bookmark_border어떤 각오로 하루를 살아내야 하는가?

법정스님 – 2004년 창원 초청강연회

2025-28-100

부자가 되고 싶어 하지 않는 사람들이 세상에 간혹 있어요. 그런 괴짜들이 있다고
그런데 부자가 되고 싶지 않은 사람은 사실 가난하다고 할 수 없습니다
그 마음이 이미 부자가 됐기 때문에 적게 가지고도 넉넉하게 살기 때문에 가난하다 말할 수 없어요

물건 귀한 줄 알고 고마운 줄 알고 그렇게 살아야 되는데
우리는 그걸 잃고 있어요 너무나 많은 것을 가졌기 때문에
스스로 맑게 살려고 하는 사람들 자기가 선택한 가난이에요
불필요한 걸 갖지 않고 꼭 필요한 것만 같겠다는 이런 그 생활 신조를 가지고 사는 사람들은 절제의 미덕이 있어요 스스로 자기 욕망과 욕구를 스스로 억제하고 절제하는 거예요
그들은 밖으로 드러내어 과시하기보다는 안으로 맑고 소중하게 간직하면서 누릴 줄을 합니다
자기에게 주어진 상황을 누릴 줄 알아요. 즐길 줄 알아요
또 무엇보다 마음의 평안을 원합니다
마음의 평안 이게 제일입니다
뭘 잔뜩 쌓아놓다 하더라도 모든 것이 다 갖춰져 있다 하더라도
마음이 불안해 보세요. 가시방석이라니까
내 마음이 편안해야 돼요 마음이 편안하면 설사 갖출걸 갖추지 못했다 하더라도 누구 원망할 것도 없고
자기 분수를 자기가 스스로 하게 됩니다.

이와 같은 절제의 미덕을 배우려면 우선 적은 것으로서 만족할 줄 알아야 됩니다
적은 것으로서 만족하고 감사하면서 살아가는 기술을 익혀야 돼요
살아가는 것도 하나의 기술입니다
공장에서 뭘 만든 것만 기술이 아니고 우리가 인생을 살아 나가는 것도 기술이에요

먼저 우리들의 삶의 무엇이 중요한가를 알아야 합니다
무엇이 진짜 내 삶에 우리 집안에 무엇이 가장 중요한 일인가 이것도 알아야 돼요
우선순위가 결정되어야 됩니다.
무엇이 가장 중요한 일인가 어디에다 가치 부여할 수 있는 일인가

어디에도 얽매이지 않고 자유롭게 사는 법을 배워야 됩니다
어디에도 얽매이지 않고 자유롭게 사는 법을 배워야 되요
자유롭게 살는 법을 배우지 못하면은 그의 삶은 영원히 빈 껍질로 쳐지고 만다고
겉으로는 화려하더라도 알맹이는 아무것도 없어요
괜히 폼만 재다가 한 인생이 끝나는 거예요

또 삶에 하나의 기술로서 남과 비교하지 마십시오
남과 비교하지 마세요
자마다 자기 몫이 있잖아요
얼굴이 저마다 각각 달라. 또 처지가 달라. 자기 개성이 각각 달라요.
그러니가 어떤 누구 집의 엄마, 누구 집의 아빠는 이 세상에서 단 한 사람밖에 없는 독특한 독립된 존귀한 존재입니다.
따라서 각자의 삶의 양식이 달라요.
비교하지 마세요.
비교하면 괜히 부질없는 일인데 비교하게 되면 자칫 시기심이 생기고
또 기죽게 되고 그런 부작용이 있어요
나는 나답게 살면 되는 거예요
왜 누구를 닮아

둘째로 무엇이든지 마음에 든다고 해서 그 자리에서 성급하게 움켜쥐지 마세요
그 자리에서 성급하게 움켜잡게 되면 곧 우회가 따릅니다.
움켜쥐기보다는 쓰다듬어요.
내가 꼭 사 들이지 않는다 하더라도 보고 즐길 수 있으면 된다니까
좋은 그림이라든가 조각이라든가 뭐 글씨라든가 내 집에 들여놓지 않더라도 박물관이나 미술관에서 보면 되잖아요
꼭 내 것만 만들어야 직성이 풀린다는 건 욕심이에요.
간수하기 귀찮아지잖아요. 도둑맞을 걱정하고. 또 없는돈에 왜 그걸 사
보고 즐기면 돼 눈만 있으면 된다고
어디든지 가서 보관할 수고도 없이 도둑맞을 걱정도 없이 그렇게 살아야 돼요
없는 사람들은 많은 사람들은 사야 되겠지만
남과 비교하지 말라니까 눈만 갖추세요

