All Posts

ARCHIVE

48 posts

Play·22min read·2026년 3월 16일

LangChain이 Claude Code 복제품을 출시했습니다 — Deep Agents 직접 써봤습니다

2026년 3월, LangChain이 클로드 코드의 오픈소스 복제품 Deep Agents를 공개했습니다. 커뮤니티에서 '클로드 코드 복제품'이라는 말이 돌 정도로 반응이 뜨거웠고 GitHub 스타 12K를 넘겼습니다. 계획 도구, 파일시스템, 셸 실행, 서브에이전트까지 — 클로드 코드가 하는 걸 전부 오픈소스로 구현했습니다. MIT 라이선스에 어떤 LLM이든 연결 가능합니다. 직접 설치하고 로컬 LLM까지 연결해봤습니다.

#DeepAgents#LangChain#LangGraph

Play·16min read·2026년 3월 15일

[소셜 미디어 트렌드 4편] LDA 토픽 모델링 + Streamlit 대시보드로 시리즈 완결

수집한 523건 댓글에 LDA 토픽 모델링을 적용해 5개 주제를 자동 분류하고, Streamlit으로 인터랙티브 대시보드를 만듭니다. 감성 분석 + 토픽 분석 + 시각화를 하나로 합친 시리즈 최종편입니다.

#LDA#토픽모델링#Streamlit

Play·14min read·2026년 3월 15일

[소셜 미디어 트렌드 3편] YouTube API로 댓글 523건 수집하고 감성 분석까지

Google Cloud Console에서 API 키를 발급받고, YouTube Data API v3으로 댓글을 수집합니다. 키워드 검색 → 영상 10개 → 댓글 523건 수집 → 1편 감성 분석 모델 적용까지, 실제 데이터 파이프라인을 만드는 과정입니다.

#YouTube API#데이터수집#감성분석

Play·12min read·2026년 3월 15일

[소셜 미디어 트렌드 2편] 리뷰 15만 건, 문장 길이부터 워드클라우드까지 텍스트 EDA

1편에서 전처리한 NSMC 데이터를 다시 꺼냅니다. 문장 길이 분포, 긍정/부정 워드클라우드, 단어 빈도 Top-20, 길이별 감성 비율까지 — 모델에 넣기 전에 텍스트 데이터를 눈으로 확인하는 과정입니다.

#NLP#EDA#워드클라우드

Play·15min read·2026년 3월 14일

[소셜 미디어 트렌드 1편] 영화 리뷰 20만 건으로 감성 분석 모델 만들기

YouTube 댓글을 분석하려면 먼저 감성 분석 모델이 필요합니다. 네이버 영화 리뷰(NSMC) 20만 건으로 한글 텍스트를 전처리하고, TF-IDF로 숫자로 바꾸고, Logistic Regression과 Naive Bayes를 비교해서 83% 정확도의 감성 분류기를 만듭니다.

#NLP#감성분석#TF-IDF

AI·18min read·2026년 3월 10일

[머신러닝 실전 6편] 전체 파이프라인 완성 — CSV 한 장에서 예측 모델까지

1편 EDA부터 5편 튜닝까지, 코드가 흩어져 있었습니다. 전처리 따로, 모델 따로, 튜닝 따로 — 실수하기 딱 좋은 구조였습니다. sklearn Pipeline과 ColumnTransformer로 전부 하나로 묶었습니다. 전처리부터 튜닝까지 fit 한 번이면 끝나는, 재현 가능한 워크플로우를 완성합니다.

#Pipeline#ColumnTransformer#sklearn

AI·17min read·2026년 3월 10일

[머신러닝 실전 5편] 같은 모델인데 셋팅만 바꿨더니 — 하이퍼파라미터 튜닝

4편에서 Gradient Boosting이 종합 1위였습니다. 근데 기본 설정 그대로 쓴 거라 '이게 최선인가?' 싶었습니다. 하이퍼파라미터를 바꿔봤더니 — 사실 기본 설정이 이미 꽤 좋았습니다. GridSearchCV, RandomizedSearchCV로 실험한 과정과, '튜닝이 항상 극적 개선을 주지는 않는다'는 현실적인 교훈을 정리했습니다.

