신규여정
파이썬으로 배우는 머신러닝
직접 해 보며 배우는 무료 머신러닝 강의예요. 실제 scikit-learn 코드를 쓰고, 실제 데이터셋으로 모델을 학습시키고, 내 차트가 그래프 탭에 나타나는 걸 한 걸음씩 확인해요.
1,000+ 명의 codders가 등록함
233 개 강의231 챌린지965 퀴즈 문제
- 초보자 환영
AI 코딩 도우미
실습 중심의 대화형 강의
모든 레슨에 음성 나레이션 제공
지식을 확인하는 퀴즈
무료 수료증
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.
main.py
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()
차트를 불러오는 중
출력
커리큘럼
섹션 3
지도 학습전용 페이지
섹션 시작하기시작펼치기접기scikit-learn으로 실제 모델을 학습합니다: 데이터 분할, 모델 적합, 예측, 성능 측정. k-NN, 선형 및 로지스틱 회귀, 트리, 랜덤 포레스트와 부스팅, 교차 검증을 통한 공정한 평가, 파이프라인을 익히고 펭귄을 활용한 엔드투엔드 프로젝트로 마무리합니다.첫 번째 모델
5 개 강의520최근접 이웃
5 개 강의520선형 회귀
5 개 강의520로지스틱 회귀
5 개 강의520결정 트리
5 개 강의520과적합
5 개 강의520교차 검증
4 개 강의415앙상블
4 개 강의415파이프라인
5 개 강의520프로젝트: 펭귄 종
5 개 강의525
제공되는 것
코딩을 배우기 위해 사용할 모든 것
해보면서 배우기
실제 코드를 작성하고, 데이터베이스를 쿼리하고, 웹사이트를 구축하고, AI 프롬프트를 마스터하세요. 인터랙티브 레슨으로 현대 개발자에게 필요한 모든 기술을 다룹니다.
playground.js
코드 편집기
1const greeting = "Hello, Coddy!"
2function sayHi(name) {
3 return greeting + " " + name
4}
5
테스트 #1
테스트 #2
테스트 #3
입력
"Alex"
출력
"Hello, Coddy! Alex"
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!
챌린저 리그상위 7명 승급
1
Alex7+ Days
2840
2
Jordan7+ Days
2650
3
Sam7+ Days
2420
4
Casey
2180
5
Morgan7+ Days
1950
승급 구역모든 방식으로 학습
읽고, 듣고, 스스로 확인하고, AI에게 묻고, 이미 배운 내용을 찾아보세요. 모든 수업이 당신에게 맞춰집니다.
변수 입문
오디오
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.
1xSarah
수료증을 받으세요
완료한 모든 코스에 대해 인증서를 받으세요. LinkedIn 프로필과 이력서에 추가하여 고용주에게 코딩 전문성을 보여주세요.
수료증이 인증서는홍길동성공적으로 완료했음을 증명합니다
Python 기초
Python 기초
날짜2026년 1월
LinkedIn에 추가Coddy에서 머신러닝을 배워야 하는 이유
- 읽기 전에 먼저 봐요. 모든 레슨은 차트나 다이어그램으로 시작해요: iris 꽃 산점도, 결정 경계, 덴드로그램. 그다음 코드를 쓰면 옆의 그래프 탭에 내 차트가 나타나요.
- 진짜 Python, 진짜 라이브러리.
numpy,pandas,matplotlib,scipy,scikit-learn이 Coddy에서 데이터 과학자들이 쓰는 것과 같은 버전으로 돌아가요. 그래서 여기서 쓰는model.fit(X_train, y_train)은 회사에서 쓰는model.fit(X_train, y_train)과 똑같아요. 설치할 것도, 설정할 노트북도 없어요. - 실제 작업 순서대로 네 개 섹션: 데이터와 시각화, 머신러닝을 위한 통계, 지도학습, 그리고 비지도학습. 짧은 레슨 233개, 레슨마다 새로운 개념 하나와 그걸 써 보는 과제 하나가 있어요.
