AI엔지니어

결정 경계의 여백을 최대화하는 SVM의 분류 기준과 Support Vector의 역할

취업으로 코드잇 AI 엔지니어 스프린트를 먼저 마치며 남기는 기록

정확도와 재현율, 정밀도, F1 점수로 분류 모델의 오류를 나눠 보는 방법

결정 트리에서 출발해 Voting, Bagging, Boosting과 주요 부스팅 모델을 연결한 정리

분류 모델이 확률 예측의 오차를 계산하고 학습하는 과정

결정 트리와 주요 부스팅 모델, PCA와 요인 분석의 차이를 정리한 세 번째 위클리 페이퍼

선형회귀가 분류에 맞지 않는 이유와 로지스틱 회귀가 확률로 클래스를 나누는 과정

Bike Sharing Demand 데이터를 탐색하며 변수의 맥락과 모델 선택의 차이를 확인한 미션 기록

특성의 크기를 맞추고 Ridge, Lasso, Elastic Net으로 모델의 복잡도를 조절하는 과정

머신러닝의 학습 방식과 모델 학습 및 검증 과정에서 확인해야 할 개념을 정리한 두 번째 위클리 페이퍼

머신러닝이 데이터를 학습하는 여러 방식과 각각의 차이

벡터와 행렬, 선형 시스템이 머신러닝의 입력과 가중치 연산으로 연결되는 과정

머신러닝을 위한 수학과 데이터 준비 과정을 정리하는 첫 번째 위클리 페이퍼

데이터의 중심과 퍼짐, 분포 모양을 그래프로 읽는 기초 통계 복습

Pandas에서 데이터 필터링, 값을 만들기, 그룹 단위로 집계

Pandas DataFrame으로 데이터를 선택하고 합치고 정리하는 기본 흐름

NumPy 배열이 리스트와 어떻게 다른지, shape와 axis를 처음 배우며 정리한 수업 기록

코드잇 스프린트 본과정 두 번째 수업에서 정리한 파이썬 시퀀스, 파일 입출력, set, OOP 기본

코드잇 스프린트 첫 수업에서 정리한 데이터 사이언스, MLOps, Python 기초의 전체 흐름

선형회귀의 가설 함수, 손실 함수, 편미분, 경사 벡터가 경사하강법으로 이어지는 흐름

집값 예측 예제로 정리한 선형회귀, 평균 제곱 오차, 손실 함수의 의미

머신러닝 기본기 강의, 편미분과 경사의 의미

머신러닝 기본기 강의에서 다시 정리한 함수, 변화율, 미분의 기본기

행렬 덧셈, 스칼라곱, 행렬 곱셈, 요소별 곱셈, 그리고 NumPy 연산 정리

코드잇 머신러닝 기본기와 선형대수 기초

코드잇 AI 엔지니어 스프린트 pre-course의 마지막 파이썬 강의

코드잇 AI 엔지니어 스프린트 pre-course에서 리스트와 for 반복문을 다시 정리한 기록

코드잇 AI 엔지니어 스프린트 pre-course에서 다시 살펴본 파이썬 기본기

AI 시대에도 실무자로 계속 성장하고 싶어서 다시 학습 루틴 안으로 들어간 이야기