실습 일지
SQLlite 사용해 보기
17.SQLlite - 실습일지(2)
SQLlite 실습일지 2, 컬럼 별명, 뷰, 조인, 집계합수
18.SQLite - 실습(실제데이터 다루기)
SQLite 실습 - 실제데이터 다루기
19.데이터베이스 - ERD 그리기
https://dbdiagram.io 를 이용한 ERD 그리기
20.SQLite 실습 - 실제데이터 다루기 2
데이터 정제
21.SQLite 실습 - 실제데이터 다루기 3
원하는 데이터를 두 개의 테이블에서 가져와서 조회하기
22.Plotly - 범례(Legend)
범례
23.그래프 데이터베이스 - neo4j desktop
그래프 데이터베이스 with neo4j desktop
24.실습 - 학생 기본 정보 데이터베이스 설계
학생 기본 정보 데이터 모델링
25.QGIS - 지리정보시스템 활용
QGIS 실습
26.neo4j Cypher
Cypher 기초 문법
27.neo4j 리팩토링 튜토리얼
neo4j 리팩토링
28.인공지능을 위한 기초 수학 - 벡터
인공지능을 위한 기초 수학 - 벡터
29.인공지능을 위한 기초 수학 - 선형연립방정식
선형연립방정식, REF, RREF
30.인공지능을 위한 기초 수학 - 행렬
행렬
31.머신러닝 개념
머신러닝 개념과 지시 학습, 비지시 학습
32.머신러닝 - gradient descent
머신러닝 gradient descent
33.머신러닝 - Multivariate Linear Regression
Multivariate Linear Regression
34.머신 러닝 - Features and Polynomial Regression, Logistic Regression
Features, Polynomial(다항) Regression, Logistic Regression
35.머신 러닝 - 지도학습, 비지도 학습 리스트
머신러닝의 지도학습, 비지도학습을 내가 보려고 리스트로 구성한 것
36.머신 러닝 - 추천시스템
추천시스템 (Recommender System)
37.머신 러닝 - 신경망(Neural Networks)
Neural Networks
38.머신 러닝 - 비지시 학습 - K-means Algorithm
K-평균 알고리즘(K-means Algorithm)
39.머신 러닝 - confusion matrix, IQR, skewed data, kurtosis, Label encoding, One hot encoding, Log Loss
머신러닝 실습 - confusion matrix, IQR, skewed data, kurtosis, Label encoding, one hot encoding, Log Loss
40.머신러닝 - 앙상블 모델
앙상블 모델
41.Accuracy, Recall, Precision, f1-score
Confusion Matrix를 통해 Accuracy, Recall, Precision, f1-score를 구할 수 있다. Accuracy
42.Hyper Parameter Tuning - Grid Search, Random Search
Grid Search, Random Search
43.딥 러닝 - Vectorization
Deep Learning - Vectorization
44.딥 러닝 - 자연어처리
Tokenization, cleaning, normalization, Integer encoding, one-hot coding, DTM
45.텍스트 처리를 위한 딥 러닝 - Text Classification
텍스트 분류 (Text Classification)
46.머신 러닝 - Linear, logistic summary
머신러닝 복습, Keras
47.Neural Network Language Model
NNLM
48.알고리즘 - k-nn, Linked list, stack, queue
k-nn, linked list, stack, decision tree, queue
49.Word Embedding - Word2Vec
Word2Vec
50.Word Embedding - FastText
FastText
51.Word Embedding - GloVe
GloVe
52.딥러닝 카테고리
딥 러닝의 구분
53.Mecab - Trigger 에러 with colab
mecab을 colab(코랩) 설치 시 Trigger 에러가 발생 시 해결 방법
54.논문 리뷰 - GloVe
GloVe 논문 리뷰
55.Transformer self attention vs GloVe
Transformer의 self-attention과 GloVe는 어떻게 다른가
56.RNN (Recurrent Neural Network)
RNN, LSTM, GRU
57.BERT에서 dropout을 왜 하나
BERT에서 dropout을 사용하는 이유는 과적합(overfitting)을 줄이기 위해서 이다.
58.-100과 ignore label
-100을 꼭 사용해야 하나?
59.BERT 입력 길이를 정하는 방법
BERT 의 입력 길이는 어떻게 정하면 될까?
60.BERT 의 예측과 Transformer의 디코더는 어떻게 다른가
BERT의 예측과 Transformer의 디코더는 어떻게 다른가