또 목표를 향해 곧바로 직행하기 보다는 돌아서 가는 그런 여유를 지내야 돼요
풍류를 지내야 돼요
옛 우리 조상들이 지녔던 풍류가 지금 사라져갑니다.
멋이 삶의 운치가 사라져 가요
잔뜩 눈에다 쌍심지를 키우고 움켜쥐려고 하지 쓰다듬을 줄을 모른다니까
내 집안에 이미 가지고 있는 것도 즐길 줄 몰라요
남이 가진 것을 헛 눈 팔아요

또 어떤 사람이 좋다고 해서 금방 전화질을 하고 다가서 보다는 이만큼 떨어져서 바라보면서 그리움을 익히는 그런 그 삶의 기술도 필요해요
참고 견디면서 그리워하고 좀 슬프기도 하고
옛날 유행가 가사에 나온 그런 그 심경도 느껴야 되는데 너무 맨송맨송 해가지고 그냥 즉석에서 모든 걸
해결할려고 해요
이게 현대의 우리들입니다.
잘못된 삶의 기술이에요

사람은 그리움이 있어야 돼요
아쉬움도 있어야 된다고
그런 과정을 통해 사람이 맑아지잖아요
자기가 정화가 된다고
그런데 그리운 것도 없고 아쉬운 것도 없고 완전 배부른 돼지가 되는 거지요.

또 삶의 기술로서 오래된 것을 아름답게 여기고 세월의 무게를 지닌 낡은 것에 대한 가치를 되살려야
됩니다

우리 집안에 한번 돌아보세요
할머니 때도 할아버지 내려오던 그런 가구가 몇 개나 있는지
할아버지 때부터 혹은 그 할머니 때부터 또 아버지가 쓰시던 그 물려받은 그런 가구가 몇 개나 되는지 돌아보세요
낡은 것에 대한 소중함을 알아야 된다고
세월의 무게는 무엇으로 대행할 수 없습니다 그 세월 아니면 대치할 수 없어요
그래서 세월의 무게를 지닌 그런 낡은 것에 대한 가치를 우리가 새롭게 되살려야 돼요
어디 상처가 있고 한쪽이면 나갔다 하더라도 집안에서 어른들이 대대로 써내려 오는 가구 같은 것을 지녔다는 것은 단지 가구가 아니에요
그 집안에 어떤 가훈이라든가 가풍이라든가 그런까지도 전승이 되는 거예요

꼭 필요한 것만을 가지고 그것도 최소한으로 가져야 됩니다
그래야 귀해요. 고마워요.
그것을 소중하고 아껴 쓸 줄 알아야 됩니다
결코 이런 그 생각은 낡고 소극적인 그런 그 생활 방식으로 생각하지 마십시오
중이니까 그렇게 살지 어떻게 다 그렇게 살아 이렇게 생각할지 모르지만은 이것은 오늘날 지구 생태계의 위기 앞에서 새로운 뜻을 갖는 지혜로운 삶의 철학이에요
엄마들이 아버지들이 이런 생각을 가지고 산다면 이 지구가 더러워요
자연재난이 덜해진다고
아이고 나 한 사람 우리 동네에서 뭐 이렇게 한다고 해서 전 세계가 어떻게 될까
이렇게는 개선될 기약이 없습니다
누가 어떻게 살든간에 나는 그것이 바르기 때문에 난 그렇게 살아야 돼요
또 사람은 몸뚱이만이 아니고 영혼을 지녔기 때문에 영혼은 다 하나입니다
한 영혼이 맑으면 그 다른 영혼의에까지도 메아리가 있습니다 메아리가
좋은 일은 그렇게 영향이 있어요
우선 나 자신부터 우리 집안에서부터 뭔가 개선돼야 됩니다
그렇지 않고는 살아갈 길이 없다니까요

과거, 현재, 미래를 통해서 이 세상의 모든 현자들은 부처나 보살들은 간절한 원을 세워 살았습니다
저마다 간절한 원을 세우고 살았다고요
신앙 생활을 하건 안 하건 저마다 자기 원이 있어야 돼요.
간절한 소망이 있어야 됩니다

