머신러닝 단기집중과정을 시작하기 전에 필수사항 및 사전 작업 섹션을 읽고 모든 모듈을 완료할 준비가 되었는지 확인하세요.

필수사항
머신러닝 단기집중과정에는 머신러닝에 관한 사전 지식이 필요하지 않습니다. 하지만 제시된 개념을 이해하고 실습을 완료하기 위해서는 다음과 같은 필수사항을 갖추는 것이 좋습니다.

기본 대수학 개념 숙지. 변수와 계수, 선형 방정식, 함수의 그래프, 히스토그램을 알고 있어야 합니다. 로그, 미분과 같은 고급 수학적 개념에 익숙하면 유용하지만 꼭 필요하지는 않습니다.

프로그래밍 기본사항 숙지 및 Python을 이용한 코딩 경험. 머신러닝 단기집중과정의 프로그래밍 실습은 TensorFlow를 이용하여 Python으로 코딩되어 있습니다. TensorFlow 사용 경험은 필요하지 않지만 함수 정의/호출, 목록과 사전, 루프, 조건식 등 기본 프로그래밍 구성체가 포함된 Python 코드를 쉽게 읽고 쓸 수 있어야 합니다.

참고: 머신러닝 단기집중과정에 사용되는 수학 및 프로그래밍 개념의 자세한 목록과 각 개념의 참조 자료는 아래의 주요 개념 및 도구 섹션을 참조하세요.
사전 작업
프로그래밍 실습은 별도의 설정이 필요 없이 브라우저에서 바로 실행되며 Colaboratory 플랫폼을 이용합니다. Colaboratory는 대부분의 주요 브라우저에서 지원되며 Chrome 및 Firefox 데스크톱 버전을 대상으로 가장 꼼꼼한 테스트가 이루어졌습니다. 실습을 다운로드하여 오프라인에서 실행하시려면 이 안내를 확인하여 로컬 환경 설정에 관해 자세히 알아보세요.

Pandas 시작하기
머신러닝 단기집중과정의 프로그램 실습에서는 Pandas 라이브러리를 사용하여 데이터 세트를 조작합니다. Pandas에 익숙하지 않으면 실습에 사용된 주요 Pandas 기능을 설명하는 Pandas 간단 소개 가이드를 완료하시기 바랍니다.

낮은 수준의 TensorFlow 기본 사항
머신러닝 단기집중과정의 프로그래밍 실습에서는 고급 tf.estimator API를 사용하여 모델을 구성합니다. 처음부터 TensorFlow 모델을 구성하려면 다음 가이드를 완료하세요.

TensorFlow Hello World: 낮은 수준의 TensorFlow 코딩된 ‘Hello World’입니다.
TensorFlow 프로그래밍 개념: TensorFlow 애플리케이션의 기본 구성요소인 텐서, 작업, 그래프, 세션을 둘러봅니다.
텐서 만들기 및 조작: 텐서 간이 입문서로, TensorFlow 프로그래밍의 주요 추상화를 둘러봅니다. 선형 대수학의 행렬 덧셈과 곱셈에 관해서도 설명되어 있습니다.
주요 개념 및 도구
머신러닝 단기집중과정에서는 다음과 같은 개념과 도구를 설명하고 적용합니다. 자세한 내용은 연결된 자료를 참조하세요.

수학
대수학
변수, 계수, 함수
선형 방정식. 예:
로그 및 로그 방정식. 예:
시그모이드 함수
선형 대수학
텐서 및 텐서 차수
행렬 곱셈
삼각법
Tanh (활성화 함수에서 설명됨, 사전 지식이 필요하지 않음)
통계
평균, 중앙값, 이상점, 표준 편차
히스토그램을 읽을 수 있는 능력
미적분학(선택 사항, 고급 주제의 경우)
미분의 개념 (실제로 미분할 필요는 없음)
경사도 또는 기울기
편미분 (경사도와 긴밀한 관련이 있음)
연쇄 법칙 (신경망 학습 시 역전파 알고리즘을 완전히 이해하기 위해 필요함)
Python 프로그래밍
기본 Python
다음과 같은 Python 기본 사항이 Python 가이드에 설명되어 있습니다.

위치 및 키워드 매개변수를 사용한 함수 정의 및 호출

사전, 목록, 세트(만들기, 액세스, 반복)

for 루프, 여러 반복 변수를 사용한 for 루프(예: for a, b in [(1,2), (3,4)])

if/else 조건부 블록 및 조건식

문자열 형식 지정 (예: ‘%.2f’ % 3.14)

변수, 할당, 기본 데이터 유형 (int, float, bool, str)

pass 문

중급 Python
다음과 같은 중급 Python 기능도 Python 가이드에 설명되어 있습니다.

목록 이해
람다 함수
타사 Python 라이브러리
머신러닝 단기집중과정 코드 예에서는 타사 라이브러리의 다음과 같은 기능을 사용합니다. 이러한 라이브러리에 관한 사전 지식은 필요하지 않으며 필요할 때마다 찾아 볼 수 있습니다.

Matplotlib(데이터 시각화용)
pyplot 모듈
cm 모듈
gridspec 모듈
Seaborn(히트맵용)
heatmap 함수
Pandas(데이터 조작용)
DataFrame 클래스
NumPy(낮은 수준의 수학 연산용)
linspace 함수
random 함수
array 함수
arange 함수
scikit-learn(평가 측정항목용)
metrics 모듈
Bash 터미널/Cloud Console
로컬 머신이나 Cloud Console에서 프로그래밍 실습을 실행하려면 쉽게 명령줄을 사용할 수 있어야 합니다.

Bash 참조 매뉴얼
Bash Cheatsheet
셸 알아보기