태그

#Python

총 10개의 포스트

확률·통계 코딩 과제: Python으로 구현하는 ML 통계 도구

베이즈 업데이트, 분포 시뮬레이션, CLT 검증, MLE/MAP 구현, 신뢰구간, 가설검정, A/B 테스트 파이프라인까지 — 확률통계 1~4장을 코드로 구현합니다.

NumPy를 사용해 행렬 연산, 가우스 소거법, 고유값 분해, PCA를 직접 구현해보는 코딩 과제입니다. 각 문제에 단계별 힌트와 전체 풀이 코드가 포함되어 있습니다.

수치 미분, 경사 하강법, 퍼셉트론 역전파, 뉴턴 방법을 NumPy로 직접 구현하는 코딩 과제입니다. 각 문제에 단계별 힌트와 전체 풀이 코드가 포함되어 있습니다.

PCA, K-평균, 계층적 클러스터링, 혼합 모형(GMM), 스케일링까지 비지도 학습의 핵심 개념을 코드와 함께 정리했습니다.

KNN, 결정 트리, 랜덤 포레스트, AdaBoost, 그레이디언트 부스팅까지 트리 기반 앙상블 모델의 핵심 개념을 코드와 함께 정리했습니다.

나이브 베이즈, 판별분석, 로지스틱 회귀, 혼동행렬, ROC/AUC, 불균형 데이터 처리까지 분류 알고리즘의 핵심 개념을 코드와 함께 정리했습니다.

단순·다중선형회귀, 잔차 진단, 범주형 변수 인코딩, 다항·스플라인 회귀까지 회귀분석의 핵심 개념을 코드와 함께 정리했습니다.

A/B 검정, 가설검정, p-값, t-검정, 분산분석(ANOVA), 카이제곱, 멀티암드 밴딧까지 통계적 실험의 핵심 개념을 코드와 함께 정리했습니다.

랜덤표본추출과 편향, 부트스트랩, 신뢰구간, 정규분포, t분포, 이항·푸아송 분포까지 표본분포의 핵심 개념을 코드와 함께 정리했습니다.

데이터의 종류(연속형, 이산, 범주형 등)와 위치 추정(평균, 중앙값), 변이 추정(분산, 표준편차)의 개념을 코드 예시와 함께 정리했습니다.