어떤 성인이 되고 나서 원을 세우는게 아닙니다
그 원의 힘으로써 성인이 된 거예요
부처나 보살이 되고 나서 원을 세운 것이 아니라 그 소원의 힘으로서 부처와 보살이 됐다니까요
이걸 명심하십시오

가끔 기도들을 하십시오. 기도
이건 삶의 재충전이에요
꼭 절이나 교회만 가서 기도하는 거 아닙니다
조용한 시간에 자기 집에서 앉아서 조용히 자기 마음을 들여다보면
내가 지금까지 어떻게 살아왔는가
또 앞으로 이 험난한 세상을 어떻게 살 것인가
그러면서 내가 내 인생을 제대로 살고 있는지 아닌지
스스로 반성하면서 되돌아보면서 기도를 하세요

자기를 정화하는 그런 그 맑은 시간이 없으면 사람이 그냥 시들해집니다
그냥 속물이 되고 만다고
자기 정화하는 시간이에요 자기 자신을 가장 맑고 투명하게 세척하는 그런 시간입니다
기도를 하십시오
아무 잡념 없이
간절한 마음으로
맑은 마음으로 앉아서
그렇게 자기 자신을 들여다보세요
자기 삶을 들여다 보십시요
그것도 기도입니다
이런 걸 통해서 삶이 재충전이 돼요
시들했던 삶에 생기가 생깁니다
가치의식이 뒤바뀌고 사람의 선 자리가 날로 위태로워져가고 있는 이런 험난한 세상에서
원을 세우지 않으면 늘 흔들려요
어떤 어려운 환경에 처하더라도 원만 굳세다면 늘 그걸 뚫고 이기고 헤쳐 나갈 수 있는 지혜와 용기가 생깁니다.

원들 세우고 사십시오
가끔 기도들 하십시요
자기 자신을 그렇게 세파로부터 오염된 자기 자신을 그렇게 맑고 투명하게 씻는 그런 시간들을 가져야 됩니다.

추상적이고 관념적인 이런 원이 아니라 구체적인 원들 세우십시오
그 원을 통해서 우리가 한 걸음 한걸음 인간의 길로 나아가게 됩니다

모든 성인들의 가르침은 크게 나누어 다음
두 가지로 요약할 수 있습니다

첫째는 남을 도우라는라는 거예요 남을 도우라는 겁니다.
명심하십시오 남이란 누구입니까
크게 보면 또 다른 나라고 나의 분신이에요
아무개를 평가할 때 그 사람을 체중 몇 키로 뭐 목소리를 어떻게 지니고 그가 다 아닙니다
그가 관계된 세계가 바로 그 사람을 이루고 있어요
그 사람이 어떤 관계된 세계를 지니고 있냐에서 그 사람을 인생으로서 가치 평가할 수 있는 겁니다
남을 도우라고 할때 ‘아이고 우리 집 새끼도못 돕고 있는데 무슨 남이야’ 할지 모르지만 크게 보면 또 다른 나라니까요
또 우리가 지금까지 살아오면서 아는듯 모르는듯 남의 도움을 얼마나 많이 받아 왔습니까
친정 엄마뿐이 아니고 남의 도움을 얼마나 많이 받아왔어요 이걸 생각해 보세요
이제 우리가 도울 차례예요 도울 차례라고
그래서 불교에서 보시를 제일 바라밀, 첫째가는 바라밀이라고 하지 않습니까 보시

보시는 나누는 일이예요
베푸는 일이 아닙니다
나누는 일이예요

나눈다는 것이 꼭 물질적인 말 아닙니다
근데 부드러운 말 한마디라도 나눌 수 있는 거예요
내 것이 있어야 나누지?
말도 안 돼
꼭 물질적인 것만 생각하지 마세요
나눈다는 것은
우선 마음이 가야 돼요
마음이 가야 물질이 따라가는 것이지
마음이 열리지 않고 물질이 어떻게 갑니까
마지못해 싫어싫어 하면서 남의 체면이나 보면서 주는것
그건 주는 게 아니에요
남을 도우며 살아야 됩니다
남이란 거듭 그런 말씀드립니다
타인이 무연한 타인이 아니고 또 다른 나예요
나의 분신입니다