#하이퍼파라미터튜닝#GridSearch#RandomSearch

AI·18min read·2026년 3월 10일

[머신러닝 실전 4편] 이탈 예측, 어떤 모델이 이기나 — 5개 모델 실전 비교

전처리를 끝내고 나니 '어떤 모델을 써야 하지?'가 막막했습니다. 로지스틱 회귀? 랜덤포레스트? 그래디언트 부스팅? 실전에서는 하나만 골라서 올인하는 게 아니라, 여러 개를 빠르게 돌려보고 비교합니다. DummyClassifier로 베이스라인을 세우고, 5개 모델을 교차검증으로 공정 비교한 결과를 정리했습니다.

#모델선택#교차검증#베이스라인

AI·17min read·2026년 3월 9일

[머신러닝 실전 3편] "남자/여자"를 모델은 못 읽는다 — 피처 엔지니어링 실전

2편에서 결측치와 이상치를 처리하고 바로 모델에 넣었더니 에러가 났습니다. gender='Male'을 모델이 이해하지 못한 겁니다. 범주형을 숫자로 바꾸는 인코딩, 스케일을 맞추는 스케일링, 새 변수를 만드는 파생변수까지 — 모델이 먹을 수 있는 형태로 데이터를 가공하는 과정을 정리했습니다.

#피처엔지니어링#인코딩#스케일링

AI·16min read·2026년 3월 9일

[머신러닝 실전 2편] 빈 칸과 튀는 값 — 결측치·이상치 실전 처리

1편에서 EDA를 하다가 TotalCharges에 빈 칸 11개를 발견했습니다. 그냥 삭제할까, 0으로 채울까, 중앙값으로 채울까 — 선택에 따라 모델 결과가 달라졌습니다. 결측치를 직접 파헤쳐보고, 이상치까지 IQR 방법으로 확인하면서 배운 실전 전처리 과정을 공유합니다.

#결측치#이상치#데이터전처리

AI·18min read·2026년 3월 9일

[머신러닝 실전 1편] 통신사 고객 7천 명, 누가 떠날까 — EDA로 단서 찾기

처음 데이터를 받았을 때 바로 모델부터 돌렸습니다. 정확도 79%에 좋아했는데.. 자세히 보니 이탈 고객을 거의 못 잡고 있었습니다. 원인을 찾다 보니 데이터 자체에 문제가 있었습니다. 그때 깨달았습니다 — 모델 전에 데이터를 먼저 봐야 한다는 것을. 제가 했던 실수를 여러분은 안 하시도록, Telco Churn 데이터 7,043명을 직접 뜯어보면서 EDA가 왜 필수인지 확인합니다.

#EDA#탐색적데이터분석#데이터시각화

AI·18min read·2026년 3월 8일

[머신러닝 중급 6편] 주성분 분석(PCA) — 100개 특성을 2개로 줄여도 되는 이유

처음 PCA를 접했을 때 '특성을 줄이면 정보가 날아가는 거 아닌가?' 싶었습니다. 근데 iris 데이터 4개 특성을 2개로 줄여서 산점도를 그려보니까, 클래스 구분이 여전히 선명하더라고요. 분산 설명 비율, Scree Plot, 차원 축소 전후 비교까지 직접 코드로 확인합니다.

#PCA#주성분분석#차원축소

AI·18min read·2026년 3월 8일

[머신러닝 중급 5편] 이상치 탐지 — 1000명 중 수상한 1명을 찾아내는 법

이상치 탐지는 처음 접했을 때 '그냥 평균에서 멀면 이상치 아닌가?' 싶었습니다. 근데 실제 데이터에서는 그렇게 단순하지 않더라고요. 레이블도 없고, 정상과 비정상의 경계도 애매하고.. Isolation Forest를 직접 돌려보고 나서야 왜 이 방법이 인기 있는지 이해했습니다.

#이상치탐지#AnomalyDetection#IsolationForest

AI·20min read·2026년 3월 8일

[머신러닝 중급 4편] 그래디언트 부스팅 — 약한 모델들이 팀을 이루는 방법

랜덤포레스트랑 뭐가 다른 건지 처음엔 구분이 안 됐습니다. 둘 다 트리를 여러 개 쓰는 건 같은데.. 직접 코드를 돌려보고 나서야 '순차적으로 오차를 보정한다'는 게 무슨 뜻인지 이해했습니다. 그래디언트 부스팅의 원리부터 XGBoost, 특성 중요도 해석까지 정리합니다.

