초보자를 위한 데이터 사이언티스트 로드맵
Python 첫 줄부터 믿을 수 있는 모델까지: SQL, 차트, 통계, 그리고 scikit-learn으로 하는 머신러닝. 브라우저에서 실제 코드를 쓰고, 머신러닝 레슨마다 차트가 있어요.
2,163,634+ 명의 codders가 이 코스들에 등록함
487 개 강의539 챌린지2,161 퀴즈 문제
- 초보자 환영
AI 코딩 도우미
실습 중심의 대화형 강의
모든 레슨에 음성 나레이션 제공
지식을 확인하는 퀴즈
마지막에 경로 수료증, 그리고 과정 중 8개 더
브라우저에서 모델을 학습시켜 보세요
진짜 scikit-learn 코드와 진짜 출력입니다. 슬라이더로 한 줄을 바꾸고 모델이 무엇을 배우는지 확인하세요.
k가 작으면 모든 학습 점을 외워서 들쭉날쭉한 경계를 그립니다. k가 커지면 경계가 부드러워집니다.
import numpy as np
import matplotlib.pyplot as plt
from sklearn.datasets import make_moons
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
X, y = make_moons(n_samples=200, noise=0.3, random_state=0)
X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=0)
k = 5
model = KNeighborsClassifier(n_neighbors=k)
model.fit(X_train, y_train)
print(f"train accuracy: {model.score(X_train, y_train):.2f}")
print(f"test accuracy: {model.score(X_test, y_test):.2f}")
xx, yy = np.meshgrid(np.linspace(-2, 3, 56), np.linspace(-1.5, 2, 40))
proba = model.predict_proba(np.c_[xx.ravel(), yy.ravel()])[:, 1]
proba = proba.reshape(xx.shape)
plt.figure(figsize=(5, 4))
plt.pcolormesh(xx, yy, proba, cmap="coolwarm", alpha=0.35)
plt.scatter(X_train[:, 0], X_train[:, 1], c=y_train,
cmap="coolwarm", edgecolors="k")
plt.title(f"k-nearest neighbors, k = {k}")
plt.show()
데이터 사이언스 로드맵, 단계별로
각 단계는 Coddy에 이미 있는 코스예요. 순서대로 들어도 되고, 부족한 것부터 바로 시작해도 돼요. 어느 쪽이든 진도는 코스별로 저장돼요.
해보면서 배우기
실제 코드를 작성하고, 데이터베이스를 쿼리하고, 웹사이트를 구축하고, AI 프롬프트를 마스터하세요. 인터랙티브 레슨으로 현대 개발자에게 필요한 모든 기술을 다룹니다.
연속 기록을 쌓아보세요
꾸준히 하고 성장하는 모습을 지켜보세요! 매일 코딩 습관을 추적하고, 동결 기능으로 연속 기록을 보호하고, 매일 참여해서 보상을 받으세요.
12 일 연속
내일도 돌아와서 연속 기록을 유지하세요!
January 2026
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
21
22
23
24
25
26
27
28
29
30
더블 오어 낫싱
7일 중 5일차
연속 기록 동결
2 left
당신은 혼자가 아닙니다
글로벌 리더보드에서 경쟁하고, 친구를 초대해서 보상을 받고, 서로의 성공을 축하하세요. 코딩은 친구와 함께하면 더 좋아요!
1
2
3
승급 구역모든 방식으로 학습
읽고, 듣고, 스스로 확인하고, AI에게 묻고, 이미 배운 내용을 찾아보세요. 모든 수업이 당신에게 맞춰집니다.
변수는 나중에 프로그램에서 참조할 값을 저장하는, 이름이 있는 컨테이너입니다.
Python에서는 이름, 등호, 저장할 값을 차례대로 써서 만듭니다.
값은 시간이 지나며 바뀔 수 있습니다. 재할당하면 그 이름이 새로운 값을 가리킵니다.
수료증을 받으세요
완료한 모든 코스에 대해 인증서를 받으세요. LinkedIn 프로필과 이력서에 추가하여 고용주에게 코딩 전문성을 보여주세요.