둘째 남을 도울 수 없다면 그에게 해를 끼치지 말라는 거예요
남을 돕고 살아야 되는데 첫째는 남을 도우라는 건데
만약 처지가 그렇지 않아서
마음이 열리지 않아서 남을 도울 수 없다면 해를 끼지 말라는 거예요

남을 도우면 도움을 주는 쪽이나 받는 쪽이 다 같이 충만해집니다
사실 우리들이 경험해 보면 받을 때마다 줄 때가 훨씬 마음이 뿌듯하잖아요 누가보든 안 보든
나눔이란 그런 거예요 나눔이란 그런 거라고
받을 때 받는 것은 어떤 부담스러워요
근데 나누는 것은 그게 뿌듯하다고
좋은 일이기 때문에 그래요

우리는 하루에도 몇차례씩 거울을 들여다봅니다
여기 오실 때도 이제 현품 대조한다고 거울들 몇 번 들여다보고 찍고 바르고 그랬겠지요
뭐 좋은 일이에요

그러나 정작 그 얼굴에 실체인 자기의 내면의 얼굴
속 얼굴도 들여다보세요
겉으로 이제 이 거울이 나타난 그 얼굴은 가짜예요
근데 진짜 내 얼굴이 아니라니까요
거울에 나타나지 않는 속 얼굴도 들여다볼 수 있어야 된다니까요

요즘 그런 거울이 많이 나와 있잖아요
시중에
그러니까 이제부터는 거울을 들여다볼때 거죽의 얼굴만 보지 말고 자기 속 얼굴도 볼 수 있어야 됩니다

문단속은 잘 하면서도 마음 단속은 까맣게 잊어버려서는 안 됩니다

내가 내 인생을 순간순간 어떻게
맞이하고 있는가
늘 반성해야 돼요

인생은 행운이라고 그랬습니다
그 사람에게 주어진 행운이에요 우리가 지금 살아 있다는 것 자체가

내게 주어진 한정된 시간과 기운을
어떻게 내가 지금 소모하고 있는가 어떻게 쓰고 있는가
밝은 쪽으로 쓰고 있는가 어두운 쪽으로 쓰고 있는가
화내는 쪽으로 쓰고 있는가 웃는 쪽으로 쓰고 있는가 살펴야 됩니다

내게 주어진 한정된 시간이에요 무한한 시간이 아닙니다
또 에너지를 체력을 어떻게 내가 지금 소모하고 있는가
또 오늘 만난 이웃을 내가 어떻게 대했는가
만난 이웃을 내가 어떻게 대했는가 이것을 살펴야 됩니다

거듭 말씀드립니다
우리에게 주어진 시간은 한정되어 있습니다
시간의 잔고에는 노소가 따로 없어요
남은 시간은 아무도 모릅니다

한번 지나가는 시간은 다시 되돌릴 수 없습니다
그러므로 순간순간을 헛되게 보내선 안됩니다
자기 인생의 마지막 날처럼 그렇게 살 수 있어야 돼요

내 인생이 오늘로서 끝난다고 한번 상상해보세요
한순간이 보내겠어요
내 인생이 아무개 엄마가 아무개 아버지가 내일로서 이 지구에서 하차하게 된다고 생각해 보세요
순간순간이 정말 간절하지요
그렇게 살 수 있어야 돼요

그런데 내일이 될지 모레가 될지 아무도 예측할 수 없습니다

주어진 행운을 헛되게 소모해서는 안 됩니다
정신 바짝 차리고
감사한 마음으로써 우리가 사람답게 살 수 있어야 돼요

나 혼자만이 아니라 많은 생명들
많은 생명도 같이 어울려서 커다란 어떤 생명의 흐름을 이루고 있습니다
나무가 됐건 돌이 됐건 흙이 됐건 물이 됐건 없어서 못 살아요
다 우리에게 필요한 존재라고
서로가 주고 받으며 살아요
그런 생태계라 그렇습니다

그런 생명의 흐름에 어떤 기운을 줘야지
어떤 긍정적인 그런 도움을 줘야지
해를 끼쳐서는 안 된다는 거예요

지금 현재 이 지구는 우리 조상들이 그렇게 가꿔서 우리에게 물려준 생태계예요
그렇다면 우리 때 잘 가꿔서 이 다음 우리 후손에게도 물려 줘야 돼요
우리 대에 너무 함부로 허물고 탕진하고 오염시킨다면 우리가 뭘 물려주겠어요
우리 후손이나 다른게 아닙니다 우리 내생이에요

