After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
코스 설명
과학자의 주요 목표 중 하나는 데이터에서 패턴을 찾고, 그 패턴을 설명·예측·통찰로 이어지는 모델을 만드는 것입니다. 이 가운데 가장 기초적인 패턴이 두 변수 간의 선형 관계입니다. 이 강의는 최소제곱, 선형 회귀, 추정, 부트스트랩 리샘플링과 같은 기법을 통해 데이터의 선형 관계를 탐색하고 정량화하며 모델링하는 방법을 소개합니다. 여기서는 Python 데이터 사이언스 생태계의 강력한 도구인 scipy, statsmodels, scikit-learn을 활용해 선형 모델을 구축하고 평가해 볼 거예요. Python으로 선형 모델의 개념과 활용을 익히면서, 실무형 모델링 입문이자 통계와 Machine Learning의 고급 기법을 학습하기 위한 탄탄한 기반을 마련합니다.
사전 요구 사항
커리큘럼
코스 개요
1
선형 추세 탐색하기
이 강의는 선형 관계에 대한 기초 탐색으로 시작합니다. 선형 모델이 어떻게 쓰이는지 동기 부여 예시를 살펴보고, matplotlib로 데이터 시각화 방법을 시연해요. 이어서 기술 통계를 사용해 데이터의 형태를 정량화하고, 두 변수 간 선형 관계의 강도를 상관계수로 측정합니다.
2
선형 모델 만들기
이 단원에서는 선형 모델을 구성하는 요소를 살펴봅니다. 테일러 전개 개념을 바탕으로 기울기와 절편 파라미터에 집중해, 모델을 어떻게 정의하고 여러 실제 문맥에서 어떻게 해석하는지 알아봐요. 최소제곱과 numpy, statsmodels, scikit-learn을 사용해 기울기와 절편의 최적 값을 계산함으로써 데이터에 가장 잘 맞는 모델을 찾습니다.
3
모델로 예측하기
다음으로 실제 데이터에 모델을 적용해 예측을 수행합니다. 예측에서 흔히 겪는 함정과 한계를 살펴보고, RMSE와 R-squared를 포함한 여러 적합도 지표를 정량화·비교하여 모델을 평가합니다.
4
모델 파라미터 추정하기
마지막 단원에서는 추론 통계의 개념을 소개하고, 최대우도추정과 부트스트랩 리샘플링을 사용해 선형 모델의 파라미터를 추정하는 방법을 다룹니다. 이어서 이러한 방법을 적용해 모델 파라미터에 대한 신뢰를 확률적으로 진술하는 방법을 배웁니다.
Python으로 배우는 선형 모델 입문
코스
완료
