【한글자막】 Pandas 완전 정복 부트캠프 2022: 파이썬 데이터 과학

Pandas의 모든 것 | 150개 이상의 연습 과제 | 머신 러닝 및 금융 분야를 위한 필수 기술 | 사이킷런(Scikit-Learn)과 씨본(Seaborn) 포함

4.61 (66 reviews)
Udemy
platform
한국어
language
Programming Languages
category
500
students
34 hours
content
Feb 2022
last update
$84.99
regular price

What you will learn

데이터 처리 및 데이터 분석 기술을 놀라운 수준으로 향상

실제 데이터셋을 사용하여 모든 관련 Pandas 기법 및 워크플로 학습 및 실습

최신 버전 1.x 기반 Pandas 학습(버전 0.x의 시대는 끝났습니다)

지저분한 데이터 임포트, 정제, 병합 및 머신 러닝용 데이터 준비

Pandas, 사이킷런, 씨본을 사용한 머신 러닝 프로젝트 완벽 마스터

Pandas, 맷플롯립, 씨본를 통한 데이터 분석, 시각화, 이해

퀴즈와 150개 이상의 연습 과제, 종합 프로젝트를 통한 Pandas 기술 연습 및 마스터

인터넷에서 임포트한 금융/주식 데이터를 Pandas를 사용하여 분석

금융 데이터 분석에 있어 가장 중요한 Pandas 워크플로 학습 및 마스터

기존 버전 0.x에서 최신 버전 1.x로 전환하는 가장 좋은 메소드 학습

Pandas와 Numpy 코딩 기초 학습(부록)

SciPy를 활용한 중요한 통계 개념 학습 및 마스터

Description

  • Pandas 기초부터 응용까지 완벽 마스터 부트캠프!

  • 종합 대형 프로젝트 2개 포함!

  • 150개 이상의 연습과제 포함!


Pandas 완전 정복 부트캠프 2022: 파이썬 데이터 과학 강의를 선택해야 하는 이유

최고의 온라인 종합 Pandas 부트캠프에 오신 것을 환영합니다! 본 과정은 34시간의 동영상 강의와 150개 이상의 연습 과제 그리고 강의에서 배운 기술을 시험해볼 수 있는 종합적인 대규모 최종 프로젝트 2개로 구성되어 있습니다. 본 과정의 목표는 데이터 과학, 머신 러닝, 금융 및 기타 관련 분야에서의 경력을 쌓을 수 있도록 여러분의 데이터 처리 기술 수준을 한 단계 끌어올리는 것을 목표로 합니다.


본 과정은 다음과 같은 다섯 개의 파트로 구성됩니다:

  • Pandas 기초 – 기초부터 전문가 수준까지(파트 1)

  • 전반적인 Pandas 워크플로: 머신 러닝을 위한 데이터 임포트, 정제, 병합, 집계, 준비(파트 2)

  • 데이터 과학 채용/평가 센터에서 자주 사용되는 종합 프로젝트 과제 2개: 나의 실력을 시험해 보세요!(파트 3)

  • 응용 1: Pandas를 사용한 금융, 투자 및 기타 시계열 데이터 분석(파트 4)

  • 응용 2: Pandas와 사이킷런을 사용한 머신 러닝(파트 5)


왜 Pandas를 배워야 할까요?

세상은 점점 더 데이터 중심적으로 변하고 있으며, 데이터 과학자는 1억 이상의 연봉을 받으며 그 위상이 높아지고 있습니다. 이제 무동력 자동차(엑셀과 같은 스프레드시트 소프트웨어)에서 최첨단 튜닝 레이싱카(Pandas)로 전환할 때입니다!

파이썬은 과학, 통계, 금융, 머신 러닝을 위한 강력한 도구를 갖춘 훌륭한 데이터 과학 플랫폼/환경입니다. Pandas 라이브러리는 파이썬 데이터 과학의 핵심으로, 이를 통해 데이터를 임포트하고, 정제하고, 결합/병합/연결하고, 조작하고, 심층적으로 이해할 수 있도록 해주면, 궁극적으로 추가적인 통계 분석, 머신 러닝 또는 데이터 프레젠테이션을 위한 데이터를 준비/처리할 수 있습니다. 단 이 모든 작업을 하려면 Pandas를 능숙하게 다룰 수 있어야 하죠! 데이터 과학자들은 보통 업무 시간 중 85%에 달하는 시간을 Pandas에서 데이터를 조작하는 데 할애합니다.