우리 후손이란
추상적인 후손들이 아니라니까
이 다음의 우리 생애예요
이 다음의 우리를 위해서도 지금 우리가 그렇게 살아서는 안됩니다

순간순간을 헛되이 보내서는 안 됩니다
하루하루 충만된
삶을 살도록
늘 깨어 있어야 돼요
무엇이든지 무슨 일인지 내일로 미루지 마세요
내일은 없어요
게으른 사람들이 쉽게 자꾸 다음으로 미룬다고
내일은 없다니까
늘 오늘이에요
늘 지금이에요
내일이 없습니다 늘 지금이라니까요
마음 먹었으면 지금 단박 해결이 돼야 돼요

오늘 저를 만난 인연으로 해서
혹시 그동안에
소원했던 친구 사이라든가
이웃이 있다면 오늘 가서 마음을 풀어
버리세요
그러면 좋은 날이 됩니다

쌓인게 있으면 풀어 버리세요
그래야 내일이 좋은 날이 돼요
그런 각오로 하루하루를 사세요
그러면 하루하루가 새롭다고

그렇게 살 수 있어야 돼요
그건 돈드는 거 아닙니다
내 마음먹기 탓이라니까

내 마음에 따라서
내가 부자로 살 수 있고
가난한 사람으로 살 수 있다고 아까 그랬지 않습니까

늘 마음을
밝은 쪽으로
즐거운 쪽으로
남한테 덕이 되도록
그렇게 써야 됩니다

https://youtu.be/jAVr7KxTUDY?si=p6KKHQWGCTR1puGN

bookmark_border파이썬 머신러닝

2025-27-100

섹션 2. 파이썬 기반의 머신러닝과 생태계 이해

2. 머신러닝의 개념

머신러닝의 유형

3. 머신러닝의 유형과 데이터의 중요성

파이썬 러닝머신 생태계를 구성하는 주요 패키지

4. 파이썬 기반 머신러닝의 특징및 장점과 구성요소

5. 파이썬기반 머신러닝을 위한 SW의 설치

sklearn 업그레이드

Anaconda Prompt 관리자권한으로 열기

(base) C:\Windows\System32>pip install scikit-learn==1.0.2

Jupyter Notebook

새로운 커널 열기 : new > Python 3(ipykernel)

