스프레드시트에서 프로덕션 수준의 데이터 분석으로 나아가세요. Python에서 NumPy 배열, Pandas DataFrame, 데이터 정제, groupby, 병합, 시계열 및 시각화를 마스터하세요. 이 트랙은 초급(A1)부터 고급(B2)까지 30개의 점진적 미니 코스로 구성되어 있으며, 각 개념을 확실히 익히기 위한 짧고 집중된 레슨과 빠른 퀴즈를 포함합니다.
기초부터 시작하여 중급 및 고급 주제까지 단계적으로 학습하며, 각 코스는 이전 코스를 기반으로 합니다. 모든 레슨은 실무적이고 실제 예제를 포함하며, 필요할 때 AI 튜터의 도움을 받을 수 있습니다.
각 코스는 4개의 집중된 레슨으로 나뉩니다. 하루에 몇 개의 레슨을 완료하면 몇 개월이 아닌 몇 주 안에 전체 트랙을 마스터할 수 있습니다.
AI 기반 도구와 기능으로 학습을 강화하세요
Pandas & NumPy Academy 학습 경로의 모든 코스.
과학적 Python의 핵심 구성 요소인 NumPy ndarray를 배워 보세요. Python 리스트에서 배열을 만들고, shape와 dtype을 이해하며, 원소별 산술 연산을 수행합니다. 과정을 마치면 수치 작업에서 중첩 리스트 대신 NumPy 배열…
기본 산술 연산을 넘어 NumPy의 범용 함수와 브로드캐스팅 규칙을 익혀 보세요. np.sqrt와 np.exp 같은 ufunc를 적용하고, 합과 평균으로 배열을 집계하며, 작은 배열을 큰 배열에 맞게 NumPy가 자동으로 확장하도록 합니다.
모든 Pandas 자료 구조의 기반인 1차원 레이블 배열, Pandas Series를 알아보세요. 리스트와 딕셔너리로 Series를 만들고, 레이블과 위치로 값에 접근하며, Series에 벡터화 연산을 수행합니다.
DataFrame은 Pandas 데이터 분석의 핵심 도구로, 레이블이 지정된 행과 열로 이루어진 2차원 표입니다. 이 과정에서는 DataFrames를 만들고, 살펴보고, 조작하는 방법을 익혀 어떤 표 형식 데이터셋이든 불러와 즉시 탐색할 수 있도록…
데이터 분석은 항상 데이터를 불러오는 것으로 시작해 결과를 저장하는 것으로 끝납니다. 이 과정에서는 가장 일반적인 파일 형식인 CSV, Excel, JSON을 다루므로 어떤 데이터셋이든 DataFrame으로 가져오고 Pandas 호출 한 번으로 정제…
Pandas의 불리언 인덱싱, 질의 문자열, 복합 조건을 사용해 DataFrames를 정밀하게 잘라내고 조합해 보세요. 원본 데이터셋을 수정하지 않고도 어떤 분석 작업에든 필요한 행과 열만 정확히 추출할 수 있습니다.
Pandas는 데이터를 불러올 때 열의 dtype을 추론하지만, 이러한 추론은 자주 틀립니다. 이 과정에서는 dtype을 확인하고 올바르게 변환하며, 대규모 분석의 속도를 높일 수 있는 메모리 효율적인 형식을 선택하는 방법을 보여 드립니다.
텍스트 데이터에는 별도의 벡터화 도구가 필요합니다. Pandas의 .str 접근자는 반복문 없이 열의 모든 행에 Python 문자열 메서드의 강력한 기능을 적용하게 해 주므로, 텍스트를 빠르고 읽기 쉽게 정리할 수 있습니다.
읽기 쉬운 출력, 효율적인 병합, 올바른 윈도우 계산을 위해 데이터의 순서와 인덱스를 제어하는 일이 필수적입니다. 이 과정에서는 값과 인덱스에 따른 정렬, 순위 매기기, 의미 있는 인덱스 설정을 다룹니다.
