데이터 과학을 위한 파이썬 프로그래밍

Author

Tomas Beuzen

데이터 과학을 위한 파이썬 프로그래밍

저자: Tomas Beuzen 🚀

‘데이터 과학을 위한 파이썬 프로그래밍’ 과정에 오신 것을 환영합니다! 이 웹사이트에서는 데이터 과학 분야에서 파이썬을 효과적으로 활용하기 위해 꼭 알아야 할 핵심 내용을 소개합니다. 데이터 구조, 프로그래밍 기초, 코드 테스트 및 문서화, 그리고 데이터 탐색과 분석을 위한 핵심 라이브러리인 NumPy와 Pandas의 사용법 등을 심도 있게 다룹니다.

파이썬 패키지 개발에 대해 더 자세히 배우고 싶다면, 저와 Tiffany Timbers가 공동 집필한 Python Packages 책을 참고해 보세요. 또한, 파이썬과 PyTorch를 이용한 딥러닝에 관심이 있다면 제 다른 온라인 강의 자료인 Deep Learning with PyTorch가 도움이 될 것입니다.

이 사이트의 콘텐츠는 제가 브리티시 컬럼비아 대학교(UBC)의 데이터 과학 석사 과정(MDS)에서 2020/2021년도 “DSCI 511 Python Programming for Data Science” 과목을 강의할 때 사용했던 자료를 바탕으로 구성되었습니다. 해당 자료는 Patrick Walls와 Mike Gelbart가 이전에 개발한 강의 자료를 기초로 발전시킨 것입니다.

주요 학습 목표

본 과정을 통해 달성하고자 하는 목표는 다음과 같습니다:

  1. 반복문, 조건문 등 기본적인 프로그래밍 개념을 파이썬 코드로 구현합니다.
  2. 파이썬의 핵심 데이터 구조를 깊이 있게 이해합니다.
  3. 효율적인 파이썬 함수를 작성하고, 단위 테스트(Unit Test)를 통해 코드의 정합성을 검증합니다.
  4. 코드의 모듈화와 견고함을 위해 함수나 클래스 등으로 적절히 추상화하는 시점과 방법을 익힙니다.
  5. 프로그래밍 관례, 문서화, 코딩 스타일의 모범 사례를 적용하여 가독성 높은 코드를 작성합니다.
  6. NumPy 라이브러리를 활용하여 데이터 전처리 및 수치 계산 작업을 수행합니다.
  7. Pandas의 Series와 DataFrame 구조를 생성하고 자유자재로 다룹니다.
  8. 수치 데이터, 문자열, 시계열 데이터(datetime) 등 다양한 형태의 데이터를 Pandas에서 효과적으로 처리합니다.

시작하기

본 사이트의 모든 자료는 코드를 즉시 실행하고 결과를 확인할 수 있도록 Jupyter Notebook으로 작성되었으며, Quarto를 통해 빌드되었습니다. 노트북 파일을 로컬 환경에서 직접 실행해 보고 싶다면 다음 절차를 따라주세요:

  1. GitHub 저장소를 클론(Clone)합니다:

    git clone https://github.com/TomasBeuzen/python-programming-for-data-science.git

  2. 터미널에서 다음 명령어를 입력하여 필요한 conda 환경을 생성합니다:

    conda env create -f py4ds.yaml

  3. 터미널에서 다음 명령어를 입력하여 JupyterLab을 실행하고 강의 자료를 확인합니다:

    cd python-programming-for-data-science
jupyterlab

git, GitHub, conda 사용이 익숙하지 않더라도 걱정하지 마세요. 이 웹사이트의 내용을 읽어보는 것만으로도 충분히 학습할 수 있습니다!