[메타코드m] kaggle 데이터를 활용한 실전 머신러닝 | IT기업 Data Scientist 현직자 (마무리)

 kaggle 데이터를 활용한 실전 머신러닝 마무리입니다.

안녕하세요 여러분!

데이터 분석에 관심이 있는데 프로젝트 경험이 없으셔서

고민 중이신가요?

 

실제로 EDA까지는 해봤으나 포트폴리오로 정리하기 어려우신가요?

저역시 해당 고민이 있었고 해답을 찾기위해 전전긍긍하던 중

메타코드를 발견하게 되었습니다.

 

메타코드에서는 함께 모여서, 현직자 조언 듣고, 공부하세요!라는 모토를 기반으로

데이터 분야로 진로를 꿈꾸는 사람들을 위한 유익한 학습 공간이에요.

 

---

캐글 데이터를 활용한 실전 머신러닝

 

결국 완.강했어요! 여러분~

 

---

학습 과정

해당 강의를 마무리하면서 최종 정리를 해보았습니다. 

1. 데이터 탐색 EDA
  - EDA 통한 이해 및 시각화
  - 트렌드 분석, 히스토그램, 통계 및 상관분석

저에게 있어  아주 기본적이었지만 

처음부터 이 분과 함께 했다면 더 짧은 시간에 많은 걸 배울 수 있었을 것 같다는 생각이

기억에 남습니다. 보다 EDA를 잘하기 위해선

함수로 선언하고 비슷한 과정을 빠르게 진행하는 DS(데이터 사이언티스트)로서 숙련도도

높여야겠다는 생각을 하게 됐네요.

 

 

2. 베이스라인 모델 구축
  - Prophet
  - M/L 모델을 통한 베이스라인 성능 확인
  - 피처엔지니어링
  - Shap Value 피처 중요도 확인

 

3. 모델 성능 고도화
  - voting, stacking 모델 구축
  - deep learning

 

4. Streamlit 대시보드 구축
  - local 환경에서 개발
  - 실제 배포

---

수강증 획득

 

 

이번 메타코드 앰배서더를 하면서 좀 시기적으로 바쁘기도 했지만

질 좋은 강의를 수강할 수 있어서 좋은 경험이라고 생각합니다.

뭔가 게시글을 쓰고 사람들과 소통하면서 저도 정보교류의 재미를 느낀 것 같아요.

계속 공부하고 인사이트 정리하고 나누는 재미를 느낀 승우입니다.

---

포트폴리오 정리까지하는 한 번의 
학습 경험으로 너무나 좋은 강의입니다.

기본적으로 EDA만하고 학습을 멈추거나 추후 머신러닝을 사용해보고 싶은데 어떤 모델을 사용해야고 각 모델의 공부를 어떻게 해야하는 지 막막할법한데
실제로 머신 러닝의 가벼운 모델부터 파이토치를 이용한 텐서플로우까지 딥러닝에 아울러 배울 수 있었네요.

특히 그냥 데이터도 아니고 캐글 데이터에 이커머스 데이터 분석이다보니 추후 다른 데이터 분석에서도 활용할 수 있는 유익한 코드와 인사이트로 넘쳐나는 강의인 것 같습니다.

구성도 구성이지만 강의를 진행해주시는 강사님의 설명이 굉장히 전달력이 좋으십니다. 제가 원하는 성장의 경험을 하게 되어 너무 만족스러운 강의네요.

*기본적인 데이터 분석 프로젝트 경험이 있는 분들에게 추천드려요! 기본적인 것 또한 학습을 진행하지만 코드만 따라치면서 내가 지금 무엇을 하고 있지 놓치실 수 있을 것으로 보입니다. 해당 코드의 목적을 이해하려면 기본적인 분석경험이 필요할 것 같다는 개인적인 소감 역시 남깁니다.

 

*본 게시글은 메타코드 앰배서더 활동으로 작성된 게시글입니다.