혼자 쓰는 Git에서 팀 협업으로 넘어가는 지점인 Pull Request를 정리합니다. main에 직접 push하지 않는 이유, 브랜치에서 PR을 여는 흐름, fork와 branch 방식의 차이, 코드 리뷰, 그리고 merge/squash/rebase 세 가지 병합 전략을 다룹니다.

과적합을 손실 함수에 페널티를 더해 억제하는 규제를 정리합니다. 계수를 수축시키는 L2(Ridge)와 계수를 0으로 만들어 특성을 고르는 L1(Lasso), 강도 alpha의 역할을 다항 회귀 예제로 확인하는 7편입니다.

Git의 기본 명령어를 세 영역 모델 위에 얹어 정리합니다. status/add/commit 기본 사이클, .gitignore, 브랜치와 충돌 해결, 원격 push/fetch/pull, 그리고 상황별 되돌리기(restore, reset, revert, reflog)를 다룹니다.

단일 train/valid 분할이 왜 불안정한지에서 출발해 k-겹 교차검증, 하이퍼파라미터와 파라미터의 구분, GridSearchCV와 RandomizedSearchCV로 탐색하는 법, 그리고 테스트셋을 튜닝에 쓰면 왜 누수인지를 정리한 6편입니다.

훈련 데이터에서 잘하는 것과 새 데이터에서 잘하는 것은 다릅니다. 과소적합, 과대적합의 정의, train/validation/test를 나누는 이유, 편향-분산 트레이드오프를 다항 회귀 과적합 시연으로 정리한 5편입니다.

Git을 명령어가 아니라 모델부터 이해하기 위한 개념 정리입니다. 커밋이 diff가 아니라 스냅샷이라는 것, 분산 버전 관리의 의미, working/staging/repository 세 영역, 그리고 브랜치가 포인터일 뿐이라는 것까지 다룹니다.

한 화면에 그래프를 여러 개 배치하는 subplots, 색·축 범위·격자로 그림을 다듬는 법, pandas의 df.plot()으로 바로 그리는 법, 그리고 seaborn을 곁들이는 지점까지 정리하며 데이터 분석 기초 세 시리즈를 마무리하는 Matplotlib 기초 마지막 편입니다.

학습이란 손실을 최소로 만드는 파라미터를 찾는 문제라는 관점에서 출발해, 경사하강법의 갱신식과 학습률의 역할, 볼록, 비볼록 문제, 배치, 미니배치, SGD의 차이를 numpy와 SGDRegressor로 확인하는 4편입니다.

실무에서 데이터를 점검할 때 반복해서 그리는 그래프인 히스토그램, 박스플롯, 산점도, 막대 그래프를 성적 데이터로 그려보며, 각각이 무엇을 드러내고 언제 무엇을 골라야 하는지를 정리한 Matplotlib 기초 둘째 편입니다.

matplotlib이 그림을 그리는 구조인 Figure와 Axes에서 출발해, 초보자가 반드시 헷갈리는 두 가지 인터페이스(pyplot과 객체지향)를 구분하고, 선·산점도·막대 그래프를 그리고 축과 제목을 붙이며 한글 폰트 문제까지 정리한 Matplotlib 기초 첫 편입니다.