#그래디언트부스팅#XGBoost#앙상블

AI·18min read·2026년 3월 8일

[머신러닝 중급 3편] 정규화 기법 — 모델에 '벌금'을 매기는 이유

1편에서 과적합 해결책 중 하나로 '정규화'를 잠깐 언급했었는데, 솔직히 그때는 이름만 들었지 뭔지 감이 안 왔습니다. L1, L2가 뭐고 왜 가중치에 벌금을 매기는 건지.. Ridge, Lasso 코드를 직접 돌려보고 alpha 값을 이리저리 바꿔본 뒤에야 '아, 이래서 정규화가 필요하구나' 이해했습니다.

#정규화#Lasso#Ridge

AI·18min read·2026년 3월 7일

[머신러닝 중급 2편] 서포트 벡터 머신(SVM) — 두 그룹 사이의 가장 넓은 길을 찾는 알고리즘

SVM을 처음 접했을 때 '경계선을 긋는다'는 설명만 봤는데, 그러면 로지스틱 회귀랑 뭐가 다른 건지 감이 안 왔습니다. 핵심은 경계선이 아니라 '도로 폭'이더라고요. 마진 최대화, 서포트 벡터, 커널 트릭까지 — 직접 그래프를 그려보면서 정리합니다.

#SVM#서포트벡터머신#커널트릭

AI·20min read·2026년 3월 7일

[머신러닝 중급 1편] 과적합과 과소적합 — 모델이 시험 문제만 외우면 생기는 일

처음 머신러닝을 배울 때 '과적합'이 뭔 소린지 감이 안 왔습니다. 잘 맞추면 좋은 거 아닌가? 근데, 직접 코드를 돌려보고 나서야 이해했던 경험이 있습니다. degree 하나 바꿨을 뿐인데 그래프가 미친 듯이 요동치는 걸 보고.. 과적합·과소적합의 차이, 편향-분산 트레이드오프, 학습 곡선까지 직접 실행하면서 정리합니다.

#과적합#과소적합#편향분산트레이드오프

AI·18min read·2026년 3월 7일

[머신러닝 기초 6편] 모델 평가 지표 — 정확도만 보면 안 되는 이유

굉장히 민감한 영역입니다. 정확도 99%인데 암 환자를 전부 놓친다면 어떻게 될까요..(상상하기도 싫습니다.) 모델을 제대로 평가하려면 혼동행렬, 정밀도, 재현율, F1 점수를 알아야 합니다. 각 지표가 언제 중요한지, 어떻게 계산하는지 직접 코드로 확인해봅니다.

#머신러닝#모델평가#혼동행렬

AI·15min read·2026년 3월 7일

[머신러닝 기초 5편] 선형 회귀 — 직선 하나로 미래를 예측한다

선형 회귀는 데이터 사이의 직선 관계를 찾아내는 가장 기본적인 예측 알고리즘입니다. y=wx+b 수식이 어떻게 집값, 매출, 체중을 예측하는지, 경사 하강법으로 최적의 직선을 어떻게 찾는지 직접 구현해봅니다.

#머신러닝#선형회귀#경사하강법

AI·15min read·2026년 3월 6일

[머신러닝 기초 4편] 나이브 베이즈 — 확률로 스팸을 잡는다

받은 메일이 스팸인지 아닌지 AI는 어떻게 판단할까요? 나이브 베이즈는 단어 등장 확률을 곱해서 분류하는 단순하지만 강력한 알고리즘입니다. 베이즈 정리부터 스팸 필터 직접 구현까지 다뤄봅니다.

#머신러닝#나이브베이즈#베이즈정리

AI·15min read·2026년 3월 6일

[머신러닝 기초 3편] 로지스틱 회귀 — S자 곡선 하나로 분류를 끝낸다

로지스틱 회귀는 시그모이드 함수를 이용해 어떤 숫자든 0~1 사이 확률로 변환하고 분류합니다. 스팸 탐지, 암 진단, 신용 심사에 실제로 쓰이는 이 알고리즘을 유방암 데이터셋으로 직접 구현해봅니다.