- 이야기가 있는 실제 데이터셋: iris 꽃, 와인 성분, 손글씨 숫자, Palmer penguins. 펭귄 종 분류기와 숫자 탐색기, 두 개의 프로젝트를 완성하고, 모든 차트에 제목과 라벨을 붙여 보고서에 바로 넣을 수 있어요.
머신러닝 공부에 대해 자주 묻는 질문
머신러닝이란 무엇인가요?
머신러닝은 규칙 대신 예시로 컴퓨터를 가르치는 거예요. 꽃잎 크기와 종이 적힌 꽃 데이터처럼 많은 행을 모델에 보여 주면, 모델은 처음 보는 행에도 쓸 수 있는 패턴을 배워요. 행에 정답이 함께 있으면 지도학습이고, 정답 없이 모델이 스스로 그룹을 찾으면 비지도학습이에요. 이 강의에서는 둘 다 배워요.
머신러닝을 배우려면 수학을 잘해야 하나요?
아니요. 학교에서 배운 산수와 차트를 읽을 인내심이면 충분해요. 머신러닝이 쓰는 통계(평균, 퍼짐, 분포, 상관관계, p값)는 시뮬레이션과 그림으로 배우고, 무거운 계산은 scikit-learn이 대신해 줘요. 미적분과 선형대수는 나중에 새로운 알고리즘을 만들고 싶을 때 도움이 되지만, 모델을 학습시키고 테스트하고 이해하는 데는 필요 없어요.
Python을 먼저 알아야 하나요?
기초는 필요해요: 변수,
if, 반복문, 함수, 리스트. Python 강의의 기초 섹션으로, 하루 한 시간씩 몇 주면 돼요. 그 이후의 import, NumPy, pandas, matplotlib, scikit-learn은 여기서 첫 줄부터 가르쳐요.어떤 Python 라이브러리를 배우나요?
머신러닝의 표준 도구들이에요: 배열은 NumPy, 표는 pandas, 차트는 matplotlib, 통계는 SciPy, 모델은 scikit-learn(k-최근접 이웃, 선형 회귀와 로지스틱 회귀, 결정 트리, 랜덤 포레스트, 그레이디언트 부스팅, k-means, DBSCAN, PCA 등). Coddy에서 최신 버전으로 돌아가서, 여기서 쓴 코드는 내 컴퓨터에서도 똑같이 실행돼요.
GPU나 고성능 컴퓨터가 필요한가요?
아니요. 코드는 Coddy 서버에서 실행되고 차트가 브라우저로 돌아오니, 노트북, 크롬북, 태블릿이면 충분해요. 게다가 scikit-learn을 쓰는 고전적인 머신러닝은 일반 프로세서에서도 잘 돌아가요. GPU는 큰 신경망을 학습시킬 때 중요한데, 이 강의에서는 다루지 않아요.
이 강의를 마치면 무엇을 만들 수 있나요?
표 데이터로 실제 질문에 답하는 모델이에요: 이 메일이 스팸인지, 어떤 고객이 떠날 것 같은지, 이 펭귄은 어떤 종인지, 내일 자전거가 몇 대 대여될지, 어떤 쇼핑객 그룹이 있는지, 어떤 서버 수치가 이상한지. 테스트 세트, 교차 검증, 혼동 행렬, ROC 곡선으로 모델을 정직하게 평가하는 법도 배워요. 그래야 믿을 수 있는 모델이 돼요.
머신러닝을 배우는 데 얼마나 걸리나요?
이 강의는 4개 섹션, 233개 레슨으로, 내 속도로 약 40시간, 하루 30분이면 두세 달이에요. 데이터 사이언스 경로에서는 Python과 SQL 다음에 이 강의가 와요. 마친 뒤 가장 빨리 성장하는 방법은 관심 있는 공개 데이터셋을 골라 강의의 프로젝트 흐름을 그대로 반복해 보는 거예요.
이 머신러닝 강의는 무료인가요?
네. 레슨, 차트, AI 힌트, 수료증 모두 무료예요. 무료 계정은 하루에 몇 개 레슨을 진행할 수 있고, Pro는 하루 제한이 없어요.