수료증
Python 기초
LinkedIn에 추가Coddy에서 이 데이터 사이언스 로드맵을 따라야 하는 이유
- 순서는 하나, 고민은 없어요. 먼저 Python, 그다음 데이터를 가져오는 SQL, 데이터를 이해하는 차트와 통계, 그리고 예측하는 모델. 각 단계는 앞 단계에서 배운 걸 써요.
- 데이터가 보여요. 모든 머신러닝 레슨에 차트나 다이어그램이 있고, 내 코드가 그린 차트가 옆의 그래프 탭에 나타나요. 그래서 분포, 상관관계, 결정 경계는 읽기만 한 게 아니라 직접 본 것이 돼요.
- 설치할 필요 없는 실제 도구: Python, SQL, NumPy, pandas, matplotlib, SciPy, scikit-learn, 모두 데이터 과학자들이 쓰는 버전으로 브라우저에서 돌아가요.
- 완성하는 프로젝트 두 개(펭귄 종 분류기와 손글씨 숫자 탐색기)와 이탈, 사기, A/B 테스트 최종 챌린지. 코스마다 무료 수료증이 있어요.
데이터 사이언티스트가 되는 법에 대해 자주 묻는 질문
처음부터 데이터 사이언티스트가 되려면 어떻게 해야 하나요?
Python, 그다음 SQL, 그다음 pandas와 matplotlib으로 데이터를 탐색하고 차트로 그리는 법, 그다음 패턴과 잡음을 구별할 만큼의 통계, 마지막으로 scikit-learn으로 머신러닝을 배워요. 그게 이 로드맵의 순서예요. 그런 다음 누군가 관심을 가질 질문에 답하는 프로젝트를 공개 데이터셋으로 두세 개 만들고, 발견한 내용을 글로 정리하세요.
데이터 분석가와 데이터 사이언티스트의 차이는 무엇인가요?
데이터 사이언스는 무엇부터 배워야 하나요?
Python이에요. 거의 모든 데이터 사이언스 채용 공고에 나오는 언어이고, 이 경로의 나머지 단계에서 쓰는 라이브러리(pandas, matplotlib, scikit-learn)도 Python 라이브러리예요. 첫 단계에서는 이후 단계에 필요한 Python 부분만 다뤄요: 변수, 조건문, 반복문, 함수, 리스트.
데이터 사이언스에 학위나 고급 수학이 필요한가요?
시작할 때는 필요 없고, 많은 직무에서도 필요 없어요. 기업은 SQL로 데이터를 가져오고, pandas로 정리해 차트로 그리고, 통계로 판단하고, 근거를 댈 수 있는 모델을 만드는 사람을 찾아요. 이 경로는 미적분 없이 시뮬레이션과 차트로 통계를 가르쳐요. 연구직에는 학위가 도움이 되지만, 정직한 프로젝트 포트폴리오는 어디서나 도움이 돼요.
이 로드맵을 따라가는 데 얼마나 걸리나요?
하루 한 시간이면 약 5~7개월이에요. Python 기초가 약 6주, SQL이 3~4주, 머신러닝 네 섹션이 합쳐서 약 40시간이에요. 그다음 내 프로젝트에 쓰는 시간이 실력을 포트폴리오로 바꿔 줘요.
이 데이터 사이언스 경로에서 딥러닝도 다루나요?
아니요, 아래에도 그렇게 적어 두었어요. 대부분의 비즈니스 문제를 푸는 고전적인 머신러닝을 다뤄요: 회귀, 트리, 포레스트, 부스팅, 군집화, PCA. 신경망, 딥러닝 프레임워크, 대규모 언어 모델은 그다음에 오는 것들이고, 모델을 제대로 나누고 학습시키고 평가할 수 있게 되면 훨씬 배우기 쉬워요.
데이터 사이언티스트 경로 수료증을 받을 수 있나요?
네. 모든 단계를 마치면 데이터 사이언티스트 경로 전체에 대한 무료 수료증 하나를 받습니다. 과정에서 마친 모든 강좌가 기재되고 각 강좌의 수료증으로 연결되어, 누구나 기재된 모든 기술을 확인할 수 있어요. LinkedIn 프로필에 추가할 수 있습니다. Coddy가 발급하는 수료증이며, 공인 자격이 아닙니다.