#머신러닝#로지스틱회귀#시그모이드

AI·15min read·2026년 3월 6일

[머신러닝 기초 2편] 결정 트리 — 스무고개처럼 질문을 쪼개서 답을 찾는다

결정 트리는 데이터를 질문으로 쪼개 분류하는 알고리즘입니다. 지니 불순도와 정보 이득으로 최적 분할 기준을 찾고, 트리 깊이에 따른 과적합 문제까지 — 붓꽃 데이터셋으로 직접 구현해봅니다.

#머신러닝#결정트리#DecisionTree

AI·15min read·2026년 3월 6일

[머신러닝 기초 1편] k-최근접 이웃(k-NN) — 주변을 보고 판단한다

가장 직관적인 머신러닝 알고리즘, k-NN. 데이터 포인트 간의 거리를 계산해 가장 가까운 k개의 이웃을 찾고 다수결로 분류합니다. 유클리드 거리 계산부터 k값 선택까지, 붓꽃 데이터셋으로 직접 구현해봅니다.

#머신러닝#kNN#분류

AI·20min read·2026년 3월 5일

[알고리즘 기초 3편] 정렬 알고리즘 비교 — 버블·삽입·퀵·병합

버블, 삽입, 퀵, 병합 정렬을 직접 구현하고 성능을 비교합니다. O(n²)과 O(n log n)이 실제로 얼마나 차이나는지, 데이터 상황별로 어떤 정렬이 유리한지 숫자로 확인해봅니다.

#알고리즘#정렬#버블정렬

Play·22min read·2026년 3월 4일

[코딩테스트] 빈출 유형 4가지 — AI 시대에 코딩테스트가 웬말이냐

AI시대에 코딩과 코딩테스트가 웬말이냐는 생각도 있겠지만, 문제를 풀어보면서 접근 방식을 이해하면 AI에게 일을 더 잘 시킬 수 있을 거라고 생각합니다 ㅎㅎ 해시·그리디·분할정복·DP 빈출 유형 4가지를 같이 풀어봅니다.

#코딩테스트#해시테이블#그리디

IT·15min read·2026년 3월 2일

[로컬AI#2] AI커맨드센터 — 이미지·비디오를 무료로 무한 생성하기

GPU 2대 분산시스템, 수냉 쿨링, 컨트롤러로 구축한 흑섬의 AI커맨드센터. 나아가 ComfyUI로 이미지·비디오를 외부 서비스 없이 무료로 무한 생성하는 방법을 소개합니다.

#AI커맨드센터#ComfyUI#GPU

AI·20min read·2026년 2월 26일

[알고리즘 기초 1편] 스택·큐·재귀 — 컴퓨터가 기억하는 법

모든 알고리즘의 기초가 되는 스택·큐·재귀를 Python으로 직접 구현해봅니다. 브라우저 뒤로가기는 스택, 카페 줄서기는 큐, 하노이 탑은 재귀로 — 실생활 예시로 자료구조의 핵심을 잡아봐요.

#알고리즘#스택#큐

AI·20min read·2026년 2월 26일

[알고리즘 기초 2편] 그래프 탐색 — DFS와 BFS

1편에서 배운 스택·큐가 실제로 어떻게 쓰이는지 알 차례입니다. 스택으로 구현하는 DFS, 큐로 구현하는 BFS — 지하철 최단경로·SNS 추천·게임 AI까지 모두 이 두 알고리즘에서 시작해요. 3편에서는 최대공약수·이진 트리·프린터 스케줄링으로 이어집니다.

#알고리즘#DFS#BFS

$[AI 기초수학 1편] 연립방정식, NumPy로 0.1초에 풀기$

AI·15min read·2026년 2월 24일

[AI 기초수학 1편] 연립방정식, NumPy로 0.1초에 풀기

AI는 기초가 중요하다고 합니다.. 그 기초가 수학입니다..(저도 사실 수학을 좋아하진 않지만)! 이번 포스팅에서 같이 사과·바나나 가격 구하는 연립방정식을 NumPy로 함께 돌려보면서, AI 신경망의 뿌리가 어디서 오는지 직접 확인해 봅시다.

#numpy#선형대수#연립방정식

$[AI 기초수학 2편] 평균·분산·로그 — AI가 데이터를 읽는 법$

AI·18min read·2026년 2월 24일

[AI 기초수학 2편] 평균·분산·로그 — AI가 데이터를 읽는 법

AI가 데이터를 보는 눈, 평균과 분산으로 시작합니다. 거기에 로그까지 더하면 AI 손실함수의 기초가 완성돼요. 레오파드게코 모프 분류 예시로 직접 돌려봅시다.

