{"id":14958776,"url":"https://github.com/teddylee777/machine-learning","last_synced_at":"2025-05-14T21:07:36.245Z","repository":{"id":37671953,"uuid":"147058643","full_name":"teddylee777/machine-learning","owner":"teddylee777","description":"머신러닝 입문자 혹은 스터디를 준비하시는 분들에게 도움이 되고자 만든 repository입니다. (This repository is intented for helping whom are interested in machine learning study)","archived":false,"fork":false,"pushed_at":"2024-04-05T17:48:16.000Z","size":64434,"stargazers_count":2719,"open_issues_count":7,"forks_count":875,"subscribers_count":62,"default_branch":"master","last_synced_at":"2025-04-13T17:46:56.172Z","etag":null,"topics":["deep-learning","gan","jupyter-notebook","lectures","machine-learning","machine-learning-study","natural-language-processing","neural-network","neural-networks","pandas","pandas-tutorial","python","python3","pytorch","pytorch-tutorial","tensorflow","tensorflow-examples","tensorflow-tutorials","tensorflow2","udacity"],"latest_commit_sha":null,"homepage":"","language":"Jupyter Notebook","has_issues":true,"has_wiki":null,"has_pages":null,"mirror_url":null,"source_name":null,"license":null,"status":null,"scm":"git","pull_requests_enabled":true,"icon_url":"https://github.com/teddylee777.png","metadata":{"files":{"readme":"README.md","changelog":null,"contributing":"CONTRIBUTING.md","funding":null,"license":null,"code_of_conduct":null,"threat_model":null,"audit":null,"citation":null,"codeowners":null,"security":null,"support":null,"governance":null,"roadmap":null,"authors":null,"dei":null,"publiccode":null,"codemeta":null}},"created_at":"2018-09-02T05:55:25.000Z","updated_at":"2025-04-12T00:12:03.000Z","dependencies_parsed_at":"2024-09-29T06:18:39.343Z","dependency_job_id":null,"html_url":"https://github.com/teddylee777/machine-learning","commit_stats":{"total_commits":533,"total_committers":17,"mean_commits":"31.352941176470587","dds":"0.13320825515947465","last_synced_commit":"6fbb127724976afa67aeb8db21f88af06aa2a019"},"previous_names":[],"tags_count":0,"template":false,"template_full_name":null,"repository_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/teddylee777%2Fmachine-learning","tags_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/teddylee777%2Fmachine-learning/tags","releases_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/teddylee777%2Fmachine-learning/releases","manifests_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/teddylee777%2Fmachine-learning/manifests","owner_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/owners/teddylee777","download_url":"https://codeload.github.com/teddylee777/machine-learning/tar.gz/refs/heads/master","host":{"name":"GitHub","url":"https://github.com","kind":"github","repositories_count":254227613,"owners_count":22035670,"icon_url":"https://github.com/github.png","version":null,"created_at":"2022-05-30T11:31:42.601Z","updated_at":"2022-07-04T15:15:14.044Z","host_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub","repositories_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories","repository_names_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repository_names","owners_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/owners"}},"keywords":["deep-learning","gan","jupyter-notebook","lectures","machine-learning","machine-learning-study","natural-language-processing","neural-network","neural-networks","pandas","pandas-tutorial","python","python3","pytorch","pytorch-tutorial","tensorflow","tensorflow-examples","tensorflow-tutorials","tensorflow2","udacity"],"created_at":"2024-09-24T13:18:15.190Z","updated_at":"2025-05-14T21:07:31.212Z","avatar_url":"https://github.com/teddylee777.png","language":"Jupyter Notebook","funding_links":[],"categories":[],"sub_categories":[],"readme":"# Machine Learning Study 혼자 해보기\n\n\u003cdiv align=\"center\"\u003e\n\n![GitHub contributors](https://img.shields.io/github/contributors/teddylee777/machine-learning)\n![GitHub commit activity](https://img.shields.io/github/commit-activity/m/teddylee777/machine-learning)\n[![GitHub issues](https://img.shields.io/github/issues/teddylee777/machine-learning?color=%232da44e)](https://github.com/teddylee777/machine-learning/issues)\n[![GitHub closed pull requests](https://img.shields.io/github/issues-pr-closed/teddylee777/machine-learning?color=%238250df)](https://github.com/teddylee777/machine-learning/pulls)\n\n\u003c/div\u003e\n\n\u003c/div\u003e\n\u003cbr /\u003e\n\n## 기여자 (Contributors) ✨\n\n\u003c!-- ALL-CONTRIBUTORS-LIST:START - Do not remove or modify this section --\u003e\n\u003c!-- prettier-ignore-start --\u003e\n\u003c!-- markdownlint-disable --\u003e\n\u003ctable\u003e\n  \u003ctr\u003e\n    \u003ctd align=\"center\"\u003e\u003ca href=\"https://github.com/teddylee777\"\u003e\u003cimg src=\"https://avatars.githubusercontent.com/u/10074379?s=400\u0026u=ee37ac1a4bb730df9c80d1ac92311cbbf61c680e\u0026v=4\" width=\"100px;\" alt=\"\"/\u003e\u003cbr /\u003e\u003csub\u003e\u003cb\u003eTeddy Lee\u003c/b\u003e\u003c/sub\u003e\u003c/a\u003e\u003cbr /\u003e\u003ca href=\"https://teddylee777.github.io/\" title=\"Code\"\u003e🏠\u003c/a\u003e\u003c/td\u003e\n    \u003ctd align=\"center\"\u003e\u003ca href=\"https://github.com/HongJaeKwon\"\u003e\u003cimg src=\"https://avatars.githubusercontent.com/u/44965354?s=400\u0026v=4\" width=\"100px;\" alt=\"\"/\u003e\u003cbr /\u003e\u003csub\u003e\u003cb\u003eHongJaeKwon\u003c/b\u003e\u003c/sub\u003e\u003c/a\u003e\u003cbr /\u003e\u003ca href=\"https://github.com/HongJaeKwon\" title=\"Code\"\u003e🏠\u003c/a\u003e\u003c/td\u003e\n    \u003ctd align=\"center\"\u003e\u003ca href=\"https://github.com/Kaintels\"\u003e\u003cimg src=\"https://avatars.githubusercontent.com/u/38157496?s=460\u0026u=701d6896714d3551c20e1f46c15079f8e6630784\u0026v=4\" width=\"100px;\" alt=\"\"/\u003e\u003cbr /\u003e\u003csub\u003e\u003cb\u003eSeungwoo Han\u003c/b\u003e\u003c/sub\u003e\u003c/a\u003e\u003cbr /\u003e\u003ca href=\"https://kaintels.github.io/\" title=\"Code\"\u003e🏠\u003c/a\u003e\u003c/td\u003e\n    \u003ctd align=\"center\"\u003e\u003ca href=\"https://github.com/lovedlim\"\u003e\u003cimg src=\"https://avatars.githubusercontent.com/u/25129278?s=400\u0026u=b0b5b71762434d2afc962add63ddb2a166d32dbe\u0026v=4\" width=\"100px;\" alt=\"\"/\u003e\u003cbr /\u003e\u003csub\u003e\u003cb\u003eTae Heon Kim\u003c/b\u003e\u003c/sub\u003e\u003c/a\u003e\u003cbr /\u003e\u003ca href=\"https://www.youtube.com/channel/UCs7pXreQXz30-ENLsnorqdA\" title=\"Code\"\u003e🏠\u003c/a\u003e\u003c/td\u003e\n    \u003ctd align=\"center\"\u003e\u003ca href=\"https://github.com/stevekwon211\"\u003e\u003cimg src=\"https://avatars.githubusercontent.com/u/61633137?s=400\u0026u=fd514a668292884e640c15973976e0a0ec39fdbc\u0026v=4\" width=\"100px;\" alt=\"\"/\u003e\u003cbr /\u003e\u003csub\u003e\u003cb\u003eSteve Kwon\u003c/b\u003e\u003c/sub\u003e\u003c/a\u003e\u003cbr /\u003e\u003ca href=\"https://velog.io/@kwonhl0211\" title=\"Code\"\u003e🏠\u003c/a\u003e\u003c/td\u003e\n    \u003ctd align=\"center\"\u003e\u003ca href=\"https://github.com/sw-song\"\u003e\u003cimg src=\"https://avatars.githubusercontent.com/u/49427979?s=400\u0026v=4\" width=\"100px;\" alt=\"\"/\u003e\u003cbr /\u003e\u003csub\u003e\u003cb\u003eSW Song\u003c/b\u003e\u003c/sub\u003e\u003c/a\u003e\u003cbr /\u003e\u003ca href=\"https://www.linkedin.com/in/seungwonsong/\" title=\"Code\"\u003e🏠\u003c/a\u003e\u003c/td\u003e\n    \u003ctd align=\"center\"\u003e\u003ca href=\"https://github.com/K1A2\"\u003e\u003cimg src=\"https://avatars.githubusercontent.com/u/26255336?v=4\" width=\"100px;\" alt=\"\"/\u003e\u003cbr /\u003e\u003csub\u003e\u003cb\u003eK1A2\u003c/b\u003e\u003c/sub\u003e\u003c/a\u003e\u003cbr /\u003e\u003ca href=\"https://k1a2dev.tistory.com/\" title=\"Code\"\u003e🏠\u003c/a\u003e\u003c/td\u003e\n    \u003ctd align=\"center\"\u003e\u003ca href=\"https://github.com/wooiljeong\"\u003e\u003cimg src=\"https://avatars.githubusercontent.com/u/38076110?v=4\" width=\"100px;\" alt=\"\"/\u003e\u003cbr /\u003e\u003csub\u003e\u003cb\u003eWooil Jeong\u003c/b\u003e\u003c/sub\u003e\u003c/a\u003e\u003cbr /\u003e\u003ca href=\"https://wooiljeong.github.io\" title=\"Code\"\u003e🏠\u003c/a\u003e\u003c/td\u003e\n  \u003c/tr\u003e\n\u003c/table\u003e\n\n\u003c!