지금 바로 시작해도 될까요?

파이썬 초심자들은 이런 질문을 자주 합니다. 'Pandas를 시작하려면 먼저 파이썬 코딩 전문가가 되어야 하나요?'

답은 명확합니다. '아니요! 엑셀을 다루기 전에 Microsoft 소프트웨어 개발자가 되어야 할까요? 그렇진 않겠죠!'

자료형, 간단한 연산/연산자, 리스트, Numpy 배열과 같은 일부 파이썬 기본 지식만 알고 있으면 됩니다. 본 과정의 부록을 보면 파이썬 단기 집중 과정 정보를 확인할 수 있는데, 데이터 과학에 적합하도록 맞춤 제작된 파이썬 입문 과정이죠!

또한 본 과정에서는 기본적인 통계 개념(SciPy를 사용한 코딩)에 대해 다룹니다.

한 마디로 데이터 과학 관련 용도나 엑셀 대용으로 파이썬을 주로 사용하고자 하는 분들께 꼭 맞는 과정이죠!


왜 이 과정을 수강해야 하나요?

  • Pandas에 대한 가장 적절하고 종합적인 과정입니다.

  • Pandas 버전 1.x를 다루는 최초이자 최신 과정입니다. 지난 몇 달 동안 Pandas 라이브러리는 대대적으로 개선되었기 때문에 예전의 코드에 의존하여 작업하는 것은 불편할 수 있습니다.

  • Pandas는 단독으로 쓰이는 도구가 아니라 데이터 시각화를 위한 맷플롯립(Matplotlib)씨본(Seaborn), 머신 러닝과 과학 및 통계 컴퓨터 연산을 위한 Numpy, SciPy, 사이킷런(Scikit-Learn)과 같은 다른 라이브러리와 함께 사용되며, 본 과정에서는 이러한 모든 라이브러리에 대해 다룹니다.

  • 실제 프로젝트에서 코딩과 비즈니스 측면은 똑같이 중요합니다. 본 과정은 심층적인 Pandas 코딩거시적 관점의 사고를 모두 가르치는 유일한 Pandas 코스일 것입니다.

  • 본 과정은 실제 프로젝트와 관련된 모든 기법, 속성, 워크플로에 대한 Pandas 백과사전으로 사용할 수 있습니다. 기법이나 워크플로에 문제가 있는 경우 본 과정을 통해 도움을 받고 해결책을 찾을 수 있습니다.

  • 지저분한(messy) 데이터의 임포트, 정제, 병합, 연결, 그룹화, 집계에서부터 탐색적 자료 분석 통계, 머신 러닝, 금융 데이터의 준비와 처리, 데이터 표현에 이르기까지 실제 데이터 분석의 전반적인 워크플로를 처음부터 끝까지 설명해드립니다.

  • 실제 데이터와 문제에 대한 Pandas 코딩을 알려드립니다. 모형 데이터는 사용하지 않죠! 이게 바로 Pandas를 배우고 이해하는 최고의 방법입니다.

  • 스스로 연습하고 코드를 작성할 수 있는 많은 기회를 제공하여 경험 기반 학습이 이루어질 수 있도록 합니다. 선택 가능한 힌트와 지도/지침을 통해 연습 과제의 난이도를 결정할 수 있습니다.

  • Pandas는 매우 강력한 도구지만 미처 발견하지 못한 의도치 않은 데이터 오류를 초래할 수 있는 위험도 가지고 있습니다. 본 과정에서는 흔히 저지르는 실수와 오류를 중심으로 하지 말아야 할 것을 알려드립니다.

  • 수강 만족도 보장: 30일 환불 보증에 따라 수업 내용이 만족하지 못할 경우 수강료를 돌려받을 수 있습니다.