#numpy#통계#평균

$[AI 기초수학 3편] 확률 — AI가 예측하는 법$

AI·20min read·2026년 2월 24일

[AI 기초수학 3편] 확률 — AI가 예측하는 법

AI는 정답을 모릅니다. 대신 가장 확률 높은 답을 고릅니다. 이산 확률부터 정규분포, 조건부 확률, softmax까지 NumPy로 직접 돌려봅시다.

#numpy#확률#정규분포

Data Viz·20min read·2026년 2월 10일

[Plotly 실전] 우리 집 도마뱀 체중 기록을 인터랙티브 차트로 만들기

한번 씩 재는 도마뱀 체중 기록, 숫자로만 쌓아두고 있나요? Plotly로 체중 분포 히스토그램부터 개체별 성장 차트, 드롭다운/버튼이 달린 대시보드까지 만들어 봅니다.

#plotly#도마뱀#체중기록

IT·18min read·2026년 2월 9일

[로컬AI#1] 맥미니 대란? 나만의 AI 구축하기

AI를 운용할 수 있는 환경만 구축하면, 챗봇(LLM), 코드 에이전트, AI 비서를 언제든지 원할 때 무제한으로 사용할 수 있어요. 맥 여러 대를 연결해서 나만의 AI 환경을 만드는 방법을 알려드릴게요.

#맥미니#맥스튜디오#AI클러스터

AI·18min read·2026년 2월 3일

[벡터#4 데이터 추출] 정규표현식으로 이메일 주소 찾기

100페이지 문서에서 이메일 빠르게 추출! 엑셀 '찾기'보다 강력한 정규표현식으로 반복 작업을 크게 줄이는 방법을 배웁니다.

#정규표현식#regex#python

AI·15min read·2026년 2월 3일

[벡터#3 방정식] numpy.linalg.solve()로 빠르게 풀기

사과 2개 + 바나나 3개 = 8,000원? 손으로 풀면 5분, Python으로는 빠르게! 연립방정식을 코드 3줄로 해결하는 방법을 배웁니다.

#선형방정식#numpy#linalg

AI·15min read·2026년 2월 2일

[벡터#2 연산] 덧셈, 뺄셈, 곱셈으로 배우는 실전 데이터 계산

장바구니 계산부터 할인 적용, 매출 분석까지. 벡터 연산으로 엑셀보다 훨씬 빠르게 계산하는 방법을 배웁니다.

#벡터연산#numpy#데이터분석

$[벡터#1 입문] NumPy로 시작하는 AI 개발의 기초$

AI·12min read·2026년 2월 2일

[벡터#1 입문] NumPy로 시작하는 AI 개발의 기초

AI 개발의 핵심이 되는 벡터수학을 NumPy로 배워봅니다. 일상생활 속 벡터부터 AI 모델의 핵심 원리까지, 쉽고 실용적으로 시작하는 수학 여행.

#벡터수학#numpy#AI기초

Data Viz·20min read·2026년 2월 2일

[SQL 실습 #5] 음악 스트리밍 서비스 데이터 모델 작성

N:M 관계를 중간 테이블로 해결합니다. 한 플레이리스트에 여러 곡, 한 곡이 여러 플레이리스트에 담기는 복잡한 관계를 데이터베이스로 구현하는 방법을 배웁니다.

#SQL#N:M 관계#중간 테이블

Data Viz·18min read·2026년 2월 1일

[SQL 실습 #4] 병원 예약 시스템 데이터 모델 작성

UNIQUE 제약 조건으로 예약 충돌을 원천 차단합니다. 같은 의사, 같은 시간에 중복 예약 불가 규칙을 데이터베이스 레벨에서 강제하는 방법을 배웁니다.

#SQL#UNIQUE 제약#예약 시스템

Data Viz·12min read·2026년 1월 31일

데이터에 생명을 불어넣다: Plotly Python 시각화 가이드

데이터 시각화는 개발자만의 영역이 아닙니다. 취업 포트폴리오, 사업 기획서, 프로젝트 리포트까지—배워두면 인생 전반에서 요긴하게 쓰이는 스킬입니다. Plotly Python으로 누구나 쉽게 시작할 수 있는 인터랙티브 시각화의 세계를 소개합니다.