GroupBy는 Pandas의 가장 강력한 기능 중 하나로, 데이터를 그룹으로 나누고 한 줄의 코드로 요약 통계를 적용할 수 있게 합니다. 이 과정에서는 분할-적용-결합 패턴을 단계별로 살펴보고 의미 있는 요약 표를 만드는 방법을 보여 드립니다.
SQL처럼 여러 표의 데이터를 결합하되, 모든 작업을 Python에서 수행해 보세요. 이 과정에서는 내부, 왼쪽, 오른쪽, 외부 조인과 연결을 다루므로 여러 출처의 데이터셋을 자신 있게 구성할 수 있습니다.
정돈된 데이터 원칙에서는 데이터가 특정한 형태로 구성되어야 합니다. 이 과정에서는 pivot_table, melt, stack, unstack을 사용해 넓은 형태를 긴 형태로, 긴 형태를 넓은 형태로 바꾸며 분석이나 시각화에 맞게 어떤 데이터셋이든…
시간 순서가 있는 데이터에는 리샘플링, 이동 계산, 날짜 산술을 위한 전문 도구가 필요합니다. 이 과정에서는 DatetimeIndex를 다루고, 어떤 빈도로든 리샘플링하며, 예측 파이프라인을 위한 시간 특성을 추출하는 방법을 익힙니다.
시각화는 데이터 분석과 떼려야 뗄 수 없습니다. 이 과정에서는 Matplotlib의 Figure와 Axes 객체를 소개하고, 선 그래프, 막대 그래프, 산점도를 완전히 제어하여 분석 결과를 명확하게 전달할 수 있도록 합니다.
Seaborn은 통계 그래프를 위해 설계된 고수준 인터페이스로 Matplotlib을 감싸 제공합니다. 몇 줄의 코드로 분포 그래프, 범주형 비교 그래프, 회귀 그래프를 만들면서도 시각적 스타일을 완전히 제어할 수 있습니다.
EDA는 모든 모델링에 앞서 수행하는 탐정 작업입니다. 이 과정에서는 새로운 데이터셋의 특성을 체계적으로 파악하고, 문제를 식별하고, 가설을 세우며, Pandas와 시각화 도구를 사용해 요약 보고서를 작성하는 파이프라인을 제공합니다.
Pandas 인덱싱을 능숙하게 다루면 빠른 조회, 효율적인 슬라이싱, 깔끔한 다중 수준 요약이 가능해집니다. 이 과정에서는 MultiIndex 생성, 계층적 선택, 인덱스 정렬의 예외 상황, 정렬된 인덱스가 제공하는 성능 향상을 다룹니다.
윈도우 함수는 행의 이동 또는 확장 범위에 걸쳐 통계를 계산하므로 이동 평균, 누적 합, 그룹 내 순위 계산이 가능합니다. 이 과정에서는 이러한 기법을 금융 데이터와 시계열 데이터에 실용적으로 적용하는 방법을 익힙니다.
DataFrames가 수백만 행으로 커지면 단순한 코드가 병목이 됩니다. 이 과정에서는 Pandas 코드의 성능을 프로파일링하고, iterrows처럼 흔히 성능을 떨어뜨리는 패턴을 피하며, 속도를 높이기 위해 벡터화 연산, Categorical dt…
지금까지 배운 모든 내용을 실제 소매 판매 데이터셋에 적용해 봅니다. 원시 주문 기록을 정제하고, 지역 및 제품 범주별 매출을 계산하며, 시간에 따른 추세를 시각화하고, 대시보드에 바로 사용할 수 있는 경영진용 요약 DataFrame을 완성합니다.
시뮬레이션한 클릭스트림 데이터셋을 분석하여 사용자가 제품을 어떻게 탐색하는지 파악합니다. 세션 길이, 퍼널 전환율, 코호트 유지율을 계산하고 이탈 지점을 시각화합니다. 이 기술은 제품 분석 직무에 바로 활용할 수 있습니다.