강의에서 만나요!


- Alexander


Content

시작하기

개요/자주 묻는 질문
이 강의를 제일 잘 활용하는 법
알고 계셨나요?
추가 FAQ / 중요한 정보
아나콘다 설치하기
Jupyter Notebook 열기
Jupyter Notebook 사용법
판다스 1.0 버전 다루는 법

---- 파트 1: 판다스 맨땅에서 완전정복 (기초쌓기)

표 데이터와 판다스 소개
파트 1 강의 자료 다운로드

판다스 기초 (데이터 프레임 기초 I)

첫 Pandas 데이터프레임 생성 (csv파일로부터)
Pandas 화면 표시 옵션과 head() 및 tail() 메소드
첫 데이터 점검
Pandas 내장 함수, 속성 및 메소드
유용한 팁: 탭키 완성과 툴팁
첫 번째 단계
자기 데이터셋 탐색: 코딩 연습 문제 1 (소개)
자기 데이터셋 탐색: 코딩 연습 문제 1 (해설)
열 선택
"점 표기법"을 사용한 한개의 열 선택
0기반 인덱싱 및 음수 인덱싱
iloc을 사용한 행 선택 (위치기반 인덱싱)
iloc을 사용한 행과 열 슬라이싱 (위치기반 인덱싱)
위치 기반 인덱싱 치트시트
loc을 사용한 행 선택 (레이블기반 인덱싱)
loc을 사용한 행과 열 슬라이싱 (레이블기반 인덱싱)
레이블 기반 인덱싱 치트시트
reindex()를 사용한 인덱싱과 슬라이싱
요약, 모범적 코딩 방식 및 개관
인덱싱 및 슬라이싱
코딩 연습 문제 2 (소개)
코딩 연습 문제 2 (해설)
고급 인덱싱과 슬라이싱 (선택)

판다스 시리즈와 인덱스 객체

소개
판다스 시리즈 첫걸음
unique(), nunique(), value_counts() 메소드를 이용한 수치 시리즈의 분석
unique(), nunique(), value_counts() 메소드를 이용한 비 수치 시리즈의 분석
판다스 시리즈 만들기 (파트 1)
판다스 시리즈 만들기 (파트 2)
시리즈의 인덱싱과 슬라이싱
시리즈 정렬하기와 inplace 파라미터 소개
nlargest()와 nsmallest()
idxmin()과 idxmax()
판다스 시리즈 다루기
Pandas 시리즈
코딩 연습 3(소개)
코딩 연습 3(해답)
판다스 인덱스 객체 첫걸음
인덱스 객체 처음부터 만들기
set_index()와 reset_index() 메소드를 이용해 행 인덱스 바꾸기
열 라벨 바꾸기
rename() 메소드를 이용해 인덱스 라벨과 열 라벨 바꾸기
Pandas 인덱스 객체
코딩 연습 4(소개)
코딩 연습 4(해답)

데이터프레임 기초 II

소개
하나의 조건으로 데이터프레임 필터링하기
여러 조건으로 데이터프레임 필터링하기 (AND)
여러 조건으로 데이터프레임 필터링하기 (OR)
between(), isin(), ~를 이용한 고급 필터링
any()와 all()
열 삭제하기
행 삭제하기
데이터프레임에 열 추가하기
다른 열에 기반해 새로운 열 만들기
insert() 메소드로 열을 추가하기
pd.DataFrame()으로 처음부터 데이터프레임 만들기
새로운 행 추가하기 (연습)
데이터프레임 기초 Ⅱ
코딩 연습 5(소개)
코딩 연습 5(해답)

데이터프레임과 슬라이스에서 원소를 조작하는 법 +++꼭 알아야 하는 함정들!+++

소개
최적의 방법 (이렇게 하세요)
체인 인덱싱: 이렇게 하지 마세요 (파트 1)
체인 인덱싱: 이렇게 하지 마세요 (파트 2)
뷰와 복사본
데이터프레임을 조작할때의 단순한 규칙들
데이터프레임/슬라이스 조작하기
코딩 연습 6(소개)
코딩 연습 6(해답)

