코스
9학년 AI: Python과 기계 학습
Python, NumPy, pandas로 고전적인 기계 학습 모델을 학습하고 평가해요.
레슨을 차례대로 해요. 끝나면 데이터 구조와 다시 쓰는 함수로 Python을 쓸 수 있어요. 벡터를 더하고, 확률을 계산하고, 평균과 표준편차를 구할 수 있어요. NumPy와 pandas로 표를 불러오고, 깨끗이 하고, 차트로 만들 수 있어요. 데이터에 직선을 맞추고, 로지스틱 회귀, 결정 트리, k-최근접 이웃 분류기를 학습하고, k-means로 데이터를 묶을 수 있어요. 정확도, 정밀도, 재현율을 계산하고, 과적합을 찾고, 모델을 단순한 기준과 비교하고, 환경 데이터셋의 예측을 발표할 수 있어요.
이 레슨을 쓰는 방법
- 이것을 해요라고 표시된 레슨에서 시작해요. 제목 아래 줄을 혼자 할 수 있으면 다음으로 가요.
- 먼저 게임을 해요. 그다음 퀴즈를 해요. 10개 중 8개 정답이면 통과. 학습지는 종이예요. 정답은 아래에 있어요.
- 각 레슨은 앞 레슨 위에 쌓여요. 실험마다 메모해요. 무엇을 바꿨는지, 무엇이 일어났는지, 왜인지.
- 코딩 레슨은 무료 온라인 노트북에서 Python을 써요. 선생님이 허락한 AI 도구만 써요. AI가 너를 위해 쓴 코드는 설명해요. 공유하는 데이터셋에 개인 정보를 넣지 않아요.
각 수업에는 게임, 퀴즈, 학습지가 있습니다.
0/36
Python 프로그래밍
- 1구문 복습변수, 조건, 반복으로 Python을 써요.
- 변수, 타입, f-strings를 써요.
- if, for, while 블록을 써요.
- traceback을 읽고 오류를 고쳐요.
- 2데이터 구조리스트, 튜플, 세트, 딕셔너리 중에서 골라요.
- 각 구조를 가장 잘 맞는 일에 써요.
- 리스트 컴프리헨션과 딕셔너리 컴프리헨션을 써요.
- 구조를 중첩해서 레코드를 담아요.
- 3함수와 모듈다시 쓰는 함수를 쓰고 테스트해요.
- 기본 인수와 키워드 인수를 써요.
- assert로 테스트를 써요.
- 모듈에서 네 함수를 가져와요.
- 4데이터 스크립트텍스트 파일을 깨끗이 하는 스크립트를 써요.
- 파일을 한 줄씩 읽어요.
- 나쁜 행은 고치고, 빈 행은 건너뛰어요.
- 깨끗한 데이터를 새 파일에 써요.
기계 학습을 위한 수학
- 5벡터벡터를 더하고 점 사이의 거리를 구해요.
- 데이터 점을 벡터로 나타내요.
- 벡터를 더하고 스케일해요.
- 유클리드 거리와 내적을 계산해요.
- 6확률단순 확률과 조건부 확률을 계산해요.
- 어떤 사건의 확률을 계산해요.
- 표에서 조건부 확률을 계산해요.
- 동전 던지기를 시뮬레이션해서 답을 확인해요.
- 7통계평균, 분산, 표준편차를 구해요.
- 각각을 손으로, 그리고 코드로 계산해요.
- 표준편차가 무엇을 말해주는지 설명해요.
- 2개 데이터셋을 퍼짐으로 비교해요.
- 8수학 실험데이터를 그리고 퍼짐을 설명해요.
- 히스토그램을 그려요.
- 산점도를 그려요.
- 중심, 퍼짐, 이상값을 설명해요.
데이터 과학
- 9NumPyNumPy로 배열 전체의 수학을 해요.
- 배열을 만들고 모양을 바꿔요.
- 반복문 대신 벡터 연산을 써요.
- 배열을 인덱싱하고 슬라이스해요.
- 10pandaspandas로 표를 불러오고, 거르고, 묶어요.
- CSV를 DataFrame으로 불러와요.
- 행을 거르고 열을 골라요.
- 데이터를 묶고 요약해요.
- 11데이터 깨끗이 하기결측값과 잘못된 타입을 다뤄요.
- 결측값을 찾아요.
- 채우거나 버리고, 선택을 설명해요.
- 잘못된 타입과 중복된 행을 고쳐요.
- 12시각화질문에 답하는 차트를 만들어요.
- 질문에 맞는 차트를 골라요.
- 축에 이름을 붙이고 제목을 더해요.
- 오해하게 하는 차트를 찾아서 고쳐요.
기계 학습의 기초
- 13기계 학습이란모델이 데이터에서 패턴을 배우는 방법을 설명해요.
- 규칙을 쓰는 것과 데이터에서 배우는 것을 비교해요.
- 모델, 매개변수, 학습을 정의해요.
- 기계 학습의 실제 쓰임 3가지를 말해요.
- 14지도와 비지도지도 과제와 비지도 과제를 구별해요.
- 지도 학습은 레이블을 쓴다고 말해요.
- 비지도 학습은 레이블 없이 구조를 찾는다고 말해요.