전문적인 데이터 정제는 NaN 값을 삭제하는 데서 그치지 않고, 중복 데이터, 이상치, 일관되지 않은 범주, 스키마 위반까지 다룹니다. 이 과정에서는 재현 가능한 정제 점검 목록과 이를 체계적으로 구현하는 Pandas 도구를 제공합니다.
내장 집계 함수만으로 충분하지 않을 때는 apply()를 사용해 원하는 Python 함수를 정의하고 행, 열 또는 그룹에 적용할 수 있습니다. 이 과정에서는 유연성을 극대화하기 위해 apply, mapply, pipe를 언제 어떻게 사용하는지 보여드…
운영 환경의 데이터 분석은 한 번 실행하고 끝나는 노트북 작업이 아니라 반복 가능한 파이프라인이어야 합니다. 이 과정에서는 코드를 모듈식 변환 단계로 구성하고, 매개변수화하며, 단언문으로 테스트하고, 매일 실행되도록 예약하는 방법을 배웁니다.
많은 기계학습 알고리즘은 선형대수 연산으로 표현됩니다. 이 과정에서는 NumPy의 linalg 모듈을 다룹니다. 행렬 곱셈, 행렬식, 역행렬, 고유값, 연립방정식 풀이를 학습하며, 모두 기계학습을 처음부터 구축하기 위한 기본 요소입니다.
데이터셋이 RAM에 들어가지 않을 만큼 크다면 청크 단위 처리 전략이 필요합니다. 이 과정에서는 CSV 파일을 청크 단위로 스트리밍하고, 결과를 점진적으로 집계하며, Pandas를 그대로 대체할 수 있는 Dask를 사용하고, 결과를 Parquet 형…
운영 환경의 데이터 대부분은 CSV 파일이 아니라 관계형 데이터베이스에 저장됩니다. 이 과정에서는 SQLAlchemy를 사용해 Pandas에서 PostgreSQL과 SQLite를 직접 조회하고, 정제한 DataFrames를 테이블에 다시 저장하며,…
Pandas는 데이터를 설명하고, SciPy는 데이터에 대한 가설을 검정합니다. 이 과정에서는 t-검정, 카이제곱 검정, ANOVA, 상관관계 유의성 검정 등 가장 흔한 통계 검정을 소개하여 기술 통계 분석에서 추론 통계 분석으로 나아갈 수 있도록…
하나의 처음부터 끝까지 이어지는 프로젝트에서 이 트랙의 모든 기술을 종합해 봅니다. CSV와 데이터베이스 테이블에서 원시 데이터를 가져오고, 정제 및 병합하고, groupby와 윈도 함수로 고급 KPI를 계산하며, 결과를 시각화하고, 완성도 높은 보…
네, Pandas & NumPy Academy 강의를 무료로 시작하고 인터랙티브 레슨을 모두 무료로 완료할 수 있습니다. 선택적 PRO 구독을 통해 고급 AI 도구와 공유 가능한 수료증을 잠금 해제할 수 있습니다.
아니요. 강의는 기초부터 시작하여 점차 더 심화된 주제로 나아가므로 PYTHON 경험이 없어도 시작할 수 있습니다.
직접 해보면서 배웁니다. 짧은 인터랙티브 레슨은 명확한 설명과 실시간으로 실행되는 실습 코딩 연습을 함께 제공하며, 24시간 AI 튜터가 막힐 때마다 맞춤형 도움을 줍니다.
네, PRO 학습자는 시험을 응시하고 Pandas & NumPy Academy 강의의 검증 코드가 포함된 공유 가능한 수료증을 취득할 수 있습니다.
네, CoddyKit은 웹과 iOS, Android 네이티브 앱으로 이용 가능하므로 어느 기기에서나 PYTHON을(를) 배우고 진행 상황이 모든 기기에서 동기화됩니다.