데이터프레임 기초 III

소개
sort_index(), sort_values() 메소드를 이용해 데이터프레임 정렬하기
rank() 메소드를 이용해데이터프레임 순위 매기기
nunique(), nlargest(), nsmallest()를 데이터프레임에 적용하기
요약 통계와 누적 통계
agg() 메소드
코딩 연습 7(소개)
코딩 연습 7(해답)
apply(), map(), applymap()을 이용해 사용자 정의 함수 적용하기
계층적 인덱싱 (파트 1)
계층적 인덱싱 (파트 2)
문자열 연산 (파트 1)
문자열 연산 (파트 2)
코딩 연습 8(소개)
코딩 연습 8(해답)

맷플롯립을 이용한 시각화

소개
plot() 메소드
플롯의 개인화
히스토그램 (파트 1)
히스토그램 (파트 2)
막대 차트와 파이 차트
산포도
코딩 연습 9(소개)
코딩 연습 9(해답)

---- 파트2: 전체 데이터 워크플로 기초부터 심화까지 ----

파트 2에 오신 것을 환영합니다: 전체 데이터 워크플로 A-Z
다운로드: 파트 2 과정 자료

데이터 임포트

pd.read_csv() 메소드로 csv 파일 임포트하기
pd.read_csv() 메소드로 정리되지 않은 csv 데이터 임포트하기
pd.read_excel() 메소드로 엑셀 파일 임포트하기
pd.read_excel() 메소드로 정리되지 않은 엑셀 데이터 임포트하기
pd.read_html() 메소드로 웹에서 데이터 임포트하기
코딩 연습 10

데이터 정제

첫 조사와, 데이터 불일치 다루기
문자열 작업
astype()을 이용한 열의 데이터 유형 변경
NA값과 결측값에 대한 소개
결측값 찾아내기
결측값 제거
결측값 대체하기
중복값의 소개
중복값 찾아내기
중복값을 다루고 제거하기
(Pandas 1.0 기능) ignore_index 매개변수 사용법
극단값을 찾는 방법
극단값을 다루고, 제거하기
범주화된 데이터
(Pandas 1.0 기능) 새로운 데이터 유형과 NA 유형 : pd.NA
코딩 연습 11(소개)
코딩 연습 11(해답)

데이터 병합, 결합과 연결

소개
append()와 pd.concat()을 통한 행 추가 (1)
append()와 pd.concat()을 통한 행 추가 (2)
Pandas 객체에 대한 산술 연산과 데이터 정렬
보충 설명: 두 데이터 프레임 비교/차이 식별
merge() 메소드를 이용한 외부 조인
merge() 메소드를 이용한 내부 조인
merge() 메소드를 이용한, 교집합을 뺀 외부 조인
merge() 메소드를 이용한, 교집합을 뺀 좌측 조인
merge() 메소드를 이용한, 교집합을 뺀 우측 조인
merge() 메소드를 이용한 왼쪽 조인
merge() 메소드를 이용한 오른쪽 조인
서로 다른 열 이름/인덱스를 이용한 조인
2개 이상의 열을 이용한 조인
pd.merge() 메소드와 join() 메소드
코딩 연습 12

Groupby 작업

개괄
GroupBy 객체의 이해
다수의 키를 이용한 분할
분할-반영-결합 작업의 이해
분할-반영-결합의 적용
GroupBy 1
agg() 메소드를 이용한 향상된 집계 방법
재 레이블링을 통한 GroupBy 집계 (Pandas 0.25버전 이상)
transform() 메소드를 이용한 열 변형
그룹별 값을 이용한 결측값 대체
apply() 메소드를 이용한, 분할-반영-결합 표준화
GroupBy의 계층 인덱스
stack() 메소드와 unstack() 메소드
GroupBy 2
코딩 연습 13(소개)
코딩 연습 13 (해법)

데이터 프레임 재구조화 및 피벗

개괄
행과 열 전환
pivot() 메소드를 이용한 데이터 프레임 피벗
pivot() 메소드의 제약 조건
pivot_table() 메소드
pd.crosstab() 메소드
melt() 메소드를 이용한 데이터 프레임 멜트
코딩 연습 14

