- AI 기초반 스터디에서는 파이썬 기반 머신러닝의 전체 흐름을 체계적으로 이해하고, 모델을 구현해보는 것을 목표로 합니다.
- Numpy와 Pandas를 활용한 데이터 처리부터 Scikit-learn 기반의 분류·회귀 모델, XGBoost·LightGBM 같은 실전 모델, 추천 시스템까지 머신러닝에서 자주 쓰이는 핵심 주제들을 단계적으로 학습합니다.
| 주차 | 내용 |
|---|---|
| 1 | p.1 ~ p. 84(주요 라이브러리 익히기) |
| 2 | p.85 ~ p.144 & p.648 ~ p.698(사이킷런 입문, 시각화) |
| 3 | p.145 ~ p.180(평가) & p.181 ~ p.210(분류~결정트리) |
| 4 | p.210 ~ p.252(분류~lightGBM) |
| 5 | p.253 ~ p.267(분류 |
| 6 | p.308 ~ p.349(회귀~규제 선형 모델) |
| 7 | p.350 ~ p.362(회귀~회귀트리) & p.375 ~ p.398(회귀 실습) |
| 8 | p.399 ~ p.430(차원 축소) |
| 9 | p.431 ~ p.487(군집화) |
| 10 | p.584 ~ p.647(추천 시스템) |
ML반은 세미나 형식으로 진행되며, 격주로 운영됩니다.
- 일시: 금요일 18:00 - 20:00 (총 2교시 진행)
- 장소: 교내 강의실에서 진행
- 진행 방식
- **『파이썬 머신러닝 완벽가이드』**책을 기반으로 진행합니다.
- 발표자 여부와 관계없이, 각자 학습 후 실습 기록 / 정리 노트를 깃허브에 업로드합니다. (블로그 링크, GitHub 링크 첨부 가능)
- 발표자는 리드멘토가 제공하는 가이드라인과 교재 내용을 바탕으로 약 30분~1시간 분량의 세미나(수업)을 진행합니다.
- 발표 자료 구성
- 가이드라인은 참고용이며, 모든 내용을 발표 자료에 전부 포함할 필요는 없습니다.
- 발표 자료에는 수업 후 진행 할 퀴즈 2문제(객관식 1문제 + 서술형 1문제)를 필수로 포함합니다.
-
출결은 매 회차별로 개별 확인합니다.
(대면 스터디는 현장 출석, 비대면 스터디는 실시간 참여 여부 기준)
-
지각 기준
- 수업 시작 후 10분 초과 입장 시 지각으로 처리합니다.
- 지각 2회는 결석 1회로 환산합니다.
-
결석 기준
- 사전 연락 없이 수업에 참여하지 않은 경우 결석 처리합니다.
- 대면·비대면 수업 모두 동일한 결석 기준을 적용합니다.
-
사유 결석
- 시험, 공결, 건강상의 사유 등 불가피한 경우 사전 또는 당일 수업 전까지 멘토에게 공유 시 인정합니다.
-
수업 참여 태도
- 비대면 수업 중 무단 이탈, 장시간 비활성 상태는 지각 또는 결석으로 처리될 수 있습니다.
- 원활한 실습을 위해 수업 중 적극적인 참여를 권장합니다.