6. 사이킷런 업그레이드 수행 및 XGBoost와 LightGBM 설치

7. 주피터 노트북 사용법과 넘파이/판다스의 필요성

8. 강의에 사용될 예제 소스 코드 다운로드 받기

9. 넘파이 배열 ndarray 소개

10. 넘파이 배열 ndarray 생성, shape, 차원, 타입 실습

11. numpy ndarray의 axis 축 이해

12. 넘파이 배열 ndarray 초기화 방법과 ndarray차원과 크기를 변경하는 reshape()의 이해 – 01

13. 넘파이 배열 ndarray 초기화 방법과 ndarray차원과 크기를 변경하는 reshape()의 이해 – 02

14. 넘파이 ndarray 인덱싱(Indexing) 이해 – 단일값과 슬라이싱 인덱싱

15. 넘파이 ndarray 인덱싱(Indexing) 이해 – 팬시와 불린 인덱싱

16. 넘파이 ndarray 인덱싱 실습 – 01

17. 넘파이 ndarray 인덱싱 실습 – 02

18. 넘파이 ndarray의 sort와 argsort

19. 넘파이 ndarray의 내적과 전치행렬

20. 판다스(Pandas) 개요와 기본 API – 01

21. 판다스(Pandas) 개요와 기본 API – 02

22. 판다스 value_counts 메소드 소개

23. 판다스 DataFrame의 변환, 컬럼 세트 생성/수정

24. 판다스 DataFrame의 데이터 삭제하기

25. 판다스 Index객체 이해

26. 판다스 데이터 인덱싱과 필터링 – 01

27. 판다스 데이터 인덱싱과 필터링 – 02

28. 판다스 DataFrame의 정렬 그리고 Aggregation함수와 Group by 수행

29. DataFrame의 Groupby시 Named Aggregation적용

30. 판다스 결손 데이터 처리하기

31. 판다스 nunique와 replace의 활용

32. 판다스 람다식 적용하여 데이터 가공하기

33. 파이썬 기반의 머신러닝과 생태계 이해 Summary

섹션 3. 사이킷런으로 시작하는 머신러닝

34. 사이킷런 소개와 머신러닝 분류 예측 모델 개요

35. 첫번째 머신러닝 모델 만들어 보기 – 붓꽃(Iris) 품종 예측

36. 사이킷런의 기반 프레임 워크 익히기 – 주요 API/모듈 및 내장 예제 데이터 세트 소개

37. 학습과 테스트 데이터 세트의 분리

38. 교차검증 – K-Fold와 Stratified K-Fold의 이해 – 01

39. 교차검증 – K-Fold와 Stratified K-Fold의 이해 – 02

40. 교차검증 성능평가 cross_val_score()와 하이퍼 파라미터 튜닝을 위한 GridSearchCV – 01

41. 교차검증 성능평가 cross_val_score()와 하이퍼 파라미터 튜닝을 위한 GridSearchCV – 02

42. 데이터 전처리 – 인코딩 – 01

43. 데이터 전처리 – 인코딩 – 02

44. 데이터 전처리 – 스케일링 – 01

45. 데이터 전처리 – 스케일링 – 02

46. 사이킷런으로 수행하는 타이타닉 생존자 예측 – 01

47. 사이킷런으로 수행하는 타이타닉 생존자 예측 – 02

섹션 4. 평가(Evaluation)

48. 분류(Classification) 성능 평가지표 개요와 정확도(Accuracy) 소개

49. 오차행렬(Confusion Matrix), 정밀도(Precision), 재현율(Recall) 소개

50. 정밀도와 재현율의 트레이드오프(Trade off) – 01

51. 정밀도와 재현율의 트레이드오프(Trade off) – 02

52. F1 Score와 ROC-AUC 이해 – 01

53. F1 Score와 ROC-AUC 이해 – 02

54. 평가 실습 – 피마 인디언 당뇨병 예측

섹션 5. 분류(Classification)

55. 분류(Classification) 개요와 결정트리(Decision Tree) 소개

56. 결정트리 모델 시각화를 위한 Graphviz 설치하기

57. 시각화를 통한 결정 트리 모델의 구조 이해

58. 결정 트리 주요 하이퍼 파라미터의 이해

59. 결정트리 피처 중요도의 이해

60. 결정트리 과적합의 이해

61. 사용자 행동 인식 데이터를 이용한 결정 트리 실습 – 01

62. 사용자 행동 인식 데이터를 이용한 결정 트리 실습 – 02

63. 앙상블 학습의 개요와 보팅(Voting)의 이해

64. 배깅(Bagging)과 랜덤 포레스트(Random Forest)의 이해

65. 랜덤 포레스트 실습

66. 부스팅(Boosting)의 이해와 그래디언트 부스팅 소개 및 실습

67. XGBoost 소개

68. XGBoost를 이용한 위스콘신 유방암 예측(파이썬 Native XGBoost 사용)

69. XGBoost를 이용한 위스콘신 유방암 예측(사이킷런 Wrapper XGBoost 사용)

70. LightGBM 소개

71. LightGBM을 이용한 위스콘신 유방암 예측

72. 그리드 서치(Grid Search) 기반의 하이퍼 파라미터 튜닝 문제점

73. 베이지안 최적화 개요

74. 베이지안 최적화를 위한 HyperOpt 패키지 소개

75. HyperOpt 기본 실습

76. HyperOpt를 이용한 XGBoost 하이퍼 파라미터 튜닝

77. 분류 실습 1 : 캐글경연대회의 산탄데르 은행 고객 만족 예측 – 01

78. 분류 실습 1 : 캐글경연대회의 산탄데르 은행 고객 만족 예측 – 02

79. 분류 실습 1 : 캐글경연대회의 산탄데르 은행 고객 만족 예측 – 03

80. 분류 실습 2: 신용카드 사기 예측 실습 – 01

81. 분류 실습 2: 신용카드 사기 예측 실습 – 02

82. 분류 실습 2: 신용카드 사기 예측 실습 – 03

83. 분류 실습 2: 신용카드 사기 예측 실습 – 04

84. 분류 실습 2: 신용카드 사기 예측 실습 – 05

85. 스태킹 모델 소개 – 기본 스태킹

86. 스태킹 모델 소개 – 교차검증 스태킹

87. 분류(Classification) Summary

88. <신규> Feature Selection의 이해

89. <신규> Recursive Feature Elimination과 SelectFromModel 실습

90. <신규> Permutation Importance 소개 및 실습

91. <신규> 왜 feature importance는 feature selection의 절대 기준이 될 수 없는가?