데이터 준비 및 특성 생성

소개
산술 연산 (파트 1)
산술 연산 (파트 2)
map() 메소드를 이용한 변환/매핑
조건부 변환
pd.cut() 메소드를 이용한 이산화와 구간화 (파트 1)
pd.cut() 메소드를 이용한 이산화와 구간화 (파트 2)
pd.qcut() 메소드를 이용한 이산화와 구간화
하한값과 상한값
스케일링 / 표준화
가변수 생성
문자열 연산
코딩 연습 15

씨본을 이용한 고급 시각화

소개
씨본 첫걸음
범주화 플롯
조인트 플롯 / 회귀 플롯
매트릭스 플롯 / 히트맵
코딩 연습 16

---- 파트 3: 종합 프로젝트 과제 ----

소개 및 다운로드

데이터 조작 및 집계(올림픽 메달 테이블)

올림픽 메달순위표 (지침 및 힌트)
올림픽 메달순위표 (해설 파트 1)
올림픽 메달순위표 (해설 파트 2)
올림픽 메달순위표 (해설 파트 3)

탐색적 자료 분석 도전 과제

도전 과제 소개 및 개관
병합 및 결합 (해설 파트 1)
데이터 정제 1 (해설 파트 2)
데이터 정제 2 (해설 파트 3)
메달성적이 좋은 국가들 (해설 파트 4)
GDP와 인구, 정치 영향 (해설 파트 5)
통계적 분석 및 가설 검정 (해설 파트 6)
집계 및 순위매기기 (해설 파트7)
하계 대회 대 동계 대회 - 위치가 영향을 미치는가 (해설 파트 8)
남자 대 여자 - 문화와 종교가 영향을 미치는가 (해설 파트 9)
국민적 종목과 전통 (해설 파트 10)

---- 파트 4: 금융, 투자, 시계열을 위한 판다스

파트 4에 오신 것을 환영합니다: Pandas로 금융 및 투자 데이터 분석하기
다운로드: 파트 4 과정 자료

시계열 데이터 기초

csv 파일로 시계열 데이터 임포트하기
pd.to_datetime()로 문자열을 datetime 객체로 변환하기
시계열 데이터 분석 및 시각화
시계열 인덱싱 및 슬라이싱
pd.date_range()로 맞춤화한 DatetimeIndex 만들기
pd.date_range() 기능 더 알아보기
resample()로 시계열 다운샘플링하기 (1)
resample()로 시계열 다운샘플링하기 (2)
PeriodIndex 객체
reindex()로 보는 고급 인덱싱 기법

금융 및 투자를 위한 판다스

소개
준비하기(패키지 설치)
야후파이낸스에서 주가 데이터 임포트하기
데이터 점검 및 시각화
기준값 100으로 시계열 데이터 정규화하기
shift() 메소드 알아보기
diff()와 pct_change() 메소드 알아보기
수익률 평균과 표준편차로 주가 실적 평가하기
금융 시계열 - 수익률과 위험
금융 시계열 - 공분산과 상관관계
유용한 DatetimeIndex 속성과 메소드
bfill, ffill, 보간으로 결측치 채우기
코딩 연습 17

---- 파트 5: 판다스와 사이킷런으로 시작하는 기계 학습

개요 및 다운로드

회귀 및 분류 소개

기계 학습 - 개요
사이킷런으로 구현하는 선형 회귀 - 간략 소개
선형 회귀로 예측하기
과대적합
과소적합
사이킷런으로 구현하는 로지스틱 회귀 - 간략 소개 (1)
사이킷런으로 구현하는 로지스틱 회귀 - 간략 소개 (2)

보너스: 기계 학습 프로젝트 A-Z(회귀)

프로젝트 소개
데이터셋 임포팅 및 첫 검사
데이터 정리 및 추가 특성 생성
설명적 데이터 분석(파트 1)
설명적 데이터 분석(파트 2)
피처 엔지니어링(파트 1)
피처 엔지니어링(파트 2)
데이터를 훈련 데이터셋과 테스트 데이터셋으로 분리하기
기계 학습 모델의 학습 진행하기
테스트 데이터셋으로 모델 테스트 및 평가하기
특성 중요도

