Data Science 다운로드 - Data Science 소스 코드 다운로드

Data Science

AI 소스 코드

1.0.0

다운로드

데이터 과학 ??

목차 ?

학습 범위
배포된 링크 및 Repo 링크
아이디어
비전
혁신적인 아이디어 설명
전제 조건
LLM(AI 세대)
콘텐츠 색인
목차 목록
기여
특허

학습 범위?

이 저장소는 다음 영역에서 실습 학습 경험을 제공하는 것을 목표로 합니다.

데이터 분석
기계 학습
딥러닝
LLM(AI 세대)

배포된 링크 및 Repo 링크

색인	프로젝트	배포된 링크	저장소 링크	사용된 도구
1	자동차 가격 예측	배포된 링크	레포 링크	Streamlit, Scikit-learn, Pandas, NumPy
2	자동차 가격 예측	배포된 링크	레포 링크	플라스크, Scikit-learn, Pandas, NumPy
3	대출 가격 예측	배포된 링크	레포 링크	플라스크, Scikit-learn, Pandas, NumPy
4	디왈리 판매 분석	배포되지 않음	레포 링크	팬더, NumPy, PyPlot, Seaborn
5	고양이 대 개 이미지 분류	배포되지 않음	레포 링크	텐서플로우, 케라스, 맷플롯립
6	고급 이력서 추적 시스템	배포된 링크	레포 링크	LLM, Generative-AI, PyPDF, Streamlit

아이디어?

다음은 표 형식으로 제시된 프로젝트 아이디어입니다.

프로젝트 아이디어	설명	도메인
인도 경제 분석	다양한 경제지표와 동향을 분석하여 현황을 파악하고 미래 시나리오를 예측합니다.	경제학, 데이터분석
디왈리 판매 분석	디왈리(Diwali) 전, 도중, 이후의 판매 데이터를 분석하여 추세, 패턴을 파악하고 마케팅 전략을 최적화합니다.	소매, 매출 분석
자동차 가격 예측	주행거리, 브랜드 등 다양한 특성을 기반으로 자동차 가격을 예측하는 머신러닝 모델을 개발합니다.	기계 학습, 자동차
대출 승인 예측	금융 기관에서 대출 신청을 승인할지 거부할지 예측하는 기계 학습 모델을 구축하세요.	머신러닝, 금융
고양이 대 개 분류	고양이와 개의 이미지를 정확하게 분류하기 위한 딥러닝 모델을 만듭니다.	딥러닝, 컴퓨터 비전
고급 이력서 추적 시스템	LLM 기술을 사용하여 채용 매칭 및 채용을 위한 이력서를 추적하고 분석하는 포괄적인 시스템을 구현합니다.	LLM(Gen AI), 인사

비전 ?️

우리의 비전은 잘 문서화된 코드, 튜토리얼 및 리소스를 제공하여 데이터 과학 분야의 학습과 탐구를 촉진하는 것입니다. 우리는 개인이 데이터 과학 기술을 이해하고 실제 문제에 적용할 수 있도록 지원하는 것을 목표로 합니다.

혁신적인 아이디어 설명

우리는 프로젝트에 혁신적인 접근 방식과 아이디어를 통합하여 전통적인 데이터 과학 방법론의 한계를 뛰어넘기 위해 노력하고 있습니다. 이 저장소에서 탐색된 혁신적인 아이디어 중 일부는 다음과 같습니다.

새로운 기능 엔지니어링 기술
고급 모델 아키텍처
최첨단 시각화 방법

전제 조건

이 저장소에서 코드를 실행하기 전에 다음 종속성이 설치되어 있는지 확인하세요.

팬더
멍청하다
scikit-learn (sklearn)
바다 본
matplotlib
음모를 꾸미다

또한 딥 러닝 모델의 경우 다음이 필요합니다.

텐서플로우
케라스

LLM(Gen AI) 모델의 경우 다음도 필요합니다.

OpenAI 라이브러리
Gen AI 라이브러리

pip를 사용하여 필요한 종속성을 설치할 수 있습니다.

pip install pandas numpy scikit-learn seaborn matplotlib plotly tensorflow keras openai gen_ai

LLM (세대 AI) ??

LLM(Gen AI)은 LLM 프레임워크를 확장하여 Generative AI 기술을 통합하여 새로운 데이터, 이미지, 텍스트 등을 생성하고 AI 기반 창의성의 가능성을 탐구합니다.

콘텐츠 색인?

