Machine Learning 여정의 일부신규여정머신러닝을 위한 통계
모든 모델이 기대고 있는 통계를 공식 암기 대신 시뮬레이션과 차트로 배워요. NumPy, pandas, SciPy, scikit-learn을 쓰는 실제 Python, 그리고 레슨마다 차트가 있어요.
64 개 강의63 챌린지265 퀴즈 문제
- 초보자 환영
AI 코딩 도우미
실습 중심의 대화형 강의
지식을 확인하는 퀴즈
무료 수료증
커리큘럼
이 섹션은 Machine Learning 여정의 일부입니다. 전체 커리큘럼에는 더 많은 섹션이 있어요. 아래 미리보기를 클릭하면 여정 페이지에서 확인할 수 있습니다.
- 섹션 1데이터와 시각화60 개 강의
섹션 2
머신러닝을 위한 통계
섹션 시작하기시작모든 모델의 기반이 되는 통계: 중심과 산포, 분포, 시뮬레이션을 통한 확률, 표본, 이상치, 상관관계, 추세선과 그룹 검정, 그리고 특성 스케일링과 인코딩. 모든 개념을 실제 데이터로 계산하고 시각화합니다.중심과 산포
6 개 강의625분포
6 개 강의625시뮬레이션으로 알아보는 확률
6 개 강의625표본과 모집단
5 개 강의520관계
6 개 강의525그룹 비교
6 개 강의625특성 스케일링
5 개 강의520범주 인코딩
4 개 강의415데이터셋 탐색하기
5 개 강의520- 섹션 3지도 학습58 개 강의
- 섹션 4비지도 학습51 개 강의
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
어디서나 코딩하세요
코딩 여정을 함께 하세요! 설정도, 다운로드도 필요 없이 바로 열어서 코딩을 시작하세요. iOS, Android, 웹에서 4.9점 평점으로 이용 가능합니다.
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.
수료증Python 기초
LinkedIn에 추가Coddy에서 머신러닝 통계를 배워야 하는 이유
- 시뮬레이션하고, 눈으로 봐요. 주사위를 수천 번 굴리고, 표본을 수천 번 뽑고, 그룹을 수천 번 섞으면서 히스토그램이 자리 잡는 걸 지켜봐요. 확률은 공식이기 전에 셀 수 있는 비율이에요.
- 모든 레슨에 차트가 있어요: 정규 곡선을 얹은 밀도 히스토그램, 이상치가 드러나는 상자 그림, 상관관계 히트맵, 적합한 추세선. 실행하면 내 차트가 그래프 탭에 나타나요.
- 머신러닝이 실제로 쓰는 통계: 평균과 중앙값, 퍼짐과 백분위수, 분포와 z점수, 표본 추출, 이상치, 상관관계, 최소제곱법과 결정계수(R²), p값과 t검정.
- 모델이 시작되는 곳에서 끝나요:
StandardScaler로 특성 스케일링,pd.get_dummies로 범주 인코딩, 그리고 무언가를 학습시키기 전에 새 데이터셋을 살펴보는 체크리스트.
머신러닝을 위한 통계에 대해 자주 묻는 질문
머신러닝에는 통계가 얼마나 필요한가요?
대부분이 걱정하는 것보다 적어요. 모델을 잘 학습시키고 평가하려면 중심과 퍼짐을 읽고, 분포와 이상치가 무엇인지 알고, 상관관계로 관계를 재고, 직선을 맞추고, 진짜 차이와 우연을 구별할 수 있으면 돼요. 그게 바로 이 섹션이에요. 증명과 깊은 확률론은 연구에 중요하지, scikit-learn을 잘 쓰는 데 필요한 건 아니에요.
데이터 사이언스에서 쓰는 통계와 같은 건가요?
네. 기술 통계, 분포, 표본 추출, 상관관계, 회귀선, 가설 검정은 데이터 사이언스와 머신러닝 통계의 공통 핵심이에요. 마지막 챕터들은 스케일링, 인코딩, 학습 전 데이터셋 탐색처럼 모델 쪽으로 기울어 있어요.
미적분이나 선형대수가 필요한가요?
아니요. 모든 걸 산수, 시뮬레이션, 차트로 가르쳐요. 공식이 있는 곳에서는 코드 한 줄과 그림 한 장으로 만나고, 시뮬레이션으로 확인해요. 미적분과 선형대수는 나중에 알고리즘이 어떻게 만들어지는지 깊이 파고들 때 유용해져요.
p값을 쉽게 말하면 무엇인가요?
stats.ttest_ind를 만나요.어떤 Python 라이브러리를 쓰나요?
stats 모듈, StandardScaler는 scikit-learn이에요. 모두 이 섹션 앞의 파이썬 데이터 시각화 섹션에서 배워요.얼마나 걸리나요?
64개 레슨, 내 속도로 약 11시간, 하루 30분이면 3~4주예요. 실제 같은 데이터로 푸는 최종 챌린지 4개도 포함해요.
통계 섹션은 무료인가요?
네. 레슨, 차트, AI 힌트, 섹션 수료증 모두 무료예요. 무료 계정은 하루에 몇 개 레슨을 진행할 수 있고, Pro는 하루 제한이 없어요.