+++ Pandas 1.0 버전 신규 변경 사항: 실천 가이드 +++

소개 및 개요
Pandas 버전 1.0 업데이트 방법
학습 자료 다운로드
중요 사항 리뷰: Pandas 디스플레이 옵션(0.25 버전 변경 사항)
Info() 메소드: 신규 출력값 및 출력값 확장
신규 확장 데이터 형식 ('null 허용' 데이터 형식): 신규 데이터 형식이 필요한 이유
convert_dtypes() 메소드로 신규 확장 데이터 형식 생성하기
결측값에 대한 신규 pd.NA 값
신규 'null 허용' Int64 데이터 형식
신규 String 데이터 형식
신규 'null 허용' Boolean 데이터 형식
ignore_index 파라미터 추가
더 이상 사용하지 않는 이전 버전 항목 제거

---- 부록: 파이썬 기초, NumPy 및 통계 ----

부록을 찾아 주신 여러분 환영합니다

파이썬 기초

다운로드
소개
첫 단계
변수
데이터 형식: 정수(Integer) 및 부동 소수(Float)
데이터 형식: 문자열
데이터 형식: 리스트(파트 1)
데이터 형식: 리스트(파트 2)
데이터 형식: 튜플
데이터 형식: 셋
연산자 및 불리언
조건문(If, elif, else, while)
For 반복문
break, pass, continue 키워드
난수 생성하기
사용자 정의 함수(파트 1)
사용자 정의 함수(파트 2)
사용자 정의 함수(파트 3)
Matplotlib을 이용한 시각화
파이썬 기초
파이썬 기초 퀴즈: 솔루션

Numpy 패키지

다운로드
Numpy 배열 소개
Numpy 배열: 벡터화
Numpy 배열: 인덱싱과 슬라이싱
Numpy 배열: 형상과 차원
Numpy 배열: 다차원 배열의 인덱싱과 슬라이싱
Numpy 배열: 불리언 인덱싱
난수 생성하기
성능 문제
사례 연구: Numpy 대 파이썬 표준 라이브러리
요약 통계
시각화와 (선형) 회귀
Numpy
Numpy 퀴즈: 풀이

통계 개념

통계 - 개요와 용어, 어휘
학습 자료 다운로드
모집단 대 표본
plt.hist()로 도수 분포 시각화하기
plt.hist()로 그리는 상대 및 누적 도수 분포도
집중경향값(이론)
집중경향값 코드 작성 - 평균과 중간값
집중경향값 코드 작성 - 기하 평균
집중경향값/분산값 주변의 변동성(이론)
파이썬/Numpy로 최솟값, 최댓값, 범위 구하기
파이썬/Numpy로 백분위수 구하기
파이썬/Numpy로 분산 및 표준 편차 구하기
편포도와 첨도(이론)
scipy.stats로 편포도와 첨도를 계산하는 방법
Numpy로 난수를 생성하는 방법
np.random.seed()로 재현성 달성하기
확률 분포 - 개요
이산균등분포
연속균등분포
정규분포(이론)
정규분포 확률변수 생성하기
정규분포 - scipy.stats로 확률밀도함수(pdf) 생성하기
정규분포 - scipy.stats로 누적분포함수(cdf) 생성하기
표준정규분포와 Z 값
표준정규분포의 특성(이론)
scipy.stats로 확률 및 Z 값 구하기
scipy.stats로 신뢰 구간 구하기
공분산 및 상관계수(이론)
데이터 정리 및 준비 - 영화 데이터베이스(파트1)
데이터 정리 및 준비 - 영화 데이터베이스(파트2)
파이썬에서 공분산 및 상관관계를 계산하는 방법
상관관계 및 산포도 - 시각적 해석
선형 회귀란?(이론)
Numpy 및 Scipy로 만드는 단순 선형 회귀 모델
절편 및 기울기 계수 해석 방법
사례 연구(파트1): 시장 모형(단일 요인 모형)
사례 연구(파트2): 시장 모형(단일 요인 모형)

다음엔 뭘 배워야 할까?

