요약
이 모듈에서는 Python을 사용한 데이터 탐색, 시각화, 조작 방법을 배웠습니다. 데이터 탐색은 데이터 과학의 핵심이며 데이터 분석 및 기계 학습의 핵심 요소입니다.
기계 학습은 데이터 과학의 하위 집합으로, 예측 모델링을 다룹니다. 즉, 기계 학습은 알 수 없는 값을 예측하기 위해 데이터를 사용하여 예측 모델을 만듭니다. 기계 학습을 사용하여 슈퍼마켓에서 주문해야 하는 음식의 양을 예측하거나 사진에서 식물을 식별할 수 있습니다.
기계 학습은 특정 항목의 특성(식물의 키나 색상과 같은 특징)을 설명하는 데이터 값과 예측하려는 값(식물의 종과 같은 레이블) 사이의 관계를 식별하는 방식으로 작동합니다. 이러한 관계는 학습 프로세스를 통해 모델에 제공됩니다.
과제: 비행 데이터 분석
이 모듈의 연습을 통해 직접 데이터를 탐색해 보고 싶다는 생각이 들었다면, 미국 교통부의 비행 레코드가 포함된 실제 데이터 세트에 도전해 보는 건 어떨까요? 과제는 01 - Flights Challenge.ipynb Notebook에서 찾을 수 있습니다.
참고 항목
이 선택적 챌린지를 완료하는 데 걸리는 시간은 이 학습 모듈의 예상 시간에 포함되지 않습니다. 필요한 만큼 시간을 투자할 수 있습니다.