ML Cookbook

머신러닝의 기초부터 심화까지, 실습 중심으로 배우는 완벽 가이드

학습 로드맵

Week 1-2: ML 기초
├── 01. ML Pipeline       → 데이터 분할, 전처리, 평가의 기본
├── 02. Linear Regression → 회귀 분석의 수학적 기초
└── 03. Logistic Regression → 분류 문제와 평가 지표

Week 3-4: 트리 & 앙상블
├── 04. Decision Tree     → 트리 기반 모델의 원리
├── 05. Ensemble          → Random Forest, XGBoost
└── 06. Feature Engineering → 피처 생성과 선택

Week 5-6: 비지도 학습
├── 07. Clustering        → K-Means, 군집화
├── 08. Dimensionality    → PCA, t-SNE, UMAP
└── 09. Anomaly Detection → 이상치 탐지

Week 7-8: 고급 주제
├── 10. Imbalanced Data   → 불균형 데이터 처리
├── 11. Time Series       → 시계열 예측
├── 12. Neural Network    → 딥러닝 기초
├── 13. CNN               → 이미지 분류
└── 14. NLP               → 텍스트 분석

빠른 시작

📚 튜토리얼 시작 💻 노트북 목록

특징

14개 핵심 주제 - ML 기초부터 딥러닝까지
실습 중심 - Jupyter 노트북으로 직접 코딩
면접 대비 - 각 주제별 면접 질문 포함
Premium 컨텐츠 - 연습문제, 솔루션, 심화 면접자료

필수 라이브러리

pip install numpy pandas matplotlib seaborn scikit-learn
pip install xgboost lightgbm  # 앙상블
pip install statsmodels       # 시계열
pip install tensorflow        # 딥러닝 (선택)

저자

SOTAAZ (opens in a new tab) - AI & Data Engineering 튜토리얼

01. ML Pipeline