넘파이 마스터 클래스 - goormEDU
Family Service
goormEDU
Sign InSign Up
All Lectures
RouteNoticeQ&A

넘파이 마스터 클래스

데이터사이언스에서 가장 중요한 넘파이를 제대로 배웁니다.

Lecture Introduction
Difficulty
Easy
Category
Programming - AI
Tag
딥러닝, 파이썬
Target Audience
- 데이터 사이언스 입문자
- 딥러닝의 기본기를 탄탄히 다지고 싶은 분
- 구현 능력을 향상시키고 싶은 분
- 텐서를 다루는 힘이 부족한 분



강좌의 특별함 
DS 필수 넘파이 API의 98% 이상을 다룹니다
이 강좌에서는 여러분이 데이터사이언스를 다루기 위해서 필수적으로 알아야하는 넘파이  API를 98%이상 다룹니다. 다양한 연습문제를 통해 넘파이 사용법을 확실히 익히고 모델 구현 능력을 대-폭 상승시킬 수 있습니다.  
 
 
함께 배워볼 거예요
01 Why Numpy? 

넘파이는 파이썬 라이브러리로 데이터사이언스에서 가장 중요한 라이브러리중 하나입니다. 왜 그럴까요? 딥러닝에서 앞으로 다루게 될 연산 데이터는 텐서이고, 넘파이 객체는 n차원 텐서 객체입니다. 우리가 다루는 알고리즘은 텐서들의 연산으로 이루어져 있죠. 이때 넘파이는 For loop없이 간단하게 텐서 연산을 도와줍니다. 그리고 For loop를 없앰으로써 연산 효율성이 증가하게 됩니다. 다른 라이브러리와의 인터페이스 역할을 해주며, 프레임워크 이해를 도와주는 아주 기특한 라이브러리죠. 
 
결국 넘파이를 제대로 활용할 수 있느냐 없으냐에 따라 같은 연산이라도 연산 효율에서 극명한 차이가 발생합니다. 코드 가독성 자체도 달라지지만, 무엇보다 앞으로 배우게 될 딥러닝의 다양한 알고리즘을 넘파이로 구현할 예정이니 반드시 제대로 다룰줄 알아야 합니다.  
 

02 How Numpy?
 

 





이 강좌에서는 단순히 ndarray 객체 및 여러 API 사용법을 학습하는데 그치지 않고 딥러닝을 배우는데 기반이 될 텐서를 다루는 힘을 기를 수 있도록 커리큘럼을 구성했습니다. 
 
 
추천 수강자
이런 분께 추천해요

  • 데이터 사이언스 입문하고 싶은 분 
  • 딥러닝의 기본기를 탄탄히 다지고 싶은 분
  • 모델 구현 능력을 향상시키고 싶은 분
  • Tensor를 다루는 능력을 기르고 싶은 분
 

강의자 소개 딥러닝은 저만 믿고 따라오세요


유튜브 채널을 통해 딥러닝에 관한 짧고 굵은 지식을 나누고 있습니다.


  • [과학기술정보통신부] AI 이노베이션 스퀘어 - 딥러닝 강사
  • [런어데이] 딥러닝을 위한 파이썬 레벨1 강사
  • [런어데이] 딥러닝을 위한 파이썬 레벨2 강사
  • [런어데이] 데이터 시각화를 위한 파이썬 강사
  • [런어데이] Forward Propagation of Neural Networks 강사
  • [Youtube] Shin's Lab 운영(신호처리, 수학, 프로그래밍)
  • [패스트캠퍼스] 수학적으로 접근하는 딥러닝 강사
  • [패스트캠퍼스] Byte Degree: Deep Learning Essentials 리뷰어
  • [Edwith] 교수자
  • [광운대학교] 파이썬 및 영상처리 세미나 리더


📣 알려드립니다. - Learning 4 Deep Learning(L4DL) 프로젝트의 모든 강좌는 Private Slack 채널을 통해 질의응답을 주고받고 있습니다. - Slack 채널은 이 강좌를 수강하신 모든 분들이 가입하실 수 있으며 가입 신청 방법은 Chapter1에서 확인해 주세요. - 강좌와 관련된 질문은 Slack 채널을 이용해 남겨주세요. 빠르게 확인하고 답변드리겠습니다.


Curriculum
Expand All
  • 01
    넘파이 소개
    • 넘파이 소개
    슬랙(Slack) 커뮤니티 가입 신청
  • 02
    객체와 ndarray
    • 파이썬에서의 객체
    스페셜 메소드
    ndarray 객체
    텐서와 ndarray
  • 03
    ndarray 만들기
    • 파이썬 리스트로 ndarray 만들기
    정해진 shape으로 ndarray 만들기
    정해진 간격과 개수로 ndarray 만들기
    랜덤한 값으로 ndarray 만들기
  • 04
    ndarray의 메타데이터
    • ndarray의 ndim, shape, size
    ndarray의 dtype, itemsize, nbytes
  • 05
    ndarray 바꾸기
    • ndarray의 모양 바꾸기(np.reshape)
    np.reshape에서의 -1
    ndarray의 원소 개수 바꾸기(np.resize)
    ndarray의 flattening
    넘파이의 메모리 최적화
    ndarray의 dtype 바꾸기
  • 06
    ndarray의 원소별 연산과 브로드캐스팅
    • ndarray의 원소별 연산
    브로드캐스팅 소개
    ndim이 1일 때의 브로드캐스팅
    ndim이 2일 때의 브로드캐스팅
    ndim이 다를 때의 브로드캐스팅
  • 07
    ndarray의 인덱싱과 슬라이싱
    • 벡터 ndarray의 인덱싱과 슬라이싱
    행렬 ndarray의 인덱싱과 슬라이싱
    텐서 ndarray의 인덱싱과 슬라이싱
    int ndarray로 인덱싱하기
    bool ndarray로 인덱싱하기
  • 08
    API들의 axis, keepdims 인자
    • 행렬 ndarray에서의 axis, keepdims
    텐서 ndarray에서의 axis, keepdims
  • 09
    넘파이 API - 합곱차와 통계값
    • ndarray의 합곱차 구하기
    ndarray의 통계값 구하기
    ndarray의 최댓값, 최솟값 구하기
  • 10
    넘파이 API - Rounding과 정렬 함수
    • Rounding 함수
    정렬 함수
  • 11
    넘파이 API - 수학 함수
    • 삼각함수와 쌍곡선 함수
    멱함수
    로그함수
  • 12
    넘파이 API - 벡터, 행렬의 연산
    • 벡터의 내적과 행렬의 곱셈
  • 13
    넘파이 API - ndarray의 차원 다루기
    • reshape으로 새로운 차원 만들기
    슬라이싱으로 새로운 차원 만들기와 expand_dims
    ndarray의 쓸모없는 차원 없애기
    ndarray의 차원 바꾸기
  • 14
    넘파이 API - ndarray 합치기
    • np.hstack과 np.vstack
    np.concatenate과 np.dstack, np.stack
  • 15
    넘파이 API - ndarray 반복시키기
    • 원소별로 ndarray 반복시키기
    전체적으로 ndarray 반복시키기
    ndarray 반복의 응용
    좌표축 만들기(np.meshgrid)
  • 16
    Fully-connected Operation 구현하기
    • 스칼라의 Fully-connected Operation
    벡터의 Fully-connected Operations
Instructor Introduction
Shin's LabCaptain
hello.Goorm Edu Captain Shin's Lab.Let's start learning together!
Lecture Reviews
￦
39,600
Average Rating
1.0
Difficulty
Easy
Lecture Period
52Weeks 1Day after payment