#plotly#python#데이터시각화

Data Viz·15min read·2026년 1월 29일

[SQL 실습 #3] 주차 관리 시스템 데이터베이스 설계

시간 데이터 다루기와 CASE WHEN 조건문을 배웁니다. 주차 공간, 차량, 주차 기록 테이블로 실시간 요금 계산 시스템을 완성합니다.

#SQL#DATETIME#CASE WHEN

Data Viz·15min read·2026년 1월 26일

[SQL 실습 #2] 도서관 대출 시스템 테이블 구조 만들기

1:N 관계와 Foreign Key 개념을 배우고 JOIN 쿼리로 여러 테이블을 연결합니다. 회원, 도서, 대출 기록 3개 테이블로 관계형 데이터베이스를 완성합니다.

#SQL#JOIN#Foreign Key

Data Viz·7min read·2026년 1월 24일

[SQL 입문] 데이터베이스 입문 - 기록의 시작

일상 기록에서 출발하는 데이터베이스 입문. SQL이란 무엇이고, 왜 스키마 설계가 중요한지 알아봅니다. 브리딩 기록부터 시작해 데이터베이스의 본질을 이해합니다.

#데이터베이스#SQL#스키마

Data Viz·12min read·2026년 1월 24일

[SQL 실습 #1] 학생 정보 데이터베이스 설계

가장 간단한 테이블 설계부터 시작. CREATE TABLE, INSERT, SELECT 기본 문법을 배우고 첫 데이터베이스를 완성합니다. DB Browser for SQLite 실습 포함.

#SQL#CREATE TABLE#Primary Key

Data Viz·13min read·2026년 1월 21일

[Step 4] 워드클라우드로 텍스트 데이터 시각화하기 - WordCloud + matplotlib

텍스트에서 단어 빈도를 추출하고 워드클라우드 이미지를 생성합니다. 영화 리뷰, SNS 게시글 분석부터 커뮤니티 트렌드 파악까지 활용 방법을 배웁니다.

#워드클라우드#wordcloud#텍스트분석

Data Viz·14min read·2026년 1월 20일

[Step 3] 막대 그래프로 범주형 데이터 시각화하기 - pandas + matplotlib

월별 판매량, 제품별 성적, 분기별 매출... 범주로 나눌 수 있는 데이터라면 막대 그래프가 정답입니다. Step 3에서는 막대 그래프 그리는 방법을 배웁니다.

#막대그래프#pandas#matplotlib

Data Viz·12min read·2026년 1월 20일

[Step 2] 산점도로 데이터 관계 파악하기 - matplotlib scatter

운동 시간과 체중 감량, 공부 시간과 성적... 두 데이터 사이에 관계가 있을까요? Step 2에서는 산점도로 데이터 간 상관관계를 한눈에 파악하는 방법을 배웁니다.

#산점도#matplotlib#python

Data Viz·15min read·2026년 1월 19일

[Step 1] 데이터를 선 그래프로 시각화하는 실습 - yfinance + matplotlib

개발자나 데이터 분석가만 이쁜 그래프를 그릴 수 있는 건 아닙니다. 정말 간단한 지식이면 누구나 화려한 시각화를 만들 수 있어요. Step 1에서는 선 그래프 그리는 방법론을 주식 데이터 예제로 따라해봅니다.

