학습이란 손실을 최소로 만드는 파라미터를 찾는 문제라는 관점에서 출발해, 경사하강법의 갱신식과 학습률의 역할, 볼록, 비볼록 문제, 배치, 미니배치, SGD의 차이를 numpy와 SGDRegressor로 확인하는 3편입니다.

학습이란 결국 손실 함수를 최소화하는 일입니다. 손실이 왜 필요한지, 회귀의 MSE와 이진분류의 로그손실이 무엇을 재는지를 numpy와 sklearn으로 직접 확인한 2편입니다.

지도학습을 (특성 X, 타깃 y) 쌍에서 함수 f를 근사하는 문제로 정의하고, 회귀와 분류의 구분, 그리고 "모델은 파라미터를 가진 함수족, 학습은 데이터에 맞는 파라미터를 찾는 것"이라는 관점을 최소한의 scikit-learn 코드로 확인하는 1편입니다.

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.

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.

이 시리즈가 누구를 위한 글인지, 앞선 데이터 분석 시리즈, NYC 택시 프로젝트와 어떻게 이어지는지, 열여섯 편의 진행 순서를 정리한 0편입니다.

Matplotlib 기초 시리즈가 누구를 위한 글인지, NumPy와 Pandas 기초 위에서 어떻게 이어지는지, 세 편의 진행 순서와 실습 환경을 정리한 0편입니다.

에러 없이 결과만 틀리는 사고들 — 결측치 처리의 판단 기준, NaN이 일으키는 dtype 승격, 뷰·복사와 Copy-on-Write, 그리고 계속 업데이트되는 NumPy·pandas와 함께 사는 법으로 시리즈를 마무리합니다.

split-apply-combine으로 이해하는 groupby, 없는 조합을 데이터로 만드는 reindex, SQL join에 대응하는 merge와 조용히 일어나는 행 증가·소실 사고까지, 집계와 결합의 핵심 개념을 정리했습니다.