섹션 6. 회귀(Regression)

92. 회귀(Regression)의 이해

93. 회귀 비용함수 RSS와 경사하강법의 이해

94. 경사하강법을 통한 비용함수 RSS 최소화 – RSS함수의 편미분

95. 경사하강법을 통한 비용함수 RSS 최소화 – 파이썬 코드로 경사 하강법 구현하기

96. 사이킷런 LinearRegression 클래스와 회귀 평가지표 소개

97. 회귀 평가를 위한 사이킷런 API와 유의 사항

98. 사이킷런 LinearRegression을 이용한 보스턴 주택가격 예측

99. 다항회귀(Polynomial Regression)의 이해와 다항회귀를 이용한 보스턴 주택가격 예측

100. 다항회귀를 이용한 과소적합 및 과적합 이해

101. 규제 선형회귀(Regularized Linear Regression)의 개요

102. 릿지(Ridge) 회귀의 이해

103. 라소(Lasso)와 엘라스틱넷(Elastic Net) 회귀의 이해

104. 선형 회귀모델을 위한 데이터 변환

105. 로지스틱 회귀의 이해

106. 로지스틱 회귀를 이용한 위스콘신 암 예측 모델 실습

107. 회귀 트리의 이해

108. 회귀 트리를 이용한 보스톤 주택 가격 예측

109. 회귀 실습 1: 자전거 대여(공유) 수요 예측 – 01

110. 회귀 실습 1: 자전거 대여(공유) 수요 예측 – 02

111. 회귀 실습 2: 캐글경연 주택가격 예측 – Advanced Regression Techniques – 01

112. 회귀 실습 2: 캐글경연 주택가격 예측 – Advanced Regression Techniques – 02

113. 회귀 실습 2: 캐글경연 주택가격 예측 – Advanced Regression Techniques – 03

114. 회귀 실습 2: 캐글경연 주택가격 예측 – Advanced Regression Techniques – 04

115. 회귀 Summary

섹션 7. 차원 축소(Dimension Reduction)

116. 차원 축소 개요

117. PCA(Principal Component Analysis)의 이해

118. 사이킷런 PCA 클래스의 이해

119. PCA를 이용한 붓꽃 데이터 세트의 차원 축소 실습

120. PCA를 이용한 신용카드 데이터 세트의 차원 축소 실습

121. LDA의 이해와 붓꽃 데이터 세트의 차원 축소 실습

122. SVD의 이해

123. SVD를 이용한 행렬 분해 실습 및 NMF(Non Negative Matrix Factorization)의 이해

섹션 8. 군집화(Clustering)