데이터 분석
기계 학습
딥러닝

각 섹션에는 특정 프로젝트와 개념에 대한 자세한 노트북, 코드, 설명이 포함되어 있습니다.

목차 목록 ?

data_analysis : 데이터 분석 프로젝트를 위한 노트북과 코드가 포함되어 있습니다.
machine_learning : 기계 학습 프로젝트를 위한 노트북 및 코드가 포함됩니다.
deep_learning : 딥러닝 프로젝트를 위한 노트북과 코드로 구성됩니다.
LLM : LLM(데이터 분석, 기계 학습, 딥 러닝) 프레임워크와 관련된 프로젝트에 대한 노트북 및 코드가 포함되어 있습니다.

각 섹션을 자유롭게 탐색하고 프로젝트를 자세히 살펴보며 데이터 과학 개념에 대한 이해를 높이세요.

크레딧

이 저장소를 만드는 데 중요한 역할을 한 다양한 데이터 과학 도구, 라이브러리 및 모델 개발자에게 감사의 말씀을 전하고 싶습니다.

도구 및 라이브러리

pandas: Wes McKinney와 기여자가 개발한 pandas는 Python용 강력한 데이터 조작 및 분석 라이브러리입니다.
NumPy: Travis Oliphant가 만든 NumPy는 Python을 사용한 과학 컴퓨팅을 위한 기본 패키지입니다.
scikit-learn: 기여자 커뮤니티에서 개발한 scikit-learn은 Python용 다목적 기계 학습 라이브러리입니다.
seaborn: Michael Waskom과 기여자가 개발한 seaborn은 통계 그래픽용 matplotlib를 기반으로 하는 Python 시각화 라이브러리입니다.
matplotlib: John D. Hunter(나중에 Michael Droettboom 및 기여자)가 개발한 matplotlib는 Python에서 정적, 애니메이션 및 대화형 시각화를 생성하기 위한 포괄적인 라이브러리입니다.
줄거리: Plotly Technologies에서 개발한 줄거리는 온라인에서 출판 품질의 대화형 그래프를 생성하는 Python용 그래프 라이브러리입니다.
TensorFlow: Google Brain팀과 기여자가 개발한 TensorFlow는 머신러닝 및 딥러닝을 위한 오픈소스 플랫폼입니다.
Keras: François Chollet과 기여자가 개발한 Keras는 Python으로 작성된 오픈 소스 신경망 라이브러리로 TensorFlow용 고급 API 역할을 합니다.
OpenAI: OpenAI가 개발한 OpenAI는 영리법인 OpenAI LP와 모회사인 비영리 OpenAI Inc.로 구성된 인공지능 연구실입니다.
Gen AI 라이브러리: Gen AI가 개발한 Gen AI 라이브러리는 Generative AI 기술을 위한 도구와 프레임워크를 제공하여 새로운 데이터, 이미지, 텍스트 등을 생성할 수 있습니다.

기계 학습 모델

XGBoost: 기여자 커뮤니티에서 개발한 XGBoost는 속도와 성능을 위해 설계된 최적화된 분산 그래디언트 부스팅 라이브러리입니다.
LightGBM: Microsoft에서 개발한 LightGBM은 트리 기반 학습 알고리즘을 사용하는 그래디언트 부스팅 프레임워크입니다.
CatBoost: Yandex에서 개발한 CatBoost는 즉시 사용 가능한 최첨단 결과를 제공하는 오픈 소스 그래디언트 부스팅 라이브러리입니다.
SciPy: 기여자 커뮤니티에서 개발한 SciPy는 NumPy를 기반으로 하며 추가 기능을 제공하는 과학 컴퓨팅 라이브러리입니다.
StatsModels: 기여자 커뮤니티에서 개발한 StatsModels는 다양한 통계 모델을 추정하기 위한 클래스와 함수를 제공하는 Python 모듈입니다.

딥러닝 모델

PyTorch: Facebook의 AI 연구소(FAIR)와 기여자들이 개발한 PyTorch는 Torch 라이브러리를 기반으로 하는 오픈 소스 기계 학습 라이브러리입니다.
fastai: fast.ai에서 개발한 fastai는 PyTorch를 기반으로 구축된 딥 러닝 라이브러리로, 딥 러닝 모델 교육 및 배포를 위한 높은 수준의 추상화를 제공합니다.

우리는 데이터 과학 분야에 귀중한 공헌을 한 개발자와 광범위한 오픈 소스 커뮤니티에 진심으로 감사드립니다.