seungwooson@berkeley.edu

Tutorial Information

Brief

Detailed description

데이터 과학은 흔히 생각하는 머신러닝 뿐만 아니라, 데이터 크롤링, 데이터 불러오기, 데이터 클리닝, 데이터 시각화, feature engineering, cross-validation, hyperparameter tuning 등등 다양한 기술들이 존재합니다.

파이콘 2018을 위해 직접 캐글대회를 만들어 호스트할 계획이며, 이를 위해 각종 데이터 크롤링 API, Numpy/Pandas, matplotlib/seaborn, scikit-learn, Keras (텐서플로우 백엔드) 등 데이터 과학 패키지 응용방법은 물론 제가 직접 수강한 University of California, Berkeley의 데이터과학 수업, 그리고 University of San Francisco의 Fast.ai 에서 가르치는 최신 데이터 처리 기술등을 쉽게 배우고 적용하여 어떠한 end-to-end 데이터 pipelining 방법이 가장 좋은 퍼포먼스를 내는지 함께 비교분석 해볼 계획입니다.  

초보자 대환영입니다 :)