-- markdownlint-restore --\u003e\n\u003c!-- prettier-ignore-end --\u003e\n\n\u003c!-- ALL-CONTRIBUTORS-LIST:END --\u003e\n\n더 많은 분들이 도움을 받으실 수 있도록, 좋은 공유 자료에 대하여 Pull Request를 날려주세요!\n\n\u003cbr /\u003e\n\n## 지식공유 (Knowledge Sharings)\n\n블로그, 유튜브를 통해 지식공유를 실천하고 있습니다.\n\n- [유튜브 채널](https://www.youtube.com/channel/UCt2wAAXgm87ACiQnDHQEW6Q)\n- [블로그](https://teddylee777.github.io/)\n\n**취지**\n\nThis repository is intended for personal study in machine-learning\n\n머신러닝 분야를 **스스로 스터디 하는 많은 분들께 도움**이 되고자 작성하였습니다.\n\n온라인 상에서 좋은 분들이 공유해 주신 Lecture와 Blog를 참고하여 스터디 하실 수 있습니다.\n\n직접 들은 강의는 코멘트하였으나, 지극히 개인적인 의견이 반영 되었습니다.\n\n-----\n\n\n## 동영상 강의 묶음, 재생목록 (Video Lectures)\n\nVideo 강좌는 제가 개인적으로 생각하는 순차적 학습 단계 입니다. 물론, 난이도와도 연관이 있습니다. \n\n**파이썬 (Python), 데이터분석 (Pandas, Numpy), 시각화 (Matplotlib, Seaborn, Bokeh, Folium)**\n\n* [전자책으로 함께보는 파이썬(Python) 강의 몰아보기 - 테디노트](https://www.youtube.com/watch?v=dpwTOQri42s)\n* [생애 첫 코딩 - 파이썬 (김정욱)](https://learnaday.kr/open-course/geNpyx)\n  * 코딩 학원을 운영하고 있는 김정욱 대표의 파이썬 입문 강좌 (3시간). 라이트 과정은 무료로 제공하고 있습니다.\n* [파이썬 강좌 코딩 기초 강의 Python | 김왼손의 왼손코딩](https://www.youtube.com/watch?v=c2mpe9Xcp0I\u0026list=PLGPF8gvWLYyrkF85itdBHaOLSVbtdzBww\u0026index=1)\n* [딥러닝을 위한 파이썬 - 신경식님](https://learnaday.kr/open-course/ZiYShf)\n* [NumPy(넘파이) 기본 - T아카데미](https://www.youtube.com/watch?v=zNrDbG4tNGo\u0026list=PL9mhQYIlKEhf04ToiDFvNzKL0OP4W27TW)\n* [한 방으로 끝내는 판다스(Pandas) - 테디노트](https://www.udemy.com/course/pandas-i/)\n* [판다스(Pandas)노트 (무료전자책) - 테디노트](https://wikidocs.net/book/4639)\n* [Pandas 기본기 다지기 - T아카데미](https://www.youtube.com/watch?v=M_lKmt-wSvY\u0026list=PL9mhQYIlKEhfG_gWF-DclKs6vXS6SkmQN)\n* [Pandas로 하는 시계열 데이터분석 - T아카데미](https://www.youtube.com/watch?v=oNLaw2Q8Irw\u0026list=PL9mhQYIlKEhd60Qq4r2yC7xYKIhs97FfC)\n* [입문자를 위한 파이썬 기초 따라잡기 - 재즐보프](https://www.youtube.com/watch?v=BvJhYPQSDLI\u0026list=PLnIaYcDMsScyhT18mwY71rV_aHdP-OhLd)\n* [파이썬 데이터 시각화 튜토리얼 - 재즐보프](https://www.youtube.com/watch?v=TIjsrH_THhs\u0026list=PLnIaYcDMsScyrZZXH6LTXMrOLXJ-7hznD)\n\n**수학 (Mathmatics) \u0026 통계 (Statistics)**\n\n* [선형대수학을 시각적으로 먼저 이해해야 하는 이유 - 3Blue1Brown 한국어](https://youtu.be/ic_hG2M2nG0?feature=shared)\n* [벡터란 무엇인가? | 선형대수학의 본질 - 3Blue1Brown 한국어](https://youtu.be/ArgTeYVuJUo?feature=shared)\n* [선형대수 기초 - 3Blue1Brown](https://www.youtube.com/watch?v=fNk_zzaMoSs\u0026list=PLZHQObOWTQDPD3MizzM2xVFitgF8hE_ab)\n* [Mathematical Monk Youtube(영문)](https://www.youtube.com/playlist?list=PLD0F06AA0D2E8FFBA)\n  * 딥러닝에 관련된 수학을 굉장히 쉽게 풀어놓은 유튜브.\n* [딥러닝을 위한 선형대수학 - 올바른 수학교육 연구소](https://www.youtube.com/watch?v=4xJOapwJFkg\u0026list=PLi40YkwlJ5DnK4DTM4Fen6oZWiEBtFQe0)\n* [딥러닝 수학 강의 - 모두의연구소 Chanwoo Timothy Lee 님](https://www.youtube.com/watch?v=E6Dqu4THRu8\u0026list=PLR4XxpTBVXGhnPS8zauclk12WyXotQktG)\n  * 직접 손글씨로 딥러닝 수학의 원리를 이해하는데 도움이 되는 강의\n\n**머신러닝 (Machine Learning) \u0026 딥러닝 (Deep Learning)**\n\n* [Best of ML Python](https://github.com/ml-tooling/best-of-ml-python)\n  * 무려 840개의 오픈소스 ML 프로젝트 깃헙을 모아놓은 저장소! 꼭 살펴보시길!\n* [Machine Learning with Python](https://github.com/tirthajyoti/Machine-Learning-with-Python)\n  * 다양한 머신러닝 테크닉을 커버하는 튜토리얼 Jupyter Notebook을 모아놓은 GitHub!\n* [Scikit Learn 공식 홈페이지 튜토리얼](https://inria.github.io/scikit-learn-mooc/index.html)\n  * 사이킷런(Scikit Learn)을 활용한 데이터 분석 파이프라인 학습 및 머신러닝 라이브러리 활용\n  * 유튜브 튜토리얼(freeCodeCamp.org): https://www.youtube.com/watch?v=pqNCD_5r0IU\n* [Machine Learning by coursera - Andrew Ng](https://www.coursera.org/learn/machine-learning)\n  * 머신러닝을 처음 접하는 사람들을 위한 **입문**용 강좌. 무려 거장이신 Andrew Ng 교수님이 쉽게 설명해 주는 강의를 들을 수 있음.\n* [밑바닥부터 시작하는 머신러닝 - 최성철 교수님(TEAMLAB)](https://www.youtube.com/watch?v=1Z-lT4ooSFY\u0026list=PLBHVuYlKEkUKnfbWvRCrwSuSeYh_QUlRl)\n  * 머신러닝 스터디에 본격적으로 들어가기에 앞서 \"[데이터 과학을 위한 파이썬 입문](https://www.youtube.com/watch?v=t84jQTwMFuE\u0026list=PLBHVuYlKEkUJcXrgVu-bFx-One095BJ8I)\" 추천. 다만 강의는 인프런에서 **유료** (3만 3천원), 유튜브에서도 청취가능\n* [모두를 위한 딥러닝 시즌 1 (Tensorflow) - 김성훈 교수님](https://www.youtube.com/watch?v=BS6O0zOGX4E\u0026index=1\u0026list=PLlMkM4tgfjnLSOjrEJN31gZATbcj_MpUm)\n  * 입문용으로 최고의 강의임. tensorflow와 익숙하지 않아도 예제를 보면서 차근 차근 따라할 수 있음.\n* [고등학교 수학만 알면 따라할 수 있는 인공지능, 머신러닝, 딥러닝 - 바람님](https://www.youtube.com/watch?v=-JWv0ed9R5g\u0026list=PLsS-TVNjbU7clDOjpAZKud3uG8APHDq_M)\n  * 바람님께서 유튜브 채널에 공개한 딥러닝 오픈 강의. 입문자도 이해하기 쉽게 설명.\n* [딥러닝 홀로서기 - Idea Factory KAIST](https://www.youtube.com/watch?v=hPXeVHdIdmw\u0026list=PLSAJwo7mw8jn8iaXwT4MqLbZnS-LJwnBd)\n  * 입문용으로 딥러닝에 대한 전반적인 이해를 위한 강의. 강의별 코드도 제공\n* [CS231n (영문) - Stanford](https://www.youtube.com/watch?v=vT1JzLTH4G4\u0026list=PLC1qU-LWwrF64f4QKQT-Vg5Wr4qEE1Zxk)\n  * 영어로 진행되는 강좌. 영어가 익숙하다면 제일 먼저 이 강의를 듣고 개념을 정리하는 것을 추천.\n* [CS329S: Machine Learning Systems Design (Winter 2021)](https://stanford-cs329s.github.io/syllabus.html?fbclid=IwAR0m-M5Q4rgQIgGuQnZv_syF0sBS-A6juHc0WLN5URNBRkMJiTiDda2t_e8)\n  * 스탠포드 CS 329S 강의 실라버스. 강의 슬라이드와 노트가 공개되어 있다.\n  * [강의영상 링크(유튜브)](https://www.youtube.com/channel/UCzz6ructab1U44QPI3HpZEQ)\n* [캐글실습으로 배우는 데이터사이언스 - 오늘코드](https://www.inflearn.com/course/%EB%8D%B0%EC%9D%B4%ED%84%B0-%EC%82%AC%EC%9D%B4%EC%96%B8%EC%8A%A4-kaggle)\n  * 입문자를 위하여 이해하기 쉽게 설명해주는 강의이며, 캐글을 경험하지 못한 분들은 입문용 강의로 추천.\n* [청와대 국민청원 데이터로 파이썬 자연어처리 입문하기 - 오늘코드](https://www.youtube.com/watch?v=9QW7QL8fvv0\u0026list=PLaTc2c6yEwmrtV81ehjOI0Y8Y-HR6GN78)\n* [Deep Learning by GOOGLE - Udacity](https://www.udacity.com/course/deep-learning--ud730)\n  * 평균 1분 내외의 굉장히 짤막한 강의로 이루어져 있음. 어느 정도 중급 단계에서 실전 코딩을 해보기 위하여 듣는 것을 추천 (Assignment를 완료해 보는 것을 추천)\n* [DEEP LEARNING, Spring 2020 - NYU CENTER FOR DATA SCIENCE](https://atcold.github.io/pytorch-Deep-Learning/)\n  * 딥러닝의 거장 얀 르쿤 교수님과 Alfredo Canziani 의 딥러닝 강의. 슬랑이드와 렉쳐를 제공하며, 한국어 자막은 진행중입니다.\n* [테리의 딥러닝 토크](https://www.youtube.com/playlist?list=PL0oFI08O71gKEXITQ7OG2SCCXkrtid7Fq)\n  * 딥러닝에 대한 강좌라기 보다는 보다 재밌게 에피소드 별/ 카테고리 별로 짧고 쉽게 설명해 주시는 강의. 지루하지 않고 재밌게 들을 수 있으며, 알기 쉽게 설명해 주는 것이 포인트 (개념 정리용).\n* [TensorFlow2 강의 - Shin's Lab](https://www.youtube.com/watch?v=-MIH2wNfylo\u0026list=PLtm_YtKTtDkQJtgGSQnZzMJBRHyqANnQi)\n  * 깔끔한 설명과 수학에 대한 친절한 설명까지 곁들여진 강의. 강의자의 전달력이 좋고, 코드 설명과 더불어 논문에 대한 내용도 다룬다.\n* [Pytorch Zero To All (영문) - 김성훈 교수님](\u003chttps://youtu.be/SKq-pmkekTk\u003e)\n* [모두를 위한 RL강좌 - 김성훈 교수님](https://www.youtube.com/playlist?list=PLlMkM4tgfjnKsCWav-Z2F-MMFRx-2gMGG)\n* [논문으로 시작하는 딥러닝 - 최성준님](https://www.edwith.org/deeplearningchoi)\n* [PyTorch 튜토리얼 (한글)](https://tutorials.pytorch.kr/)\n  - PyTorch 웹사이트에서 제공하는 공식 튜토리얼의 한글 번역 버전\n* [파이토치 - 빠른시작 따라하기! 한국 사용자 모임 공식문서 번역본 by 파이토치코리아 운영진 오늘코드todaycode](https://youtu.be/CVrT23QVfxA)\n  - 파이토치(PyTorch) 한국어 번역본을 활용하는 간단 튜토리얼. 약 30분짜리 영상으로 짧지만 친절한 설명!\n* [아마존 AWS부스트](http://www.awsboost.io/)\n  - 아마존에서 Zoom으로 진행한 머신러닝/딥러닝 교육. Sagemaker의 활용법도 소개되어 있다.\n  \n\n**빅데이터 분석 기사**\n\n* [캐글로 함께하는 빅데이터 분석기사 - 김태헌님](https://www.kaggle.com/agileteam/bigdatacertificationkr)\n  * 빅데이터 분석기사 실전 문제를 캐글에 꾸준히 업데이트 해주고 계시고, 캐글 노트북 커널과 강의를 함께 보실 수 있습니다.