특별 보너스를 받아가세요!

Screenshots

【한글자막】 Pandas 완전 정복 부트캠프 2022: 파이썬 데이터 과학 - Screenshot_01【한글자막】 Pandas 완전 정복 부트캠프 2022: 파이썬 데이터 과학 - Screenshot_02【한글자막】 Pandas 완전 정복 부트캠프 2022: 파이썬 데이터 과학 - Screenshot_03【한글자막】 Pandas 완전 정복 부트캠프 2022: 파이썬 데이터 과학 - Screenshot_04

Reviews

Namseok
May 25, 2022
정말 쉽게 시작해서 점점 난이도가 높아지는 강의에 빠져들어 버렸다. 특히나 정말 기초부터 활용할 수 있는 영역까지 구성되어 이 강의 하나로 많은것을 배울 수 있는 탄탄한 구성이 좋았다. 영상 하나하나가 짧으면서도 굵직하게 주제별로 분리하여 지루하지 않게 들을 수 있도록 하는 구성도 마음에 들었다. 나중에 기억이 안나는 부분도 제목으로 바로바로 찾아 들어오기가 편할것 같다. 앞으로 좀더 깊은 주제의 높은 레벨 강의도 함께 수강할 계획이다~!
정현태
May 25, 2022
Raw 데이터는 보통 csv로 다운받습니다. Pandas는 DataFrame을 다루는 가장 최적의 솔루션입니다. Pandas를 이용할 때마다 막히는 부분이 있으면 구글을 통해서 해결했는데, 이때 timeloss가 꽤 발생하였습니다. 해당 강의를 통해서 Pandas의 기초 및 응용을 배울 수 있었던 점이 매우 유익하였습니다.
이도영
May 24, 2022
금융데이터에 대한 pandas강의를 진행하면서 퀀트투자와 관련된 시계열분석을 진행할 수 있었습니다. 이외에 더 열정을 가지고 강의 수강 및 공부를 위해 노력할 수 있을 것 같고, 회귀분석 및 데이터분석 ai관련 연구를 더 공부하고 싶습니다. 특히, 다양한 금융데이터에 대한 시계열 분석이 제일 인상적이었던 것 같습니다.
Nameun
May 10, 2022
pandas에 대해 흥미로운 데이터(ex. 해외축구 선수 데이터 등)들로 기초를 설명해줘서 좋습니다. 그리고, 기초와 더불어 머신러닝 기술을 적용하여 pandas를 응용해 볼 수 있던 점이 좋았습니다. 가성비도 매우 좋습니다. 그렇기 때문에, 기초 강의지만, 스펙을 업그레이드 하는데 유용하게 이용해 볼 수 있어 친구들에게도 추천해주고 싶네요 ^^
May 10, 2022
좋은 강의를 한글자막으로 볼 수 있어서 영어를 번역하는 번거로움이 없어서 좋았습니다. 부트캠프답게 내용도 알차고, 부록으로 있는 파이썬이나 seaborn, scikit-learn, numpy, 통계에 대한 내용도 더 나아가 깊게 공부하는데 있어서 큰 도움이 될 것 같습니다. 할인가에 구매하면 입문자 입장에서 이 강의를 이길 강의는 없지 않나 싶습니다.
김유림
May 10, 2022
Pandas 공부를 하고 싶던 참에 좋은 강의를 찾아서 아주 흡족합니다. 강의들이 간결하고 많이 있어 틈틈히 보기 편하고, 강의 퀄리티 또한 좋습니다. 자막도 나름 퀄리티 좋게 잘 나오는듯요! Pandas를 처음 접하는 사람들이 봐도 열심히만 하면 잘 따라갈 수 있을 것 같습니다. 이 강사분이 하는 다른 강의도 있으면 그것도 들어보고 싶네요 .. 아직 들을 강의가 많이 남았지만, 지금의 기세를 이어 유종의 미를 거두도록 하겠습니다.
최보현
May 9, 2022