- 과제 10개를 각 묶음에 나눠요.
- 15ML 작업 흐름데이터에서 작동하는 모델까지의 단계를 말해요.
- 단계를 순서대로 놓아요. 질문, 데이터, 특성, 학습, 평가, 배포.
- 각 단계에서 무엇이 잘못될 수 있는지 말해요.
- 단계를 반복하는 이유를 말해요.
- 16ML 과제 비교문제를 회귀, 분류, 군집 중 하나에 맞춰요.
- 각 과제가 무엇을 예측하는지 말해요.
- 문제 10개를 과제에 맞춰요.
- 문제 1개를 다른 과제로 다시 써요.
회귀
- 17선형 회귀데이터에 직선을 맞춰요.
- 기울기와 절편을 설명해요.
- scikit-learn으로 직선을 맞춰요.
- 데이터 위에 직선을 그려요.
- 18특성특성을 고르고 스케일해요.
- 특성을 2개 이상 써요.
- 특성을 같은 범위로 스케일해요.
- 범주 특성을 인코딩해요.
- 19오차평균 제곱 오차로 오차를 재요.
- 잔차를 계산해요.
- 평균 제곱 오차와 평균 절대 오차를 계산해요.
- 잔차를 그려 패턴을 찾아요.
- 20수를 예측하기회귀 모델을 학습하고 새 값을 예측해요.
- 데이터의 한 부분으로 학습해요.
- 나머지를 예측해요.
- 오차를 실제 단위로 보고해요.
분류
- 21로지스틱 회귀로지스틱 회귀 분류기를 학습해요.
- 점수를 확률로 바꾸는 방법을 설명해요.
- 학습하고 확률을 예측해요.
- 임계값을 바꾸고 비교해요.
- 22결정 트리결정 트리를 학습하고 분기를 읽어요.
- 트리를 학습해요.
- 분기를 그리고 읽어요.
- 깊이를 제한하고 점수를 비교해요.
- 23k-최근접 이웃k-최근접 이웃으로 분류하고 k를 골라요.
- k-최근접 이웃이 어떻게 투표하는지 설명해요.
- k의 값을 여러 개 시도해요.
- 스케일이 k-최근접 이웃에 중요한 이유를 말해요.
- 24분류기 학습데이터셋 1개에서 분류기 3개를 비교해요.
- 같은 나누기에서 3개 다 학습해요.
- 점수를 비교해요.
- 하나를 고르고 이유를 설명해요.
비지도 학습
- 25유사도샘플 2개가 얼마나 비슷한지 재요.
- 유클리드 거리를 써요.
- 코사인 유사도를 써요.
- 데이터셋에서 가장 비슷한 항목을 찾아요.
- 26k-meansk-means 군집으로 데이터를 묶어요.
- k-means 단계를 손으로 따라가요.
- scikit-learn에서 실행해요.
- 군집을 그려요.
- 27k 고르기엘보우 방법으로 군집의 수를 골라요.
- k의 값 여러 개로 k-means를 실행해요.
- 엘보우 곡선을 그려요.
- 군집이 말이 되는지 확인해요.
- 28샘플 묶기데이터셋을 군집으로 나누고 각 묶음을 설명해요.
- 실제 데이터셋을 군집으로 나눠요.
- 각 군집을 요약해요.
- 각 군집에 이름을 붙여요.
모델 평가
- 29학습과 테스트 나누기데이터를 나누고 이유를 설명해요.
- train_test_split으로 나눠요.
- 검증 세트로 조정해요.
- 교차 검증을 써요.
- 30정확도, 정밀도, 재현율정확도, 정밀도, 재현율을 계산해요.
- 혼동 행렬을 만들어요.
- 거기에서 각 지표를 계산해요.
- 문제에 맞는 지표를 골라요.
- 31과적합학습 점수와 테스트 점수를 비교해서 과적합을 찾아요.
- 과적합하는 모델을 학습해요.
- 학습 점수와 테스트 점수를 그려요.
- 과적합을 줄이고 비교해요.
- 32기준모델을 단순한 기준과 비교해요.
- 언제나 가장 흔한 답을 고르는 기준을 만들어요.
- 네 모델과 그것을 비교해요.
- 모델을 쓸 가치가 없을 때를 설명해요.
기계 학습 프로젝트
- 33데이터셋 고르기공개된 환경 데이터셋과 질문 하나를 골라요.
- 공개된 날씨나 대기질 데이터셋을 찾아요.
- 그것이 답할 수 있는 질문을 써요.
- 회귀나 분류를 골라요.
- 34준비하고 살펴보기데이터를 깨끗이 하고 주요 패턴을 차트로 만들어요.
- 데이터를 깨끗이 해요.
- 패턴 3개를 차트로 만들어요.
- 특성을 골라요.
- 35학습하고 비교하기모델 2개를 학습하고 기준과 비교해요.
- 모델 2개를 학습해요.
- 기준과 비교해요.
- 과적합을 확인해요.
- 36환경 상태 예측하기결과, 한계, 다음 단계를 발표해요.
- 결과와 차트를 보여요.
- 모델의 한계를 설명해요.
- 다음 단계를 제안해요.