\n\n\n\n# 주제별 (By Subjects)\n\n- [Machine Learning Study 혼자 해보기](#machine-learning-study-혼자-해보기)\n  - [기여자 (Contributors) ✨](#기여자-contributors-)\n  - [지식공유 (Knowledge Sharings)](#지식공유-knowledge-sharings)\n  - [동영상 강의 묶음, 재생목록 (Video Lectures)](#동영상-강의-묶음-재생목록-video-lectures)\n- [주제별 (By Subjects)](#주제별-by-subjects)\n  - [수학 (Mathmatics)](#수학-mathmatics)\n  - [통계 (Statistics)](#통계-statistics)\n  - [머신러닝 (Machine Learning)](#머신러닝-machine-learning)\n  - [딥러닝 (Deep Learning)](#딥러닝-deep-learning)\n  - [최적화 \\\u0026 AutoML (Optimization \\\u0026 AutoML)](#최적화--automl-optimization--automl)\n  - [메타러닝 (Meta Learning)](#메타러닝-meta-learning)\n  - [액티브러닝 (Active Learning)](#액티브러닝-active-learning)\n  - [연합학습 (Federated Learning)](#연합학습-federated-learning)\n  - [증분학습 (Incremental Learning)](#증분학습-incremental-learning)\n  - [시각화 (Visualization)](#시각화-visualization)\n  - [LLM (Large Language Model)](#llm-large-language-model)\n  - [랭체인 (LangChain)](#랭체인-langchain)\n  - [ChatGPT](#chatgpt)\n  - [기타 (Others)](#기타-others)\n  - [캐글 \\\u0026 데이콘](#캐글--데이콘)\n    - [캐글이 처음이라면?](#캐글이-처음이라면)\n    - [강의 \\\u0026 강연](#강의--강연)\n    - [캐글 \\\u0026 데이콘 대회 분류](#캐글--데이콘-대회-분류)\n  - [블로그 (Blogs)](#블로그-blogs)\n  - [깃헙 저장소 (GitHub)](#깃헙-저장소-github)\n  - [웹사이트 (Web Sites)](#웹사이트-web-sites)\n  - [위키독스 (Wiki Docs)](#위키독스-wiki-docs)\n  - [유튜브 채널 (YouTube Channel)](#유튜브-채널-youtube-channel)\n  - [논문 읽기 (YouTube)](#논문-읽기-youtube)\n  - [데이터 사이언티스트 스토리 (Data Scientist Story)](#데이터-사이언티스트-스토리-data-scientist-story)\n  - [페이스북 그룹 (Facebook Groups)](#페이스북-그룹-facebook-groups)\n  - [라이브러리 (Library)](#라이브러리-library)\n  - [오픈데이터](#오픈데이터)\n  - [텐서플로우 자격증](#텐서플로우-자격증)\n  - [빅데이터 분석기사](#빅데이터-분석기사)\n  - [기타](#기타)\n\n\n## 수학 (Mathmatics)\n* **기초**\n  - [머신러닝, 딥러닝을 위한 기초 수학 - 테디노트](https://www.youtube.com/watch?v=vS51prw_yfw)\n  - [수학 기호 - 리브레 위키](https://librewiki.net/wiki/%EC%88%98%ED%95%99_%EA%B8%B0%ED%98%B8)\n  - [자연상수 e가 필요한 이유 - 공돌이의 수학정리노트](https://www.youtube.com/watch?v=_EY8QUKWrhc)\n  - [What is ln (Natural Logarithm) - Arnold Tutoring](https://www.youtube.com/watch?v=e7Yfub7xlDg)\n  \n* **미분**\n  - [미분과 편미분(Ordinary Derivative \u0026 Partial Derivative) | 인공지능 및 컴퓨터 비전을 위한 수학 핵심 개념노트(Mathematics for AI) - 동빈나님](https://www.youtube.com/watch?v=tQHw2EovIOM\u0026list=PLRx0vPvlEmdAWjA5INMVJoqea18RQyUOk\u0026index=4)\n  - [머신러닝/딥러닝 수학 입문 2강 - 미분 | T아카데미](https://www.youtube.com/watch?v=JQe7S-gOElk\u0026list=PL9mhQYIlKEhewXqJaTy_wd5emhDwW6JU6\u0026index=3)\n  - [쌍곡선 함수란? (hyperbolic functions) - 만만한수학TV(이상준 교수님)](https://www.youtube.com/watch?v=3DvmUlAIPaw)\n  \n* **유사도**\n  - [컴퓨터가 두 데이터(이미지 혹은 자연어)의 유사성을 측정하는 방법: 유클리드 거리, 코사인 유사도 - 동빈나님](https://www.youtube.com/watch?v=EGEQutnxjDU\u0026list=PLRx0vPvlEmdAWjA5INMVJoqea18RQyUOk\u0026index=5)\n  \n* **선형대수**\n  - [머신러닝/딥러닝 수학 입문 4강 - 선형대수 | T아카데미](https://www.youtube.com/watch?v=0PhFyQyii7Q\u0026list=PL9mhQYIlKEhewXqJaTy_wd5emhDwW6JU6\u0026index=5)\n  \n* **기타**\n  - [그래핑 계산기 - Desmos](https://www.desmos.com/calculator?lang=ko)\n    - 그래픽 계산기로 수학 공식을 그래프로 웹상에서 그려서 시각화해 줍니다.\n  \n\n## 통계 (Statistics)\n\n* **통계 종합**\n  * [손으로 푸는 확률분포 - 통계의 본질 EOStatistics](https://www.youtube.com/watch?v=1Kj0_2nrWLo\u0026list=PLmljWRabIwWDCLjAMfTPigyTe-jtsLca1)\n    * 입문자 혹은 통계학을 처음 접해보는 분들에게 적극 추천하는 강의목록 입니다. 매우 쉽게 설명되어 있고, 통계학의 기본 내용을 전반적으로 모두 다룹니다.\n  * [경영통계분석 - 이상철 교수님](https://www.youtube.com/watch?v=ZdvXXBLIBnw\u0026list=PLEUKy_nwlzwHhkGKF7l3lWxqYKTjnnv5M)\n    * 통계학 입문자에게 듣기 굉장히 편하며, 입문자들도 알아듣기 쉽게 설명해 주시는 강의 입니다.\n  * [제대로 시작하는 기초 통계학 - 노경섭님](https://www.youtube.com/watch?v=SCMyqKSuKeI\u0026list=PLsri7w6p16vs-rMb1uXHfh3FiCk2WjEUG) \n  * [통계 공식과 개념들 한번에 총정리 해드립니다. (이산확률분포, 이항분포, 연속확률분포, 확률밀도함수, 표준정규분포, 표준화공식, 임의추출, 표본평균, 통계적추정, 모평균의추정) - 알고리즘성남학원](https://www.youtube.com/watch?v=CQA7cdxozHY)\n* **p-value**\n  * [P-값(p-value)는 무엇인가? - Sapientia a Dei님](https://www.youtube.com/watch?v=5Xke4ao1g9E)\n  * [P-Value - 김성범 교수님](https://www.youtube.com/watch?v=tpow70KGTYY\u0026list=PLpIPLT0Pf7IoTxTCi2MEQ94MZnHaxrP0j\u0026index=4)\n* **가설**\n  * [가설검정 (미리 알고 학습하면 훨씬 편해요.) - 노경섭님](https://www.youtube.com/watch?v=qkEOVNUnnTw\u0026list=PLsri7w6p16vs-rMb1uXHfh3FiCk2WjEUG\u0026index=28)\n  * [가설검정 (가설검정과 유의수준) - 노경섭님](https://www.youtube.com/watch?v=zcfMEcN1srY)\n  * [귀무가설 vs. 대립가설 중 하나를 선택하기 위한 증거, p-value - Data Scientist이지영님](https://www.youtube.com/watch?v=TEsXCUozAsE)\n* **분포**\n  * [확률분포1(확률분포, 균등분포, 정규분포, 표준정규분포) - 노경섭님](https://www.youtube.com/watch?v=tfvTTF4JidQ\u0026list=PLsri7w6p16vs-rMb1uXHfh3FiCk2WjEUG\u0026index=19)\n  * [확률분포2(이항분포, 베르누이시행, 베르누이분포, 이항분포의 확률계산) - 노경섭님](https://www.youtube.com/watch?v=dk2d5--IBTQ\u0026list=PLsri7w6p16vs-rMb1uXHfh3FiCk2WjEUG\u0026index=20)\n  * [확률분포3(포아송 분포, 푸아송 분포, 람다 변화에 따른 곡선의 변화 확인) - 노경섭님](https://www.youtube.com/watch?v=S1ztukK-PkM\u0026list=PLsri7w6p16vs-rMb1uXHfh3FiCk2WjEUG\u0026index=21)\n  * [정규분포 (Normal Distribution) - 김성범 교수님](https://www.youtube.com/watch?v=sGTWFCq5OKM)\n  * [일양분포 (Uniform Distribution) - 김성범 교수님](https://www.youtube.com/watch?v=6xonZUbFSZ8)\n* **추정, 신뢰구간**\n  * [신뢰구간 정확하게 이해하기 - Data Scientist이지영님](https://www.youtube.com/watch?v=8m5_UOqBTR4)\n  * [추정 (점추정, 구간추정, 신뢰구간) - 노경섭님](https://www.youtube.com/watch?v=ozC2vKZhd04\u0026list=PLsri7w6p16vs-rMb1uXHfh3FiCk2WjEUG\u0026index=24)\n  * [추정 (모평균의 구간추정, 표본의 크기결정) - 노경섭님](https://www.youtube.com/watch?v=PoWiyZVgjBg\u0026list=PLsri7w6p16vs-rMb1uXHfh3FiCk2WjEUG\u0026index=25)\n  * [추정 (모집단 비율 및 모집단 분산의 구간추정) - 노경섭님](https://www.youtube.com/watch?v=E4MuAveSQb4\u0026list=PLsri7w6p16vs-rMb1uXHfh3FiCk2WjEUG\u0026index=26)\n* **베이즈 이론**\n  * [Bayes theorem - 3Blue1Brown](https://www.youtube.com/watch?v=HZGCoVF3YvM)\n* **푸리에 변환**\n  * [푸리에 변환이 대체 뭘까요? 그려서 보여드리겠습니다. - 3Blue1Brown](https://www.youtube.com/watch?v=spUNpyF58BY)\n* **경험적 모드 분해**\n  * [[Signal processing] EMD (Empricial mode decomposition): 경험적 모드 분해법](https://neosla.tistory.com/34)\n* **AR, MA, ARMA, ARIMA**\n  * [시계열 분석 이론의 기초](https://yamalab.tistory.com/112)\n\n## 머신러닝 (Machine Learning)\n\n* **경사하강법 (Gradient Descent)**\n  * [경사 하강, 신경 네트워크가 학습하는 방법 | 심층 학습, 2장 - 3Blue1Brown](https://www.youtube.com/watch?v=IHZwWFHWa-w)\n  * [경사하강법 기본 개념 (수학편) - 테디노트](https://www.youtube.com/watch?v=GEdLNvPIbiM)\n  * [경사하강법 파이썬 코드로 구현 - 테디노트](https://youtu.be/KgH3ZWmMxLE)\n  * [경사법 이해 - 바람님](https://www.youtube.com/watch?v=P4L3IntRwrc)\n\n* **오차 역전파 (Back Propagation)**\n  * [Yes you should understand backprop](https://medium.com/@karpathy/yes-you-should-understand-backprop-e2f06eab496b)\n  * [Stanford - CS231n - Introduction to Neural Networks](https://www.youtube.com/watch?v=d14TUNcbn1k\u0026list=PLC1qU-LWwrF64f4QKQT-Vg5Wr4qEE1Zxk\u0026index=4)\n  * [Stanford - CS231n - Backpropagation(한글설명) - Kyoseok Song님](https://www.youtube.com/watch?v=qtINaHvngm8)\n  * [오차역전파의 이해 - 테디노트](https://youtu.be/1Q_etC_GHHk)\n  * [신경망의 역전파 - Chanwoo Timothy Lee님](https://www.youtube.com/watch?v=fhrORKjjU7w)\n  * [인공지능을 위한 머신러닝 알고리즘 7강 역전파 - TAcademy](https://www.youtube.com/watch?v=kHUvoNX8fsE)\n* **손실 함수 (Loss Functions)**\n  * [Stanford - CS231n - Loss Functions and Optimization](https://www.youtube.com/watch?v=h7iBpEHGVNc\u0026index=3\u0026list=PLC1qU-LWwrF64f4QKQT-Vg5Wr4qEE1Zxk)\n* **선형회귀 (Linear Regression)**\n  * [최소제곱법 증명 - 테디노트](https://www.youtube.com/watch?v=-oBmMED_5rI)\n  * [Least Squares Estimators 증명 - jbstatistics](https://www.youtube.com/watch?v=ewnc1cXJmGA)\n  * [최소자승법 - Least Squares Criterion Part 1 - patrickJMT](https://www.youtube.com/watch?v=0T0z8d0_aY4)\n  * [최소자승법 - Least Squares Criterion Part 2 - patrickJMT](https://www.youtube.com/watch?v=1C3olrs1CUw)\n  * [머신러닝의 기초 - 선형 회귀 한 번에 제대로 이해하기 (30분만 투자해봐요!) - 동빈나](https://www.youtube.com/watch?v=ve6gtpZV83E)\n  * [회귀분석 증명 - 최소자승법(Least Square Method)으로 모수 추정하기 - Data Scientist이지영님](https://www.youtube.com/watch?v=F-JjAoXZxf0)\n  * [Linear Regression(선형회귀) 이해하기 - 허민석님](https://www.youtube.com/watch?v=MwadQ74iE-k\u0026list=PLTjDXCqLsHZcnBBYcXhg-juYX-25iRusr)\n  * [선형과 비선형의 차이 - 허민석님](https://www.youtube.com/watch?v=umiqnfQxlac)\n  * [머신러닝/딥러닝 수학 입문 5강 - 회귀분석 (Regression) | T아카데미](https://www.youtube.com/watch?v=ukGvbDYCIxc\u0026list=PL9mhQYIlKEhewXqJaTy_wd5emhDwW6JU6\u0026index=6)\n* **Norm (L1 \u0026 L2)**\n  * [머신러닝/딥러닝 수학 입문 6강 - L1/L2 정규화 (Regulaization) | T아카데미](https://www.youtube.com/watch?v=01qqdvP0sdU\u0026list=PL9mhQYIlKEhewXqJaTy_wd5emhDwW6JU6\u0026index=7)\n  * [Norm (L1, L2) - 허민석 님](https://www.youtube.com/watch?v=yoD5tQ1HQRU)\n* **Lasso, Ridge, ElasticNet**\n  * [정규화 모델2 - LASSO, Elastic Net - 김성범 교수님](https://www.youtube.com/watch?v=sGTWFCq5OKM)\n* **Support Vector Machine (SVM)**\n  * [SVM 모델 (1) - 김성범 교수님](https://www.youtube.com/watch?v=qFg8cDnqYCI\u0026list=PLpIPLT0Pf7IoTxTCi2MEQ94MZnHaxrP0j\u0026index=9)\n  * [SVM 모델 (2) - 김성범 교수님](https://www.youtube.com/watch?v=ltjhyLkHMls\u0026list=PLpIPLT0Pf7IoTxTCi2MEQ94MZnHaxrP0j\u0026index=8)\n* **KNN (K-Nearest Neighbors)**\n  * [kNN(k-Nearest Neighbors) 최근접 이웃 알고리즘 - 허민석님](https://www.youtube.com/watch?v=CyuI2F_wJWw)\n* **로지스틱 회귀(Logistic Regression)**\n  * [로지스틱회귀모델 1 (로지스틱함수, 승산) - 김성범 교수님](https://www.youtube.com/watch?v=l_8XEj2_9rk)\n  * [로지스틱회귀모델 2 (파라미터 추정, 해석) - 김성범 교수님](https://www.youtube.com/watch?v=Vh_7QttroGM)\n* **의사결정나무(Decision Tree)**\n  * [의사결정나무모델 1 (모델개요, 예측나무) - 김성범 교수님](https://www.youtube.com/watch?v=xki7zQDf74I)\n  * [의사결정트리 (Decision Tree) 알고리즘 쉽게 이해하기 - 허민석님](https://www.youtube.com/watch?v=n0p0120Gxqk)\n* **차원축소**\n  * [PCA 차원 축소 알고리즘 및 파이썬 구현 - 허민석 님](https://www.youtube.com/watch?v=DUJ2vwjRQag)\n  * [Principal Component Analysis (PCA, 주성분 분석) - 김성범 교수님](https://www.youtube.com/watch?v=FhQm2Tc8Kic)\n* **군집 (Clustering)**\n  * [군집분석 개론 - 김성범 교수님](https://www.youtube.com/watch?v=8zB-_LrAraw\u0026list=PLpIPLT0Pf7IoTxTCi2MEQ94MZnHaxrP0j)\n\n## 딥러닝 (Deep Learning)\n\n* **개요**\n  * [신경망이란 무엇인가? | 1장.딥러닝에 관하여 - 3Blue1Brown](https://www.youtube.com/watch?v=aircAruvnKk)\n  * [가중치 초기화](https://nittaku.tistory.com/269)\n\n* **Convolution Neural Networks (CNN)**\n  * [Stanford - CS231n - Convolution Neural Networks](https://www.youtube.com/watch?v=bNb2fEVKeEo\u0026list=PLC1qU-LWwrF64f4QKQT-Vg5Wr4qEE1Zxk\u0026index=5)\n  * [CNN의 효율성: Stride와 MaxPooling - 혁펜하임님](https://youtu.be/sPf0iaOzYaY)\n  * [ML lab11-1: TensorFlow CNN Basics - 김성훈 교수님](https://www.youtube.com/watch?v=E9Xh_fc9KnQ)\n\n* **Recurrent Neural Networks (RNN)**\n  * [Stanford - CS231n - Recurrent Neural Networks](https://www.youtube.com/watch?v=6niqTuYFZLQ\u0026list=PLC1qU-LWwrF64f4QKQT-Vg5Wr4qEE1Zxk\u0026index=10)\n  * [Programming LSTM with Keras and TensorFlow](https://www.youtube.com/watch?v=UnclHXZszpw\u0026t=572s)\n  * [RNN 기초 (순환신경망 - Vanilla RNN) - 허민석님](https://youtu.be/PahF2hZM6cs)\n  * [LSTM 쉽게 이해하기 - 허민석님](https://youtu.be/bX6GLbpw-A4)\n  * [(CS231n 한글설명) RNN, LSTM - 송교석님](https://youtu.be/2ngo9-YCxzY)\n  * [RNN \u0026 LSTM 설명 및 구현(pytorch) - Donghoon Note](https://dhpark1212.tistory.com/entry/RNN-LSTM-%EC%84%A4%EB%AA%85-%EB%B0%8F-%EA%B5%AC%ED%98%84pytorch)\n\n* **생성적 적대 신경망 (Generative Adversarial Network)**\n  * [1시간만에 GAN 완전 정복하기 - 네이버 D2](https://www.youtube.com/watch?v=odpjk7_tGY0)\n  * [GAN: Generative Adversarial Networks (꼼꼼한 딥러닝 논문 리뷰와 코드 실습) - 동빈나님](https://www.youtube.com/watch?v=AVvlDmhHgC4)\n  * [Basic of GAN - 딥러닝 홀로서기 by Idea Factory KAIST](https://www.youtube.com/watch?v=LeMnE1TIil4)\n  * [DC GAN - 딥러닝 홀로서기 by Idea Factory KAIST](https://www.youtube.com/watch?v=JOjMk-E1CnQ\u0026list=PLSAJwo7mw8jn8iaXwT4MqLbZnS-LJwnBd)\n  * [DC GAN 논문 이해하기 - YBIGTA](https://www.youtube.com/watch?v=7btUjE2y4NA)\n  * [Finding connections among images using CycleGAN - naver d2](https://www.youtube.com/watch?v=Fkqf3dS9Cqw)\n  * [머신러닝/딥러닝 강의 - 016 CycleGAN 한방에 끝내기 - hanyoseob님](https://www.youtube.com/watch?v=zAVCeF5cFNc)\n\n* **강화학습 (Reinforcement Learning)**\n  * [강화학습 - 김성훈 교수님](https://www.youtube.com/watch?v=dZ4vw6v3LcA\u0026feature=youtu.be)\n  * [강화학습(영문) - 데이비드 실버 교수님](https://www.davidsilver.uk/teaching/)\n  * [강화학습 개론(10강) - 팡요랩](https://www.youtube.com/watch?v=wYgyiCEkwC8\u0026list=PLpRS2w0xWHTcTZyyX8LMmtbcMXpd3s4TU)\n  * [쉽게구현하는 강화학습(2강) - 팡요랩](https://www.youtube.com/watch?v=12pXaP8KPbE\u0026list=PLpRS2w0xWHTdpMdpzuQf-w1QmCVrE2leJ)\n  * [강화학습 입문하기(season 1) - T아카데미](https://www.youtube.com/watch?v=NrcePTbqNb4\u0026list=PL9mhQYIlKEhfMzkhV1gsIU8cZLeEUAbLR)\n  * [강화학습 입문하기(policy gradient) - T아카데미](https://www.youtube.com/watch?v=irxj7ThyASk\u0026list=PL9mhQYIlKEhc-n4vu4cWChTaNMi0mwYn4)\n  * [강화학습 관련 노하우 - 강화학습 KR](https://github.com/reinforcement-learning-kr/how_to_study_rl/wiki/%EA%B0%95%ED%99%94%ED%95%99%EC%8A%B5-%EA%B4%80%EB%A0%A8-%EB%85%B8%ED%95%98%EC%9A%B0)\n  * [강화학습 100제 - Koki Saitoh](https://koki0702.github.io/dezero-p100/)\n    * 일본어 강화학습 문제풀이 사이트. 채점 및 해설 제공. 그림 문제 외에는 번역하면서 풀 수 있을 정도\n\n* **컴퓨터 비전 (Computer Vision)**\n  * [Awesome computer vision](https://github.com/jbhuang0604/awesome-computer-vision)\n    * 대부분의 컴퓨터 비전의 내용이 담겨 있습니다.\n  * [OpenCV 강좌 - Daehee YUN Tech Blog](https://076923.github.io/posts/Python-opencv-1/)\n    * Python 강좌 뿐만 아니라 C# OpenCV 강좌도 제공됩니다.\n  * [Object Detection(객체 탐지) - Deeplearning.ai](https://www.youtube.com/watch?v=GSwYGkTfOKk\u0026list=PL_IHmaMAvkVxdDOBRg2CbcJBq9SY7ZUvs)\n  * [Semantic Segmentation (의미론적 분할) - UNet 케라스 구현](https://github.com/zhixuhao/unet)\n  * [Self-Driving Car (자율주행) - source code of all the projects of Udacity Self-Driving Car Engineer Nanodegree](https://github.com/ndrplz/self-driving-car)\n  * [객체탐지 소개 - 가짜연구소](https://pseudo-lab.github.io/Tutorial-Book/chapters/object-detection/Ch1-Object-Detection.html)\n\n\n* **자연어 처리 (Natural Language Processing)**\n  * [딥러닝을 이용한 자연어 처리 - 조경현 교수님](https://www.edwith.org/deepnlp)\n  * [Stanford - Natural Language Processing with Deep Learning](https://www.youtube.com/playlist?list=PL3FW7Lu3i5Jsnh1rnUwq_TcylNr7EkRe6)  \n  * [트랜스포머(어텐션 이즈 올 유 니드) - 허민석님](https://youtu.be/mxGCEWOxfe8)\n  * [Transformer: Attention Is All You Need (꼼꼼한 딥러닝 논문 리뷰와 코드 실습) - 동빈나님](https://www.youtube.com/watch?v=AA621UofTUA)\n  * [(CS231n 한글설명) Attention - 송교석님](https://youtu.be/Bmx2S1dSAV0)\n  * [시퀀스 투 시퀀스 + 어텐션 모델 - 허민석님](https://youtu.be/WsQLdu2JMgI)\n  * [Seq2Seq: Sequence to Sequence Learning with Neural Networks - 동빈나님](https://www.youtube.com/watch?v=4DzKM0vgG1Y)\n  * [자연어 언어모델 \"BERT\"](https://www.youtube.com/watch?v=qlxrXX5uBoU\u0026list=PL9mhQYIlKEhcIxjmLgm9X5BUtW5jMLbZD)\n  * [자연어 처리 특강 - 텐초](https://www.youtube.com/playlist?list=PLgD4RfwkG2A5fNsi7PyhWCiIz5zU2Q6Z0)\n    * 자연어 처리를 위한 딥러닝 알고리즘, 워드 임베딩(Word2Vec, TF-IDF), BERT, GPT\n  * [자연어처리 강의 기초부터 고급까지 - Ready-To-Use Tech](https://www.youtube.com/watch?v=Z201jwWo-xs\u0026list=PLrLEKGJAgXxL-R9IqDH7HANWXRsS900tF)\n    * kiyoungkim1 님께서 공유해 주신 자연어처리 기초 부터 고급 강의\n\n* **음성인식 (Speech Recognition)** \n  * [딥러닝 기반 음성인식 기초 - T아카데미](https://www.youtube.com/watch?v=YiW7aOTZFQQ\u0026list=PL9mhQYIlKEhdrYpsGk8X4qj3tQUuaDhrl)\n\n* **기타**\n  * [Improving Deep Neural Networks: Hyperparameter Tuning](https://www.youtube.com/watch?v=1waHlpKiNyY\u0026list=PLkDaE6sCZn6Hn0vK8co82zjQtt3T2Nkqc\u0026index=1)\n    - Andrew Ng 교수님이 직접 진행하는 DNN 개선을 위한 아이디어. 