panda를 처음 배워보는데 기초부터 차근차근 알려줘서 정말 좋고 코딩 연습이나 다양한 예제들을 풀어볼 수 있어서 좋았습니다! 그리고 하나를 가르쳐 주시더라도 깊게 들어가서 겉핥기식의 느낌이 아니라는 점을 느낄 수 있었던 것 같습니다! 교안들도 올려주셔서 너무 편하고 사람들이 쉽게 이해할 수 있는 데이터베이스들을 활용해주셔서 더 빠르게 이해할 수 있었던 것 같습니다.
임수진
May 9, 2022
Pandas 사용하는 것이 어려워 수강을 신청하게되었어요. 단순한 함수 설명이 아닌 좀 더 실용적인 것을 알기 위해 신청했습니다. 영어로 강의가 진행되어 오히려 집중해서 영상을 보는 장점이 있네요. 중간에 퀴즈가 진행되어 좋아요. 한번 더 체크할 수 있어서 좋았어요. 끝까지 열심히 들어 지금 하고 있는 프로젝트에 적용해서 사용할 수 있기를 바랍니다. 판다스 완전정복!
윤형석
May 2, 2022
python의 가장 중요한 패키지인 판다스에 대한 다양한 프로젝트들이 있어서 좋음 수업이 영어로 진행되지만, 어려운 내용까지는 아니기 때문에 영어듣기 생각하며 들음 요약 : 프로젝트가 작지만 여러개 있어서 좋음
임지은
May 2, 2022
✔️강의 구조: 개념 설명 + 간단한 퀴즈 + 코딩 연습 개념을 배우는것에서 끝이 아니라 계속되는 복습을 통해 부족한 점이 무엇인지 알게 되고 보완할 수 있게 되는 구조라서 좋았어요. ✔️난이도: 기초 지식이 얕아도 괜찮아요 개념 설명이 구체적이고, 쉽게 이해할 수 있도록 설명을 해주셔서 pandas에 대해 기초지식이 없더라고 충분히 이해하고 따라갈 수 있는 정도예요. 한글 자막이 잘 되어 있어서 수강하는데 불편함이 없었고, 다양한 데이터셋을 통해 배우다보니 흥미로웠어요. pandas뿐만 아니라 numpy, matplotlib, seaborn 등에 대해서도 배워서 데이터 과학의 기초에 대해 이해하기 좋은 강의였습니다.
GD
April 28, 2022
타 사의 머신러닝 강의를 들어 보았던 경험이 있습니다, 이후, 판다스에 대해 더 잘 알아야 겠다는 생각이 들어 이 강의를 수강하게 되었습니다. 엑셀 대신에 이용하기에 모자름이 없을 정도로 사용하고 싶어 강의를 듣고 있습니다. 필요한 내용들을 잘게 나누어 놓아 필요하거나 이해가 안된 것만 다시 들을 수 있는 점이 매우 매력적이었습니다. 그리고 파이썬 기초에 대한 설명이 있는 것도 좋았습니다. 다만 정말 간단히 있기 때문에 파이썬 기초에 대해서는 다른 강의를 들으시는 것도 추천드립니다.
오예림
April 26, 2022
panas와 관련 라이브러리들을 이미 경험해본적이 있으나, 공모전을 준비하며 정말 짧은 시간 내에 급박하게 한지라 제가 알고 있는 것이 정확히 무엇인지, 무엇을 알고 모르는 것은 무엇인지 제대로 정리가 안되어 있었습니다. 강의를 들으면서 기초부터 심화까지 정말 자세히 다뤄주기 때문에 비 전공자들도 충분히 결과물을 낼 수 있을 만큼 탄탄한 것 같습니다.

Charts

Price

【한글자막】 Pandas 완전 정복 부트캠프 2022: 파이썬 데이터 과학 - Price chart

Rating

【한글자막】 Pandas 완전 정복 부트캠프 2022: 파이썬 데이터 과학 - Ratings chart

Enrollment distribution

【한글자막】 Pandas 완전 정복 부트캠프 2022: 파이썬 데이터 과학 - Distribution chart

Related Topics

4409090
udemy ID
11/22/2021
course created date
3/9/2022
course indexed date
Bot
course submited by