#선그래프#matplotlib#python

흑섬 TECH 블로그 - 데이터 기반 브리딩 기술

주요 카테고리

흑섬 TECH 블로그 전체 글 아카이브

LangChain이 Claude Code 복제품을 출시했습니다 — Deep Agents 직접 써봤습니다

[소셜 미디어 트렌드 4편] LDA 토픽 모델링 + Streamlit 대시보드로 시리즈 완결

[소셜 미디어 트렌드 3편] YouTube API로 댓글 523건 수집하고 감성 분석까지

[소셜 미디어 트렌드 2편] 리뷰 15만 건, 문장 길이부터 워드클라우드까지 텍스트 EDA

[소셜 미디어 트렌드 1편] 영화 리뷰 20만 건으로 감성 분석 모델 만들기

[머신러닝 실전 6편] 전체 파이프라인 완성 — CSV 한 장에서 예측 모델까지

[머신러닝 실전 5편] 같은 모델인데 셋팅만 바꿨더니 — 하이퍼파라미터 튜닝

[머신러닝 실전 4편] 이탈 예측, 어떤 모델이 이기나 — 5개 모델 실전 비교

[머신러닝 실전 3편] "남자/여자"를 모델은 못 읽는다 — 피처 엔지니어링 실전

[머신러닝 실전 2편] 빈 칸과 튀는 값 — 결측치·이상치 실전 처리

[머신러닝 실전 1편] 통신사 고객 7천 명, 누가 떠날까 — EDA로 단서 찾기

[머신러닝 중급 6편] 주성분 분석(PCA) — 100개 특성을 2개로 줄여도 되는 이유

[머신러닝 중급 5편] 이상치 탐지 — 1000명 중 수상한 1명을 찾아내는 법

[머신러닝 중급 4편] 그래디언트 부스팅 — 약한 모델들이 팀을 이루는 방법

[머신러닝 중급 3편] 정규화 기법 — 모델에 '벌금'을 매기는 이유

[머신러닝 중급 2편] 서포트 벡터 머신(SVM) — 두 그룹 사이의 가장 넓은 길을 찾는 알고리즘

[머신러닝 중급 1편] 과적합과 과소적합 — 모델이 시험 문제만 외우면 생기는 일

[머신러닝 기초 6편] 모델 평가 지표 — 정확도만 보면 안 되는 이유

[머신러닝 기초 5편] 선형 회귀 — 직선 하나로 미래를 예측한다

[머신러닝 기초 4편] 나이브 베이즈 — 확률로 스팸을 잡는다

[머신러닝 기초 3편] 로지스틱 회귀 — S자 곡선 하나로 분류를 끝낸다

[머신러닝 기초 2편] 결정 트리 — 스무고개처럼 질문을 쪼개서 답을 찾는다

[머신러닝 기초 1편] k-최근접 이웃(k-NN) — 주변을 보고 판단한다

[알고리즘 기초 3편] 정렬 알고리즘 비교 — 버블·삽입·퀵·병합

[코딩테스트] 빈출 유형 4가지 — AI 시대에 코딩테스트가 웬말이냐

[로컬AI#2] AI커맨드센터 — 이미지·비디오를 무료로 무한 생성하기

[알고리즘 기초 1편] 스택·큐·재귀 — 컴퓨터가 기억하는 법

[알고리즘 기초 2편] 그래프 탐색 — DFS와 BFS

[AI 기초수학 1편] 연립방정식, NumPy로 0.1초에 풀기

[AI 기초수학 2편] 평균·분산·로그 — AI가 데이터를 읽는 법

[AI 기초수학 3편] 확률 — AI가 예측하는 법

[Plotly 실전] 우리 집 도마뱀 체중 기록을 인터랙티브 차트로 만들기

[로컬AI#1] 맥미니 대란? 나만의 AI 구축하기

[벡터#4 데이터 추출] 정규표현식으로 이메일 주소 찾기

[벡터#3 방정식] numpy.linalg.solve()로 빠르게 풀기

[벡터#2 연산] 덧셈, 뺄셈, 곱셈으로 배우는 실전 데이터 계산

[벡터#1 입문] NumPy로 시작하는 AI 개발의 기초

[SQL 실습 #5] 음악 스트리밍 서비스 데이터 모델 작성

[SQL 실습 #4] 병원 예약 시스템 데이터 모델 작성

데이터에 생명을 불어넣다: Plotly Python 시각화 가이드

[SQL 실습 #3] 주차 관리 시스템 데이터베이스 설계

[SQL 실습 #2] 도서관 대출 시스템 테이블 구조 만들기

[SQL 입문] 데이터베이스 입문 - 기록의 시작

[SQL 실습 #1] 학생 정보 데이터베이스 설계

[Step 4] 워드클라우드로 텍스트 데이터 시각화하기 - WordCloud + matplotlib

[Step 3] 막대 그래프로 범주형 데이터 시각화하기 - pandas + matplotlib

[Step 2] 산점도로 데이터 관계 파악하기 - matplotlib scatter

[Step 1] 데이터를 선 그래프로 시각화하는 실습 - yfinance + matplotlib