딥러닝 모델의 세부 내용을 더욱 자세히 이해하고 싶다면 꼭 들어보는 것을 추천.\n  * [Why Does Batch Norm Work? (Batch Norm이 좋은 이유) - Andrew Ng교수님](https://www.youtube.com/watch?v=nUUqwaxLnWs)\n  * [Adam Optimization Algorithm - Andrew Ng교수님](https://www.youtube.com/watch?v=JXQT_vxqwIs)\n  \n\n## 최적화 \u0026 AutoML (Optimization \u0026 AutoML)\n* **유전 알고리즘 기반**\n  * [최단 경로 검색 인공지능 feat.유전알고리즘, TSP](https://www.youtube.com/watch?v=H8beAqbiWZw)\n* **베이지안 기반**\n  * [[ML] 베이지안 최적화 (Bayesian Optimization)](https://wooono.tistory.com/102)\n* **하이퍼밴드 기반**\n  * [Hyperband 논문 설명](https://pod3275.github.io/paper/2019/05/23/Hyperband.html)\n* **Neural Architecture Search**\n  * [NASnet 설명](https://www.secmem.org/blog/2019/07/19/Network-Architecture-Search/)  \n  * [ENAS 설명](https://jayhey.github.io/deep%20learning/2018/03/15/ENAS/)  \n  * [PNAS 설명](https://m.blog.naver.com/PostView.nhn?blogId=za_bc\u0026logNo=221576139392\u0026proxyReferer=https:%2F%2Fwww.google.com%2F)  \n\n\n## 메타러닝 (Meta Learning)\n* **이론**\n  * [Meta-Learning: Learning to Learn Fast 설명](https://talkingaboutme.tistory.com/entry/DL-Meta-Learning-Learning-to-Learn-Fast)\n* **메타 강화학습**\n  * [Meta Reinforcement Learning 설명](https://talkingaboutme.tistory.com/entry/RL-Meta-Reinforcement-Learning)\n\n## 액티브러닝 (Active Learning)\n* **이론**\n  * [Active Learning 이란 - 기본](https://kmhana.tistory.com/4)\n\n## 연합학습 (Federated Learning)\n* **이론**\n  * [연합 학습(Federated Learning), 그리고 챌린지](https://medium.com/curg/%EC%97%B0%ED%95%A9-%ED%95%99%EC%8A%B5-federated-learning-%EA%B7%B8%EB%A6%AC%EA%B3%A0-%EC%B1%8C%EB%A6%B0%EC%A7%80-b5c481bd94b7)\n\n## 증분학습 (Incremental Learning)\n* **이론**\n  * [Incremental / Continual learning의 거의 모든 것 (설명, 성능 측정 방식, 연구 흐름)](https://ffighting.tistory.com/112)\n\n## 시각화 (Visualization)\n* **Bokeh**\n  * [대화형 웹 시각화 Bokeh - 재즐보프](https://www.youtube.com/watch?v=XbfQNJrIXZc)\n\n## LLM (Large Language Model)\n* **AutoGPT**\n  * [AutoGPT 설치 및 실행 방법 - 테디노트](https://teddylee777.github.io/machine-learning/autogpt/)\n    * 사용자가 설정한 목표(Goal)를 자동으로 달성 하는 GPT.\n* **FineTuning**\n  * [KoChatGPT-replica(RLHF) 프로젝트](https://github.com/airobotlab/KoChatGPT)\n    * ChatGPT-replica 실습 깃헙. GPT fine-tuning, 강화학습(PPO), RLHF, ChatGPT 데이터셋 구축에 대하여 다룹니다. 다양한 Colab 예제가 수록되어 있습니다.\n  * [KoAlphaca: Korean Alpaca Model based on Stanford Alpaca (feat. LLAMA and Polyglot-ko)](https://github.com/Beomi/KoAlpaca)\n    * Stanford Alpaca 모델을 학습한 방식과 동일한 방식으로 학습을 진행한, 한국어를 이해하는 Alpaca 모델. Lora Peft 를 활용한 파인튜닝 방법 등이 수록되어 있고, 한국어 데이터셋에 대한 소개도 되어 있습니다.\n\n## 랭체인 (LangChain)\n* **랭체인 튜토리얼(블로그)**\n  * [랭체인(langchain)의 OpenAI GPT 모델(ChatOpenAI) 사용법](https://teddylee777.github.io/langchain/langchain-tutorial-01/)\n  * [랭체인(langchain) + 허깅페이스(HuggingFace) 모델 사용법](https://teddylee777.github.io/langchain/langchain-tutorial-02/)\n  * [랭체인(langchain) + 챗(chat) - ConversationChain, 템플릿 사용법](https://teddylee777.github.io/langchain/langchain-tutorial-03/)\n  * [랭체인(langchain) + 정형데이터(CSV, Excel) - ChatGPT 기반 데이터분석](https://teddylee777.github.io/langchain/langchain-tutorial-04/)\n  * [랭체인(langchain) + 웹사이트 크롤링 - 웹사이트 문서 요약](https://teddylee777.github.io/langchain/langchain-tutorial-05/)\n  * [랭체인(langchain) + 웹사이트 정보 추출 - 스키마 활용법](https://teddylee777.github.io/langchain/langchain-tutorial-06/)\n  * [랭체인(langchain) + PDF 문서요약, Map-Reduce](https://teddylee777.github.io/langchain/langchain-tutorial-07/)\n  * [랭체인(langchain) + PDF 기반 질의응답(Question-Answering)](https://teddylee777.github.io/langchain/langchain-tutorial-08/)\n* **유튜브 튜토리얼**\n  * [랭체인 Featured YouTube 튜토리얼](https://python.langchain.com/docs/additional_resources/tutorials)\n    * 전부 외국인의 튜토리얼 이지만, 쉬운 설명과 따라하기 쉬운 예제들이 많음. 랭체인 공식 홈페이지에서 피처링한 튜토리얼 페이지.\n\n## ChatGPT\n\n**OpenAI**\n\n* [OpenAI API Reference](https://platform.openai.com/docs/api-reference)\n  * OpenAI API 공식 도큐먼트\n* [OpenAI Cookbook](https://cookbook.openai.com/)\n  * OpenAI Python API 레시피 쿡북. 상황에 맞는 코드 및 튜토리얼 정리가 잘 되어 있는 곳.\n\n**전자책**\n\n* [생성 AI 활용기](https://wikidocs.net/book/9451) - 전뇌해커\n  * 생성 AI를 활요한 다양한 예제 수록\n* [이미지 생성 AI 활용](https://wikidocs.net/book/12852) - 전뇌해커\n  * 이미지, 그림 그리기 등 생성 AI 를 활용한 이미지 생성/활용 내용 수록\n\n## 기타 (Others)\n\n* **파이프라인**\n  * [머신러닝 시스템 디자인 패턴 - mecari](https://mercari.github.io/ml-system-design-pattern/README_ko.html)\n* **Azure 머신러닝**\n  * [Azure 머신러닝 - 퇴근후딴짓](https://www.youtube.com/watch?v=MIBPJV8krXM\u0026list=PLSlDi2AkDv83W0Js_cjxlIg-CGKNi4VUX)\n* **데이터베이스**\n  * [RDBMS와 SQL 맛보기 - T아카데미](https://www.youtube.com/watch?v=DeaJVvdIBFg\u0026list=PL9mhQYIlKEheGuumYb91mCiRRpOFjErZd)\n* **페이스북 Prophet**\n  * [페이스북 Prophet으로 삼성전자 주가 예측하기! (시계열 데이터 예측) - 테디노트](https://www.youtube.com/watch?v=Sm-YBPUe3qU)\n  * [시계열 데이터 분석#1: 페이스북 Prophet, 빠른시작 - 퇴근후딴짓](https://www.youtube.com/watch?v=teD60NOLQL0)\n  * [시계열 데이터 분석#2: 페이스북 Prophet, Saturating Forecasts - 퇴근후딴짓](https://www.youtube.com/watch?v=BcmyGFNl3GA)\n  * [시계열 데이터 분석#3: 페이스북 Prophet, Trend Change points - 퇴근후딴짓](https://www.youtube.com/watch?v=LPd2WRJFxjU)\n\n## 캐글 \u0026 데이콘\n\n### 캐글이 처음이라면?\n\n**Hello Kaggle!**\n\n* [Hello Kaggle! - stevekwon211 님](https://github.com/stevekwon211/Hello-Kaggle-KOR)\n  * 캐글에 대한 소개, 컨트리부터 되기, 대회 진행하는 법, 데이터셋, API 등이 설명되어 있는 문서\n* [인공지능 분야 천상계 대한민국 단 4명 뿐인 캐글 그랜드 마스터 인터뷰](https://www.youtube.com/watch?v=tu6b3xbTj6M)\n  * 이유한 님 인터뷰 with 조코딩님\n* [학부 문과생이 세계 랭킹 24위 캐글 그랜드 마스터가 되기까지 - Upstage](https://www.youtube.com/watch?v=TwF2EB9UCsI)\n  * 문과생 캐글 그랜드마스터 동기부여 뿜뿜 해주는 영상\n\n\n**Kaggle Tutorial | PyTorch Basic**\n* [Pytorch Tutorial for Deep Learning Lovers ,DATAI](https://www.kaggle.com/kanncaa1/pytorch-tutorial-for-deep-learning-lovers)\n  * 파이토치 기본 사용법(Tensor 연산)부터 선형회귀, 로지스틱회귀, ANN, CNN 까지\n* [Conditional Generative Adversarial Network ,Arpan Dhatt](https://www.kaggle.com/arpandhatt/conditional-generative-adversarial-network)\n  * CGAN(Conditional GAN) 구조 이해 및 MNIST 데이터를 활용한 모델링 실습\n* [Pytorch Animal Face Classification - CNNs, Mehmet -lauda- Tekman](https://www.kaggle.com/mehmetlaudatekman/pytorch-animal-face-classification-cnns)\n  * AFHQ(동물 얼굴 이미지)를 활용한 딥러닝 분류 모델링 실습\n* [Overview of Basic GAN Architecture - Seungwon Song](https://www.kaggle.com/songseungwon/overview-of-basic-gan-architecture)\n  * MNIST(1~9숫자데이터)를 활용한 딥러닝 이미지 생성기 구현\n* [Generate Fashion Images with Conditional GAN - Seungwon Song](https://www.kaggle.com/songseungwon/generate-fashion-images-with-conditional-gan)\n  * Fashion MNIST(그래픽 의류이미지)를 활용한 조건부(Conditional) 딥러닝 이미지 생성기 구현\n\n**Kaggle Tutorial | Image/Object Detection**\n* [[Train] SIIM COVID-19 Detection: 🔥FasterRCNN🔥 - Heroseo](https://www.kaggle.com/piantic/train-siim-covid-19-detection-fasterrcnn)\n  * 폐 X-ray를 통한 코로나 감지\n* [Yolo v3 Object Detection in Tensorflow - heartkilla](https://www.kaggle.com/aruchomu/yolo-v3-object-detection-in-tensorflow)\n  * Tensorflow, Yolo v3를 활용한 객체 탐지 솔루션\n* [SIIM COVID-19 Detection 🔱 10+Step Tutorial (1) - Seungwon Song](https://www.kaggle.com/songseungwon/siim-covid-19-detection-10-step-tutorial-1)\n  * 코로나 판별을 위한 Feature Engineering과 Image Detection\n\n**Kaggle Tutorial | Natural Language Processing**\n* [Beginner to Intermediate Natural Language Processing Guide - NowYSM](https://www.kaggle.com/ashishpatel26/beginner-to-intermediate-nlp-tutorial)\n  * sklearn + logistic Regression을 활용한 감성분석(긍/부정 표현 판별)\n* [Deep Learning NLP Quora Solutions - NowYSM](https://www.kaggle.com/ashishpatel26/deep-learning-nlp-quora-solutions)\n  * 