스터디 소개
스터디 주제
인공지능 분야를 처음으로 공부하고자 하는 멤버에게 추천드리는 커리큘럼입니다!
초보자도 무리하지 않고 따라올 수 있는 주제로 구성되어 있습니다.
인공지능 어려우니까 고학년만 공부하는 거 아냐?! 모든 학년이 참여할 수 있으니 많이 신청해주세요
모든 학년이 참여할 수 있으니 많이 신청해주세요 1.
Python (Pandas)
2.
Visualization
3.
Machine Learning
4.
Deep Learning
기초 인공지능 스터디의 학습 목표
1.
Python 기반의 Pandas를 이용하여 데이터를 조작하고 시각화합니다.
2.
Python의 함수를 이용하여 데이터 EDA를 진행하고, 데이터 인사이트를 확인합니다.
3.
Machine Learning의 기본 개념을 학습합니다.
4.
ChatGPT의 원리를 Deep Learning의 개념을 학습하며 알아봅시다.
기초 인공지능 스터디 커리큘럼
스터디 진행 방식
스터디 진행 방식
•
스터디는 실시간 세션 없이, 정해진 일자에 실습 자료 및 과제를 배부하는 방식으로 진행됩니다.
◦
자율 스터디 그룹 생성을 통해 스터디원들끼리 팀을 구성하여 별도 온/오프라인 학습을 병행하는 것을 권장드립니다.
•
Jupyter Notebook으로 진행할 예정입니다.
스터디 주간 회고 WIL (Weekly-I-Learned) 작성
매주 배운 것들을 기록하고 공유하는 시간을 가집니다.
과제가 없는 주차라도, WIL은 기본적으로 꼭 작성 후 제출하셔야 합니다.
티스토리, 벨로그, 깃헙 등 자신이 이번 주차에 배운 내용을 기록한 블로그 링크나 직접 작성한 내용을 깃허브 해당 주차 WILn.md에 업로드하여 WIL 작성을 한번에 확인할 수 있도록 합니다.
주차별 미션
매주 월요일 오전 10시에 디스코드 채널에 주어진 컨텐츠가 zip 파일로 업로드됩니다.
배부 받은 파일의 문제를 모두 푸신 다음,
다음 회차 스터디 당일(월요일) 오전 3시까지 자신의 레포지토리에 제출하면 출석으로 인정됩니다.
지각 제출의 경우 받지 않으며, 다음 주차 미션과 함께 제출합니다.
스터디 규칙
스터디 수료 기준
스터디 수료의 조건은 출석률 70% 이상입니다.
수료자에게는 공식 수료증이 발급되며, 다음 학기 회비를 할인해 드립니다.
우수 참여자
우수 참여자 선정 기준은 아래와 같습니다.
1.
과제 제출을 성실하게 했는가?
2.
커뮤니티 및 스터디 활성화에 기여하였는가?
(새로 알게 된 내용을 스터디 채널에 공유하거나, 스터디원들에게 도움이 될만한 질문을 올리는 등의 활동이 스터디 활성화에 해당합니다.)
우수 참여자의 경우 전체 참여자의 일정 비율만큼 총 2회 (5회차, 10회차) 선발합니다.
우수 참여자에게는 다음 혜택을 제공합니다.
•
우수 참여 업적 발급 및 추가 XP Point 지급
•
소정의 기프티콘 증정
주차별 커리큘럼
1주차 - 데이터는 불러와야지?
기본적으로 데이터를 불러와서 조작할 수 있는 pandas에 대해 학습하고, 이 안에서 원하는 column만 조회, indexing, 통계수치, apply lambda 등 유용한 함수에 대해 익숙해지는 시간을 가져봅니다.
내용
튜토리얼 데이터셋을 불러와서 pandas으로 Data Frame을 불러오고 원하는 column만 indexing하거나, 원하는 형태로 가공하는 방법 익히기
•
pd.read_csv() / iloc, loc / group by / merge, concat / apply lambda
•
데이터셋 - 펭귄 데이터셋
숙제
주어진 데이터셋을 제공하는 데이터프레임과 같은 형태와 정보를 빼오는 것을 목표로 합니다. 1주차이므로 새로 알아가야할 내용을 숙제로 내진 않을 것같고, 배웠던 내용들을 다시 보면 충분히 풀어낼 수 있도록 낼 예정입니다.
2주차 - 그림으로 표현해보자!
데이터에 대한 흥미를 올리기 위해 파이썬에 대한 기초 및 간단한 시각화 튜토리얼 위주로 진행할 예정입니다.
내용
튜토리얼 데이터셋을 주고 bar, scatter, line, 색 변화, box plot, violin plot 등 먼저 어떤 그림이 어떤 목적으로 사용될 수 있는지 확인하기
숙제
Matplotlib과 Seaborn으로 시각화를 배웠습니다. 이제 Titanic Dataset을 가지고 우리가 배운 plot들을 바탕으로 여러분들 만의 시각화를 해보세요. 그리고 그 결과를 블로그에 정리해보시기 바랍니다.
3주차 - 이제는 실전!
이제 도구는 주어졌습니다. 이제 여러분 스스로 작품을 만들어볼 차례! 실전 데이터를 전처리 해보고 그 안에서 나름의 인사이트를 뽑아봅시다!
내용
공공데이터로 우리가 배웠던 pandas의 가공 함수들과 시각화 함수들을 활용하여 본인 나름의 EDA를 진행합니다.
•
활용 예정 데이터 : 서울시 카페 데이터셋, Marketing 데이터 중 1
•
각 데이터셋에 맞는 목표 제시 예정
◦
카페 데이터셋 - 서울시의 카페 수는? or 서울시에 가장 많은 프렌차이즈는? or 해당 프렌차이즈가 가장 많이 있는 지역은?
◦
Marketing 데이터셋 - 각 Column들의 분포와 결측치 여부는? 변수들 간의 상관관계를 시각화 시키는 방법은?
** 심화 학습 : 위에서 배운 목표를 제대로 시각화 하기 위해선 “지도”위에 시각화 할 필요가 있습니다. 지리적 정보를 시각화 하는데에 특화된 Folium에 대해 알아봅시다. (marker, circle 정도만)
숙제
본인이 진행한 EDA의 내용을 정리한 글을 작성해보세요. 본인이 분석한 결과를 타인에게 잘 전달하는 것도 매우 중요한 역량입니다.
4주차 - 모방도 실력이야~
우리 나름대로 EDA를 진행했습니다. 그럼 찐 고수들은 어떻게 할까요? 모방은 창조의 시작이라고 했습니다. 잘하는 사람은 어떻게 했는지 비교해봅시다.
내용
Kaggle에서 추천을 많이 받은 Notebook을 필사합니다.
필사는 코드를 따라 작성하면서 모르는 함수나 기능을 익혀나가는 과정입니다. 복붙은 되도록 지양해주시기 바랍니다. 복붙을 하면 시간 낭비가 되어 버립니다.
숙제
필사하면서 배웠던 내용을 블로그에 정리해주세요. 필사를 하게되면서 알게된 함수, 들었던 의문점(이렇게 해도 됐을 거같은데 왜 이렇게 했지?) 등을 정리하며 본인의 것으로 만들어보세요.