124. 군집화 개요 및 K-Means 군집화의 이해

125. 사이킷런을 이용한 K-Means 군집화 실습 – 01

126. 사이킷런을 이용한 K-Means 군집화 실습 – 02

127. 사이킷런을 이용한 K-Means 군집화 실습 – 03

128. 군집화 성능 평가 – 실루엣 분석의 이해

129. 군집화 성능 평가 – 실루엣 분석 실습

130. 군집별 평균 실루엣 계수의 시각화를 통한 군집 개수 최적화 방법

131. MeanShift 군집화의 이해

132. KDE(Kernel Density Estimation)의 이해와 사이킷런을 이용한 MeanShift 군집화 실습

133. GMM(Gaussian Mixture Model) 군집화의 이해

134. 사이킷런을 이용한 GMM 군집화 실습

135. DBSCAN 군집화의 이해

136. 사이킷런을 이용한 DBSCAN 군집화 실습

137. 군집화 실습 1: 고객 세그먼테이션 구현 실습

섹션 9. 텍스트 분석

138. 텍스트 분석의 개요

139. 텍스트 데이터의 다양한 전처리(Preprocessing) 실습

140. 텍스트의 피처 벡터화 이해 – BOW(Bag of words)모델의 단순 Count 및 TF-IDF 피처 벡터화

141. 사이킷런의 주요 피처 벡터화(Feature Vectorization) 클래스 소개

142. 희소행렬의 이해

143. 텍스트 분류 – 20 Newsgroup 분류 실습 – 01

144. 텍스트 분류 – 20 Newsgroup 분류 실습 – 02

145. 텍스트 분류 – 20 Newsgroup 분류 실습 – 03

146. 감성 분석의 이해와 지도학습기반의 IMDB영화리뷰 감성분석 실습

147. 감성어휘 사전 기반의 감성 분석 이해와 이를 이용한 IMDB 영화리뷰 감성분석 실습

148. 토픽 모델링과 LDA의 이해

149. 사이킷런 LDA를 이용한 20 Newsgroup 토픽 모델링 실습 – 01

150. 사이킷런 LDA를 이용한 20 Newsgroup 토픽 모델링 실습 – 02

151. 문서 군집화의 이해와 Opinion Review 데이터 세트를 이용한 문서 군집화 실습 – 01

152. Opinion Review 데이터 세트를 이용한 문서 군집화 실습 – 02

153. 문서 유사도 개요와 코사인 유사도 이해

154. 코사인 유사도를 이용한 문서 유사도 구현 실습

155. Opinion Review 데이터 세트를 이용한 문서 유사도 구현 실습

156. 한글 NLP 개요와 한글 형태소 엔진 KoNLPy 소개

157. 한글 형태소 엔진 KoNLPy 설치하기

158. 한글 NLP 실습 – 네이버 영화리뷰 감성 분석 – 01

159. 한글 NLP 실습 – 네이버 영화리뷰 감성 분석 – 02

160. 실전 텍스트 분석: 01 – 캐글 경연 Mercari Price Suggestion 실습 개요

161. 실전 텍스트 분석: 02 – Mercari Price Suggestion 데이터 세트 다운로드 및 Kaggle 커널 사용법

162. 실전 텍스트 분석: 03 – Mercari Price Suggestion 데이터 세트 분석 및 변환

163. 실전 텍스트 분석: 04 – Mercari Price Suggestion 피처 인코딩과 피처 벡터화 수행

164. 실전 텍스트 분석: 05 – Mercari Price Suggestion 모델 학습과 예측, 평가

165. 텍스트 분석 Summary

섹션 10. 추천(Recommendation)

166. 추천 시스템의 이해

167. 콘텐츠기반 필터링의 이해와 TMDB5000 데이터 세트를 이용한 콘텐츠기반 필터링 구현 실습 – 01

168. TMDB5000 데이터 세트를 이용한 콘텐츠기반 필터링 구현 실습 – 02

169. 협업 필터링의 개요와 최근접 이웃방식 협업 필터링의 이해

170. 아이템기반 최근접 이웃 협업필터링 영화 추천 구현 실습

171. 잠재요인 기반의 협업필터링 이해와 경사하강법을 이용한 행렬 분해

172. 파이썬 코드를 이용한 경사하강법 기반의 행렬 분해 구현과 잠재요인 협업 필터링 기반 영화 추천 구현 실습

173. 파이썬의 추천 시스템 패키지인 Surprise 개요 – 주요 모듈 소개

174. Surprise를 이용한 추천 시스템 기본 구현

175. Surprise의 추천 알고리즘 소개 및 교차 검증과 하이퍼 파라미터 튜닝 개요

176. Surprise를 이용하여 개인화 영화 추천 시스템 구축

177. 추천 Summary

섹션 11. 시각화

178. 시각화를 시작하며

179. Matplotlib과 Seaborn 개요 및 비교

180. Matplotlib의 이해 – Figure와 Axes

181. Matplotlib Figure와 Axes 실습

182. Matplotlib의 여러 구성 요소를 이용한 시각화 실습 – 01

183. Matplotlib의 여러 구성 요소를 이용한 시각화 실습 – 02

184. 정보의 종류에 따른 시각화 유형

185. Seaborn의 Axis 레벨 함수와 Figure 레벨 함수의 이해

186. Seaborn 히스토그램 시각화 실습

187. Seaborn Bar 플롯 시각화 실습 – 01

188. Seaborn Bar 플롯 시각화 실습 – 02

189. Seaborn Violin 플롯 실습

190. Seaborn에서 subplots을 활용한 시각화 기법 익히기

191. Seaborn Box 플롯과 Scatter 플롯 실습

192. Seaborn 상관 Heatmap 실습