딥러닝(Keras)을 활용한 악성(사회적으로 문제가 될 수 있는, 질이 나쁜) 질문 판별\n* [NLP Quick Start for Newbie😁 with 9steps - Seungwon Song](https://www.kaggle.com/songseungwon/nlp-quick-start-for-newbie-with-9steps)\n  * 재난 트위터를 활용한 가짜 뉴스 판별기 구현\n\n**Kaggle Tutorial | R Machine Learning**\n* [Getting staRted in R: First Steps - Rachael Tatman](https://www.kaggle.com/rtatman/getting-started-in-r-first-steps)\n  * r 기본 사용법 이해\n* [Getting staRted in R: Load Data Into R - Rachael Tatman](https://www.kaggle.com/rtatman/getting-started-in-r-load-data-into-r)\n  * r로 데이터를 다루는 방법\n* [Getting staRted in R: Summarize Data - Rachael Tatman](https://www.kaggle.com/rtatman/getting-started-in-r-summarize-data)\n  * `파이프(%\u003e%)` 문법 이해, 데이터 집계 및 요약\n* [Getting staRted in R: Graphing Data - Rachael Tatman](https://www.kaggle.com/rtatman/getting-started-in-r-graphing-data/)\n  * `ggplot2` 라이브러리 사용법 및 시각화 기법 이해\n* [Welcome to Data Science in R - Rachael Tatman](https://www.kaggle.com/rtatman/welcome-to-data-science-in-r)\n  * `modelr` 라이브러리를 활용한 머신러닝, 의사결정트리 이해\n  \n\n**Kaggle 우승 솔루션**\n* [Winning solutions of kaggle competitions](https://www.kaggle.com/code/sudalairajkumar/winning-solutions-of-kaggle-competitions)\n\n\n### 강의 \u0026 강연\n\n**정형데이터**\n\n* [정형데이터 분석 노하우 - T아카데미](https://www.youtube.com/watch?v=9NKGaJxcrsM\u0026list=PL9mhQYIlKEhcaivg3ltnx3DS49AAIc3qv)\n  * 캐글, 데이콘 대회 (정형 데이터) 분석 노하우, 접근 방법에 대한 강의\n\n**강연**\n\n* [Deep Learning Practitioner의 캐글 2회 참가기 - 김일두 (Kakao) 님](https://www.youtube.com/watch?v=zNzAAStE66o)\n\n**노트북**\n\n* [Feature Engineering Techniques - Chris Deotte](https://www.kaggle.com/c/ieee-fraud-detection/discussion/108575)\n\n\n\n### 캐글 \u0026 데이콘 대회 분류\n\n**입문 (For Beginners)**\n\n* [Titanic: Machine Learning from Disaster](https://www.kaggle.com/c/titanic)\n  * 타이타닉 생존자 예측 대회. 사망/생존자 분류 대회\n* [Bike Sharing Demand](https://www.kaggle.com/c/bike-sharing-demand)\n  * 자전거 수요 예측 대회. 수요를 예측하는 회귀예측(regression) 대회\n* [Home Credit Default Risk](https://www.kaggle.com/c/home-credit-default-risk/overview/evaluation)\n  * 신용 불량에 대한 리스크 예측 대회 (ROC-AUC)\n* [House Prices: Advanced Regression Technique](https://www.kaggle.com/c/house-prices-advanced-regression-techniques)\n  * 집값 예측 대회 (회귀 예측)\n\n**비전 (Vision)**\n\n* [Digit Recognizer](https://www.kaggle.com/c/digit-recognizer)\n* [Facial Keypoints Detection](https://www.kaggle.com/c/facial-keypoints-detection)\n* [Dogs vs. Cats](https://www.kaggle.com/c/dogs-vs-cats)\n* [Right Whale Recognition](https://www.kaggle.com/c/noaa-right-whale-recognition)\n* [Intel \u0026 MobileODT Cervical Cancer Screening](https://www.kaggle.com/c/intel-mobileodt-cervical-cancer-screening)\n\n**시계열 (Time Series)**\n\n* [Web Traffic Time Series Forecasting](https://www.kaggle.com/c/web-traffic-time-series-forecasting)\n* [Recruit Restaurant Visitor Forecasting](https://www.kaggle.com/c/recruit-restaurant-visitor-forecasting)\n* [Corporación Favorita Grocery Sales Forecasting](https://www.kaggle.com/c/favorita-grocery-sales-forecasting)\n* [Rossmann Store Sales](https://www.kaggle.com/c/rossmann-store-sales)\n\n**음성**\n\n* [TensorFlow Speech Recognition Challenge](https://www.kaggle.com/c/tensorflow-speech-recognition-challenge)\n\n\n## 블로그 (Blogs)\n\n* [테디노트](https://teddylee777.github.io/)\n  * 데이터분석, 머신러닝, 딥러닝 블로그\n* [생새우초밥집](https://freshrimpsushi.tistory.com/)\n  * 통계 관련 지식이 잘 정리되어 있는 블로그\n* [데이터 사이언스 스쿨](https://datascienceschool.net/)\n  * 데이터 분석, 머신러닝, 딥러닝 학습자라면 꼭 한번 씩은 가본 웹사이트. 노트북 정리가 잘 되어 있다. 운영자님께서 수학 강의도 하신다.\n* [공돌이의 수학정리노트](https://angeloyeo.github.io/2020/01/09/Bayes_rule.html)\n  * 머신러닝, 딥러닝에 꼭 필요한 수학을 정리한 블로그\n* [텐서 플로우 블로그](https://tensorflow.blog/)\n  * 설명이 굳이 필요하지 않음. 텐서플로우를 다룬다면 모를리 없는 박해선님의 블로그. 좋은 책 번역을 많이 해주신다.\n* [파이썬 킴](http://pythonkim.tistory.com/notice/25)\n  * 김성훈 교수님의 \"모두를 위한 딥러닝 시즌 1\" 강좌별 정리가 되어 있는 블로그\n* [안수빈님의 블로그](https://subinium.github.io/)\n  * 시각화에 대한 내용이 굉장히 정리가 잘 되어있는 블로그\n* [LOVIT X DATA SCIENCE 블로그](https://lovit.github.io/)\n  * 연구 내용 중심의 데이터 사이언스 관련 블로그. 전문적인 내용이 많이 게재되어 있는 곳.\n* [Google - Tensorflow Get Started (영문)](https://www.tensorflow.org/tutorials/)\n  * Google의 공식 document 사이트 이며, Tensorflow 의 기본 구현 방법 튜토리얼\n* [Laon People - Machine Learning](https://laonple.blog.me/221196685472)\n* [ratsgo's blog](https://ratsgo.github.io/blog/categories/#natural-language-processing)\n  * 자연어 처리 분야 뿐만 아니라, 다른 딥러닝 관련 글도 퀄리티가 높다. 다만, 이해에 조금 어려운 부분도 있다.\n* [수아랩 이호성님 블로그](https://hoya012.github.io/)\n  * 수준 높은 논문을 정리한 글들이 많다. 논문 스터디에 대하여 요약된 글도 좋다.\n* [매주 한편씩 글을 작성하는 자연어처리 블로그 - 위클리 NLP](https://jiho-ml.com/)\n  * 매주 한 편씩 자연어처리 관련 블로그 글을 게재하며, 퀄리터 또한 우수하다.\n* [한국어 임베딩 깃험](https://ratsgo.github.io/embedding/)\n  * 한국어 임베딩 도서 튜토리얼 페이지. 한국어 자연어처리에 관심있는 분들은 한 번쯤 보시길.\n* [추천 시스템 - 알고리즘 트렌드 정리](https://hoondongkim.blogspot.com/2019/03/recommendation-trend.html)\n  * 추천 시스템 알고리즘 트렌드에 대하여 자세히 정리된 블로그\n* [Team AI Korea](http://aikorea.org/blog/)\n* [AI Dev - 인공지능 개발자 모임](http://aidev.co.kr/)\n* [TensorFlow 한글 문서](https://tensorflowkorea.gitbooks.io/tensorflow-kr/content/)\n* [Agustinus Kristiadi's Blog (영문)](https://wiseodd.github.io/page5/)\n* [Colah's Blog (영문)](http://colah.github.io/)\n* [강화학습 정리 - 오태호님](https://teamdable.github.io/techblog/Reinforcement-Learning)\n\n\n## 깃헙 저장소 (GitHub)\n\n**튜토리얼(Tutorial)**\n* [스탠포드 강의 한글 번역 repo - AIKorea.org](https://github.com/aikorea/cs231n)\n  * 스탠포드 강의 요약본을 한글로 번역한 github repo.\n* [Machine Learning with Python](https://github.com/tirthajyoti/Machine-Learning-with-Python)\n  * 다양한 머신러닝 테크닉을 커버하는 튜토리얼 Jupyter Notebook을 모아놓은 GitHub!\n* [pytorch-tutorial](https://github.com/yunjey/pytorch-tutorial)\n  * 10,000개 이상의 스타를 받은 PyTorch 튜토리얼 깃헙.\n* [Deep Learning (with PyTorch) by Atcold](https://github.com/Atcold/pytorch-Deep-Learning)\n  * pytorch를 활용한 튜토리얼 ipynb 노트북이 잘 정리된 튜토리얼 깃헙\n* [TensorFlow Example Source Code](https://github.com/aymericdamien/TensorFlow-Examples)\n* [텐서플로우 공식 깃헙(한글)](https://github.com/tensorflow/docs-l10n/tree/master/site/ko)\n  * 텐서플로우 공식 운영중인 깃헙이며, 튜토리얼과 가이드가 있습니다.\n* [최성준님의 깃헙](https://github.com/sjchoi86)\n  * tensorflow를 활용한 많은 튜토리얼이 있음.\n* [Tensorflow2.0 Tutorial - 허민석님](https://github.com/minsuk-heo/tf2)\n  * 허민석님이 진행하는 유튜브 TensorFlow 2.0 강의와 실습자료가 있는 깃헙.\n* [Learning Python A.I Framework - jjerry-k](https://github.com/jjerry-k/learning_framework?fbclid=IwAR385K6J4Mgp3FsWfvCFaU6JMgOldoSadJo9iJLunSNghutOWJMOncrtCk4)\n  * Tensorflow, PyTorch, MxNet으로 기본 모델부터 다양한 ImageNet 등등이 구현되어 정리되어 있는 깃헙.\n* [Best of ML Python](https://github.com/ml-tooling/best-of-ml-python)\n  * 무려 840개의 오픈소스 ML 프로젝트 깃헙을 모아놓은 저장소\n* [CaptchaCracker](https://github.com/WooilJeong/CaptchaCracker)\n  * 보안문자 이미지 인식을 위한 딥 러닝 모델 생성 기능과 적용 기능을 제공하는 Python Module\n* [Pretrained Language Models For Korean - kiyoungkim1](https://github.com/kiyoungkim1/LMkor)\n  * Pretrained 자연어처리 모델을 공유한 github\n* [LangChain Tutorial](https://github.com/gkamradt/langchain-tutorials)\n  * LangChain 튜토리얼. 다양한 예제와 쿡북(cookbook), Use Case 등이 수록되어 있음.\n* [LangChain 한국어 튜토리얼](https://github.com/teddylee777/langchain-kr)\n  * LangChain 쿡북을 한국어로 번역한 한국어 튜토리얼.\n* [OpenAI API 한국어 튜토리얼](https://github.com/teddylee777/openai-api-kr)\n  * OpenAI Cookbook 을 한국어로 번역하고 한국어 예제를 추가한 튜토리얼.\n* [Awesome LLM](https://github.com/Hannibal046/Awesome-LLM)\n  *  대규모 언어 모델, 특히 ChatGPT와 관련된 엄선된 논문 목록.\n\n**강의(Lecture)**\n* [김성훈 교수님 - Deep Learning Zero To All](https://github.com/hunkim/DeepLearningZeroToAll)\n  * 김성훈 교수님 유튜브 강의 (밑바닥부터 시작하는 딥러닝) 깃헙.\n* [deepLearningOpenLecture - 바람님](https://github.com/eventia/deepLearningOpenLecture)\n  * 유튜브 채널 바람님의 딥러닝 강의 실습 파일 깃헙.