- 실행기
-
학습
Python 배우기 실행 가능한 예제, NumPy, pandas 등 AI / 머신러닝 배우기신경망, 머신러닝, LLM을 처음부터 C/C++ 배우기 포인터, 메모리, STL, 모던 C++ C# 배우기C# 기초, OOP, LINQ, async 및 .NET 연습 Matplotlib 배우기선, 막대, 산점도, 원 그래프를 시각화 도구와 함께 Rust 배우기소유권, 트레이트, 오류 처리, 스레드 Go 배우기슬라이스, 인터페이스, 고루틴, 채널 Python 알고리즘 검색, 정렬, 재귀와 시각화 도구 O(n) C/C++ 알고리즘 C와 C++ 구현 비교 어린이 코딩 놀면서 코딩을 배워요!
- 퀴즈NEW
- 문제NEW
- 교사용NEW
- 업데이트
- 커피 한 잔 사 주기
AI 학습 경로
Python로 직접 코딩하며 배우는 머신러닝
15개의 챌린지에서 대표적인 머신러닝 알고리즘을 라이브러리 없이 직접 작성합니다. 데이터 스케일링, 선형 회귀와 로지스틱 회귀, 퍼셉트론, k-최근접 이웃, 나이브 베이즈, 결정 트리 분할, k-means를 다룹니다. Python로 순서대로 풀어 보세요. 모든 문제는 브라우저에서 실행되며 즉시 테스트와 AI 리뷰를 받을 수 있습니다.
진행 상황을 저장하려면 로그인하세요.
0%해결됨
0 / 15
-
1 먼저 개념 배우기 Python으로 배우는 머신러닝 데이터 준비 레슨 읽기 →0/3데이터 다루기
행렬 곱셈과 특성 스케일링.
- 1 행렬 곱셈 쉬움 Python로 풀기
- 2 최소-최대 정규화 쉬움 Python로 풀기
- 3 Z-점수 표준화 쉬움 Python로 풀기
-
2 먼저 개념 배우기 Python으로 배우는 선형 회귀와 로지스틱 회귀 레슨 읽기 →0/4회귀
공식과 경사 하강법으로 직선을 맞추고 확률을 예측합니다.
- 1 단순 선형 회귀 (최소제곱법) 보통 Python로 풀기
- 2 경사 하강법을 이용한 선형 회귀 보통 Python로 풀기
- 3 로지스틱 회귀 예측 쉬움 Python로 풀기
- 4 퍼셉트론 학습 알고리즘 보통 Python로 풀기
-
3 먼저 개념 배우기 Python으로 배우는 분류 기초: Softmax와 k-최근접 이웃 레슨 읽기 →0/6분류
소프트맥스, 교차 엔트로피, 최근접 이웃, 나이브 베이즈, 결정 트리 분할.
- 1 소프트맥스 함수 쉬움 Python로 풀기
- 2 범주형 교차 엔트로피 손실 쉬움 Python로 풀기
- 3 K-최근접 이웃 분류기 보통 Python로 풀기
- 4 나이브 베이즈 분류기 보통 Python로 풀기
- 5 지니 불순도 쉬움 Python로 풀기
- 6 정보 이득 보통 Python로 풀기
-
4 먼저 개념 배우기 Python으로 배우는 코사인 유사도와 k-평균 군집화 레슨 읽기 →0/2유사도와 군집화
코사인 유사도와 k-means 군집화.
- 1 코사인 유사도 쉬움 Python로 풀기
- 2 K-평균 군집화 보통 Python로 풀기