\n\n**자연어처리(Natural Language Processing**\n* [한국어 임베딩 깃험](https://github.com/ratsgo/embedding)\n  * 한국어 임베딩 도서에 관한 자료를 받아볼 수 있는 깃헙. 데이터 셋을 다운로드 받을 수 있습니다.\n* [텐서플로2와 머신러닝으로 시작하는 자연어처리](https://github.com/NLP-kr/tensorflow-ml-nlp-tf2)\n  * 최근 발간된 텐서플로2와 머신러닝으로 시작하는 자연어 처리 서적에 대한 샘플 코드가 수록되어 있는 깃헙.\n* [자연어 처리 실무 깃헙 - 김웅곤님](https://github.com/kimwoonggon/publicservant_AI)\n  * BERT, Transformer등 실무 코딩을 다룹니다. (colab 파일 제공)\n* [국민은행 - KB-ALBERT-KO](https://github.com/KB-Bank-AI/KB-ALBERT-KO)\n  * 국민은행에서 공개한 한글 ALBERT 모델\n* [카카오 Khaiii 형태소 분석기](https://github.com/kakao/khaiii)\n  * 카카오에서 개발한 형태소 분석기 (Khaiii) 공식 깃헙\n* [한글 자연어처리 기법 모음](https://colab.research.google.com/drive/1FfhWsP9izQcuVl06P30r5cCxELA1ciVE?usp=sharing)\n  * 직접 실행해 볼 수 있는 Colab 파일입니다. 각 종 한글 데이터 전처리 기법들을 모아 놓았습니다.\n* [Text Analysis - 고려대 DSBA 강필성 교수님](https://github.com/pilsung-kang/Text-Analytics)\n  * 강의 슬라이드와 교안까지 깔끔하게 정리되어 있는 깃헙. 쉽고 템포를 천천히 강의해 주시기 때문에 듣기 편하고 이해가 비교적 쉽습니다.\n* [TTS - mozilla](https://github.com/mozilla/TTS)\n  * Deep learning for Text to Speech. Advanced Text-to-Speech generation 깃헙.\n* [자연어처리 종합선물세트 aka.뽀로로 - 카카오브레인](https://github.com/kakaobrain/pororo)\n  * PORORO: Platform Of neuRal mOdels for natuRal language prOcessing. 딥러닝 기반 자연어처리 all-in-one. 일단 무조건 한 번 써보는 것을 추천!\n\n**Computer Vision**\n* [Vision 처리 관련 튜토리얼 깃헙](https://github.com/nh9k/Computer-vision)\n  * Computer Vision 관련 처리와 OpenCV 관련 튜토리얼이 저장된 깃헙\n\n**Signal Processing**\n* [생체신호처리 관련 튜토리얼 깃헙](https://github.com/biosignalsplux/biosignalsnotebooks)\n  * 뇌전도(EEG), 심전도(ECG), 근전도(EMG)에 관련된 신호 처리 튜토리얼이 저장된 깃헙  \n\n**GAN**\n* [Keras GAN](https://github.com/osh/KerasGAN)\n  * Keras를 활용한 GAN구현\n* [Keras-DCGAN](https://github.com/jacobgil/keras-dcgan)\n  * DCGAN에 대한 Tutorial \n* [Keras-WGAN](https://github.com/tonyabracadabra/WGAN-in-Keras)\n* [미술관에 GAN 딥러닝](https://github.com/rickiepark/GDL_code)\n  * GAN에 관련된 번역 서적 실습용 GitHub repo 입니다. 다양한 예제들이 보기 쉽게 제공됩니다.\n* [Gan ZOO](https://github.com/hindupuravinash/the-gan-zoo)\n  * GAN에 관한 사실상 거의 모든 논문이 정리된 깃헙\n  \n\n**논문**\n* [terryum - awesome-deep-learning-papers](https://github.com/terryum/awesome-deep-learning-papers)\n  - 딥러닝 관련 논문을 매우 잘 정리해 놓은 깃헙\n* [Papers You Must Read (PYMR)](https://www.notion.so/c3b3474d18ef4304b23ea360367a5137?v=5d763ad5773f44eb950f49de7d7671bd)\n  - 고려대 Data Science \u0026 Business Analytics Lab에서 공유한 머신러닝을 학습을 위하여 필독해야할 논문 리스트 (노션)\n  \n\n**서적 예제**\n* [파이썬 코딩의 기술 (Effective Python) - 길벗출판사](https://github.com/gilbutITbook/006764)\n  - 파이썬을 배우기 위한 서적 연습문제 및 예제 소스코드 제공\n* [Pandas, Numpy, Visualization - Python Data Science Handbook 튜토리얼](https://colab.research.google.com/github/jakevdp/PythonDataScienceHandbook/blob/master/notebooks/Index.ipynb)\n  - Python Data Science Handbook 튜토리얼이 잘 정리된 colab. Pandas, Numpy, Visualization관련된 실습을 진행할 수 있습니다.\n* [Python Data Science Handbook](https://github.com/jakevdp/PythonDataScienceHandbook)\n  - (도마뱀책) Python Data Science Handbook 깃헙. 깃헙 스타 28K 이상. \n* [모두의 딥러닝 개정2판 - 길벗출판사](https://github.com/gilbutITbook/080228)\n  - 모두의 딥러닝 연습문제 및 예제 소스코드 제공\n* [머신러닝을 다루는 기술 with 파이썬, 사이킷런 (2020)](https://github.com/gilbutITbook/007017)\n  - 서적의 연습문제 및 예제 소스코드 제공\n* [핸즈온 머신러닝](https://github.com/rickiepark/handson-ml)\n  - 핸즈온 머신러닝 서적의 예제 및 소스코드 제공\n* [파이썬 머신러닝 완벽가이드](https://github.com/wikibook/ml-definitive-guide)\n  - 권철민님의 파이썬 머신러닝 완벽가이드 깃헙. 인프런에서 강의와 서적을 함께 보면 좋은 깃헙.\n* [Reinforcement Learning-2ndEdition by Sutton Exercise Solutions](https://github.com/LyWangPX/Reinforcement-Learning-2nd-Edition-by-Sutton-Exercise-Solutions)\n  - Reinforcement Learning 2nd Edition (Original Book by Richard S. Sutton,Andrew G. Barto) 풀이코드 깃헙.\n* [파이썬 딥러닝 텐서플로](https://github.com/lovedlim/tensorflow)\n  - 정보문화사에서 출판한 파이썬 딥러닝 텐서플로 (2021) 깃헙. 서적에 대한 예제 코드가 수록되어 있음.\n* [데이콘 경진대회 1등 솔루션](https://github.com/wikibook/dacon)\n  - 위키북스 - 데이콘 경진대회 1등 솔루션 서적의 예제 코드 깃헙.\n\n## 웹사이트 (Web Sites)\n* [Toolify AI](https://www.toolify.ai/ko/Best-trending-AI-Tools)\n  - 인기있는 AI 웹사이트 및 도구의 순위를 알려주고, 각 도구(웹사이트) 별로 간단 설명과 사용자 수 등등의 정보를 제공합니다.\n* [GPTers 그룹](https://www.gpters.org/home)\n  - ChatGPT 활용 커뮤니티. ChatGPT를 활용 및 확장한 여러 소그룹으로 이루어져 있고, 각각의 소그룹에서 ChatGPT 를 활용한 유용한 정보를 공유합니다.\n* [머신러닝 용어집](https://developers.google.com/machine-learning/glossary/?hl=ko)\n  - 머신러닝 용어들이 정리되어 있는 구글 developer 사이트.\n* [pandas tutorial](https://pandas.pydata.org/pandas-docs/stable/getting_started/intro_tutorials/index.html)\n  - 판다스 튜토리얼 (주요 api 위주로 진행하는 튜토리얼)\n* [20 minutes to matplotlib](https://www.tutorialdocs.com/article/python-matplotlib-tutorial.html)\n  - 20분안에 빠르게 훓어보는 matplotlib (주요 api 위주로 진행하는 튜토리얼)\n* [각 종 CheatSheet 모음](https://graspcoding.com/cheat-sheet-for-python-machine-learning-and-data-science/)\n  - python, pandas, numpy, matplotlib, seaborn 등등 각종 CheatSheet 모음집\n* [Paper With Code](https://paperswithcode.com/)\n  - 논문과 관련된 깃허브 저장소를 동시에 제공합니다.\n* [Codetorial](https://codetorial.net/?i=1)\n  - numpy, matpoltlib, tensorflow 뿐만 아니라 파이썬에서 많이 사용되는 라이브러리들에 대한 튜토리얼들이 정리되어 있습니다.\n* [Keras Examples](https://keras.io/examples/)\n  - 케라서 공식 도큐먼트에서 제공되는 example 예제 모음. 300줄 이하의 코드로 구성되어 있으며, 다양한 기본 예제들이 있다.\n* [자연어처리 100제](https://nlp100.github.io/ko/)\n  - 자연어 처리 관련된 문제 100제를 풀어보는 사이트\n* [자연어(NLP) 처리 기초 정리](http://hero4earth.com/blog/learning/2018/01/17/NLP_Basics_01/)\n* [Machine Learning Mastery(영문)](https://machinelearningmastery.com/)\n  - 머신 러닝 개념을 파이썬 코드를 통해 직접 구현해 볼 수 있습니다. 제공해 주는 Python 코드 예제가 좋습니다.\n* [Deep Note](https://deepnote.com/)\n  - Jupyter Notebook에 도전장을 내미는 데이터 사이언스 Notebook. 궁금하신 분들은 사용해 보시길!\n* [OpenAI Spinning Up](https://spinningup.openai.com/en/latest/)\n  - OpenAI의 강화 학습 교육 자료\n* [GUI for TensorFlow](https://www.perceptilabs.com/home)\n  - GUI로 텐서플로우 모델 만들기\n* [arXiv - 논문저장소](https://arxiv.org/)\n  - 논문 저장소. 인공지능, 프로그래밍 등 거의 모든 논문을 찾아볼 수 있다.\n* [arXiv sanity](https://arxiv.org/)\n  - 일정 기간동안 원하는 주제에 대한 인기 있는 arXiv 논문을 볼 수 있다.\n* [PyTorch 입문코스 5개](https://docs.microsoft.com/en-us/learn/browse/?terms=pytorch)\n  - 마이크로소프트 Learn. 파이토치 기초, 파이토치를 사용한 이미지/자연어/오디오\n* [PyTorch 튜토리얼 (한글)](https://tutorials.pytorch.kr/)\n  - PyTorch 웹사이트에서 제공하는 공식 튜토리얼의 한글 번역 버전\n* [PyTorch 자연어 처리 입문 - 김기현님](https://kh-kim.gitbooks.io/pytorch-natural-language-understanding/content/)\n  - 김기현님께서 공유해주신 PyTorch를 활용한 자연어 처리 입문 독스(Docs)\n* [Machine Learning Career](https://www.scaler.com/blog/machine-learning-career/)\n  - Machine Learning: 종합 가이드. 역동적인 ML 분야에서 탁월한 성과를 거두기 위한 경로, 기술, 업계 통찰력 및 팁을 알아보세요.\n\n## 위키독스 (Wiki Docs)\n\n* [Dive into Deep Learning](https://ko.d2l.ai/)\n  * 코드, 수학, 토론이 함께하는 대화형 딥러닝 학습서라고 나와있으며, 강력 추천 하고 다만, 한글 번역은 완벽하지 않음. 꼭 한번 살펴 보시길!\n* [점프 투 파이썬](https://wikidocs.net/book/1)\n  * 파이썬을 책으로 배우고 싶다면!\n* [초보자를 위한 파이썬 300제](https://wikidocs.net/book/922)\n  * 파이썬 기초 문법에 대한 300제 수록.\n* [Machine Learning 강의노트](https://wikidocs.net/book/587)\n  * Andrew Ng 교수님의 강의내용을 정리한 노트. 정말 잘 정리되어 있음.\n* [PyTorch로 시작하는 딥 러닝 입문](https://wikidocs.net/book/2788)\n  * PyTorch를 위키독스로 배우고 싶다면\n* [딥러닝을 이용한 자연어 처리 입문](https://wikidocs.net/book/2155)\n  * 자연어 처리 위키독스 (텐서플로우).\n* [딥 러닝을 이용한 자연어 처리 심화](https://wikidocs.net/book/2159)\n  * 조경현 교수님의 강의를 정리한 노트.\n* [파이썬으로 배우는 알고리즘 트레이딩](https://wikidocs.net/book/110)\n  * 증권사 연동 API를 활용한 트레이딩을 가능하게 해주는 파이썬 Wiki!\n* [빅데이터 - 하둡, 하이브로 시작하기](https://wikidocs.net/book/2203)\n  * 하둡, 하이브에 대한 내용 수록\n* [빅데이터 - 스칼라(scala), 스파크(spark)로 시작하기](https://wikidocs.net/book/2350)\n  * 스칼라, 스파크를 배우고 싶다면\n* [생성 AI 활용기](https://wikidocs.net/book/9451) - 전뇌해커\n  * 생성 AI를 활요한 다양한 예제 수록\n\n* [이미지 생성 AI 활용](https://wikidocs.net/book/12852) - 전뇌해커\n  * 이미지, 그림 그리기 등 생성 AI 를 활용한 이미지 생성/활용 내용 수록\n\n\n## 유튜브 채널 (YouTube Channel)\n* [3Blue1Brown 한국어 채널](https://www.youtube.com/@3Blue1BrownKR)\n  * 인공지능을 위한 수학을 쉽게 설명해주는 3Blue1Brown 채널의 한국어 버전. 정말 감사합니다!!\n* [SKPlanet TAcademy](https://www.youtube.com/channel/UCtV98yyffjUORQRGTuLHomw)\n  * 인공지능 강의 뿐만아니라 테크 분야의 다양한 분야의 정말 좋은 강의를 무료로 제공합니다.\n* [빵형의 개발도상국](https://www.youtube.com/channel/UC9PB9nKYqKEx_N3KM-JVTpg)\n  * 재미난 인공지능을 활용한 다양한 프로젝트를 진행해보고 풀이까지 쉽게 제공.\n* [한요섭님 - 딥러닝](https://www.youtube.com/channel/UCpujNlw4SUpgTU5rrDXH0Jw)\n  * 논문에 대한 리뷰, 구현까지 쉽게 설명해주시는 강의형 영상이 있습니다.\n* [이유한님 - 캐글](https://www.youtube.com/channel/UC--LgKcZVgffjsxudoXg5pQ)\n  * 캐글 커널 리뷰와 다양한 캐글 팁들을 알려주시는 영상으로 구성되어 있는 채널.\n* [허민석님 - Minsuk Heo](https://www.youtube.com/channel/UCxP77kNgVfiiG6CXZ5WMuAQ)\n  * 딥러닝 관련 영상들이 많이 게재되어 있으며, 깔끔한 PPT와 쉽고 간결한 설명의 강의 영상들이 많다.\n* [공돌이의 수학정리노트](https://www.youtube.com/user/AngeloYeo/)\n  * 공돌이의 수학정리노트 블로그에 이은, 쉽게 설명하는 수학 강의 영상 채널.\n* [혁펜하임](https://www.youtube.com/channel/UCcbPAIfCa4q0x7x8yFXmBag)\n  * 머신러닝, 딥러닝 관련 강의를 재밌고, 이해 하기 쉽게 설명하는 유튜브 채널.\n* [퇴근후딴짓](https://www.youtube.com/channel/UCs7pXreQXz30-ENLsnorqdA)\n  * 캐글 튜토리얼과 다양한 머신러닝 툴에 대해서도 다룹니다. 차분하게 배워볼 수 있는 유튜브 채널.\n* [테디노트](https://www.youtube.com/channel/UCt2wAAXgm87ACiQnDHQEW6Q)\n  * 텐서플로우 관련 영상들이 주를 이룹니다. 데이터 분석, 머신러닝, 그리고 딥러닝 주제를 다루는 유튜브 채널.\n* [StatQuest with Josh Starmer](https://www.youtube.com/channel/UCtYLUTtgS3k1Fg4y5tAhLbw)\n  * 머신러닝의 배경이 되는 통계학을 그림과 함께 쉽고 간결하게 설명해 주는 채널.\n* [Venelin Valkov](https://www.youtube.com/c/VenelinValkovBG/featured)\n  * 머신러닝을 활용한 예제 및 정보를 소개해주는 채널\n* [sentdex](https://www.youtube.com/channel/UCfzlCWGWYyIQ0aLC5w48gBQ)\n  * 머신러닝을 활용한 프로젝트 및 강좌 채널\n* [통계의 본질 EOStatistics](https://www.youtube.com/channel/UCVrs4KiLQz_gvVWWK1pKR1g)\n  * 통계의 이론 강의가 쉽게 설명되어 있는 유튜브 채널. 특히, 손으로 푸는 통계 강의 목록이 초심자에게는 매우 이해하기 쉽게 설명되어 있다.\n* [Upstage](https://www.youtube.com/channel/UCXJY5PPAToqqSketm5_PrDw)\n  * 김성훈 교수님, 이활석님, 박은정님께서 창업하신 인공지능(AI) 전문기업 업스테이지의 유튜브 채널. 입문자를 위한 캐글 관련 영상들이 게재되어 있고, 그 밖에 유용한 정보들도 있다.\n* [AI프렌즈](https://www.youtube.com/channel/UC2L1DgDMD5pJ-35G47Objfw)\n  * 인공지능 기술을 공유하는 산-학-연 중심의 비영리 연구모임. 유튜브 라이브로 게스트를 초청하여 약 2시간 분량의 발표를 진행 / 녹화하여 공유하고 있다.\n  \n## 논문 읽기 (YouTube)\n* [딥러닝 논문 읽기 PR12-season1](https://www.youtube.com/watch?v=auKdde7Anr8\u0026list=PLWKf9beHi3Tg50UoyTe6rIm20sVQOH1br)\n* [딥러닝 논문 읽기 PR12-season2](https://www.youtube.com/watch?v=FfBp6xJqZVA\u0026list=PLWKf9beHi3TgstcIn8K6dI_85_ppAxzB8)\n* [딥러닝 논문 읽기 PR12-season3](https://www.youtube.com/watch?v=D-baIgejA4M\u0026list=PL_skMddDjnzq1wDI3t2cH9hlK6wBBapeA)\n* [딥러닝 논문 읽기 모임](https://www.youtube.com/channel/UCDULrK2OJsiDhFroa2Aj_LQ)\n\n## 데이터 사이언티스트 스토리 (Data Scientist Story)\n\n**코딩하는 테크보이 워니**\n* [머신러닝, 딥러닝, 빅데이터가 도대체 뭐야? ft. 스탠포드 박사 - 코딩하는 테크보이 워니](https://www.youtube.com/watch?v=-tmypCjhfkE)\n* [인공지능 (머신러닝) 직장 취업 어떻게 해요? ft. 스탠포드 박사 - 코딩하는 테크보이 워니](https://www.youtube.com/watch?v=PX4Kzoxdbgo)\n\n**Data Scientist이지영님**\n* [비전공자가 데이터사이언티스트로 취업할 수 있는지, 취업 팁 - Data Scientist이지영님](https://www.youtube.com/watch?v=7vk_cRUCk38\u0026list=PLfi-4a2tMaHSPJ_a1m6lTgOCDQgNF945G)\n* [데이터 사이언티스트 연봉, 휴가 이직에 대해 - Data Scientist이지영님](https://www.youtube.com/watch?v=3ue7nxqd7Ak\u0026list=PLfi-4a2tMaHSPJ_a1m6lTgOCDQgNF945G\u0026index=3)\n* [3년차 데이터과학자가 말하는 이 일이란? - Data Scientist이지영님](https://www.youtube.com/watch?v=-I8r_efiROU\u0026list=PLfi-4a2tMaHSPJ_a1m6lTgOCDQgNF945G\u0026index=2)\n\n**터닝포인트TP, 취업 전문 유튜브**\n* [데이터 사이언티스트 \u0026 머신러닝 엔지니어? 현직자가 모두 알려준다!(ft.자연어 처리10년) - 터닝포인트TP, 취업 전문 유튜브](https://www.youtube.com/watch?v=ykkBHGrBGPQ)\n* [데이터 사이언티스트 연봉? 취업 전망? 10년차 엔지니어가 다 알려줌!! - 터닝포인트TP, 취업 전문 유튜브](https://www.youtube.com/watch?v=xBmycYVOO3Y)\n* [머신러닝과 데이터사이언티스트 진로? 학벌? 야근? 10년차 전문가가 모두 답변해드립니다!! - 터닝포인트TP, 취업 전문 유튜브](https://www.youtube.com/watch?v=nnHv8P21et8)\n\n**딥러닝호형 DL bro**\n* [머신러닝, 딥러닝, 인공지능, 데이터 분석 대학원 고민하고 계세요? - 딥러닝호형 DL bro](https://www.youtube.com/watch?v=APS1bLYBUjg)\n\n**데이터 사이언스를 공부하고 싶은 분들을 위한 글**\n* [데이터 사이언스를 공부하고 싶은 분들을 위한 글](https://github.com/Team-Neighborhood/I-want-to-study-Data-Science)\n\n## 페이스북 그룹 (Facebook Groups)\n* [TensorFlow Korea](https://www.facebook.com/groups/TensorFlowKR/?ref=bookmarks)\n  * 텐서플로우 코리아\n* [PyTorch KR](https://www.facebook.com/groups/PyTorchKR/)\n  * 파이토치 코리아\n* [Kaggle Korea](https://www.facebook.com/groups/KaggleKoreaOpenGroup/)\n  * 캐글 코리아\n* [Recommender System KR](https://www.facebook.com/groups/2611614312273351/)\n  * 추천 시스템\n* [A.I. Lookbook](https://www.facebook.com/AI.Lookbook/)\n  * 시각화\n* [AI Korea](https://www.facebook.com/groups/AIKoreaOpen/)\n  * AI 코리아\n* [Reinforcement Learning KR](https://www.facebook.com/groups/ReinforcementLearningKR/)\n  * 강화학습 코리아\n* [통계분석연구회](https://www.facebook.com/groups/statsas)\n  * 통계학 분석 연구회 (Statistics Analysis Study)\n* [GNN KR](https://www.facebook.com/groups/2190093671090112/)\n  * 그래프 뉴럴 네트워크\n\n## 라이브러리 (Library)\n* [Tensorflow](https://www.tensorflow.org/?hl=ko)\n  * 딥 뉴럴 네트워크\n* [PyTorch](https://pytorch.org/)\n  * 딥 뉴럴 네트워크\n* [Scikit-learn](https://scikit-learn.org/stable/)\n  * 머신러닝\n* [BindsNET](https://github.com/BindsNET/bindsnet)\n  * 스파이킹 뉴럴 네트워크 for Pytorch\n* [NengoDL](https://github.com/nengo/nengo-dl)\n  * 스파이킹 뉴럴 네트워크 for Tensorflow\n* [HpBandster](https://github.com/automl/HpBandSter)\n  * 하이퍼밴드 및 베이지안-하이퍼밴드 기반 파라미터 최적화 라이브러리\n\n## 오픈데이터\n* [문화 빅데이터 플랫폼](https://www.bigdata-culture.kr/bigdata/user/main.do)\n* [PublicDataReader](https://github.com/WooilJeong/PublicDataReader)\n  * 공공 데이터를 Pandas DataFrame으로 조회할 수 있는 Python SDK\n* [통합 데이터 지도](https://www.bigdata-map.kr)\n* [서울 열린데이터 광장](https://data.seoul.go.kr/)\n* [Papers with Code|Datasets](https://paperswithcode.com/datasets)\n* [공공데이터포털](https://www.data.go.kr/)\n* [Open Data Inception](https://opendatainception.io/)\n* [AI Hub](http://www.aihub.or.kr/)\n  * 정부지원 AI 관련 데이터, 소프트웨어, 컴퓨팅 자원지원, 경진대회 등이 존재하는 플랫폼\n* [Appen](https://appen.com/resources/datasets/)\n* [오픈데이터를 모아 놓은 깃헙](https://github.com/awesomedata/awesome-public-datasets)\n* [VisualData - Vision 관련 데이터셋](https://www.visualdata.io/)\n* [한국데이터거래소](http://lab.kdx.kr/adl/contest/main.php)\n* [Korpora: Korean Corpora Archives - 한글 자연어처리 관련 데이터셋](https://github.com/ko-nlp/Korpora)\n* [KorQuAD2.0 - 한글 질문답변 데이터셋](https://korquad.github.io/)\n* [모두의말뭉치 - 국립국어원](https://corpus.korean.go.kr/)\n* [Microsoft Azure Dataset](https://azure.microsoft.com/ko-kr/services/open-datasets/catalog/)\n* [PhysioNet 의료 오픈데이터셋](https://physionet.org/about/database/)\n\n## 텐서플로우 자격증\n* [텐서플로우 자격증 취득 과정](https://learnaday.kr/open-course/tfcert)\n\n## 빅데이터 분석기사\n* [빅데이터 분석기사 실기(캐글) - KIM TAE HEON](https://www.kaggle.com/agileteam/bigdatacertificationkr)\n  * 캐글에서 빅데이터 분석기사 실기 문제를 모의고사 형태로 풀어볼 수 있음\n\n## 기타\n* [Kaggle 도커에 기반한 딥러닝 서버 구축(한글 자연어처리 패키지 추가)](https://teddylee777.github.io/linux/docker-kaggle-ko2/)\n* [파이썬(Python) 기반의 데이터 분석 / 머신러닝 / 딥러닝 도커(docker)](https://hub.docker.com/repository/docker/teddylee777/deepko)\n* [Udacity: Dog Breed Image Classifier in Pytorch](https://github.com/teddylee777/machine-learning)\n* [TED: Big Data playlist (한국어 자막 지원)](https://www.ted.com/playlists/56/making_sense_of_too_much_data)\n  * 데이터 이해하기 (통계, 시각화) \n","project_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2Fteddylee777%2Fmachine-learning","html_url":"https://awesome.ecosyste.ms/projects/github.com%2Fteddylee777%2Fmachine-learning","lists_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2Fteddylee777%2Fmachine-learning/lists"}