Machine-learning

AutoML을 완전히 마스터하는 가이드. 하이퍼파라미터 최적화(Optuna, Ray Tune), AutoGluon, FLAML, H2O AutoML, 신경망 구조 탐색(NAS), 그리고 AutoML이 데이터 과학을 어떻게 바꾸는지 실전 코드로 배웁니다.

데이터 중심 AI를 완전히 마스터하는 가이드. 데이터 품질 측정, 레이블 정제, 데이터 증강, 합성 데이터 생성, Cleanlab, 능동 학습, 데이터 플라이휠까지 실전 코드로 배웁니다.

AI와 머신러닝을 이해하기 위한 핵심 수학을 완전히 정복하는 가이드. 선형대수(벡터, 행렬, 고유값), 미적분(편미분, 체인 룰), 확률통계(확률분포, 최대우도추정, 베이즈)까지 직관적으로 설명합니다.

AI와 머신러닝을 위한 Python 생태계 완전 정복 가이드. NumPy 배열 연산, Pandas 데이터 처리, Matplotlib/Seaborn 시각화, Scikit-learn으로 머신러닝까지 실전 예제와 함께 마스터합니다.

표 형식 데이터에서 최고 성능을 내는 ML 완전 가이드. XGBoost, LightGBM, CatBoost 앙상블, 피처 엔지니어링, 하이퍼파라미터 최적화, 그리고 딥러닝 기반 TabNet까지 Kaggle 수준의 실전 기법으로 마스터합니다.

AIOps를 활용한 이상 탐지 자동화 종합 가이드. 전통적 임계값 알림의 한계, ML 기반 이상 탐지 알고리즘(Isolation Forest, Prophet, DBSCAN), Prometheus 메트릭 기반 자동 분석, Kubernetes 이벤트 상관 분석, 알림 노이즈 감소 전략, 그리고 Robusta/Datadog AIOps 실전 적용까지 다룹니다.

AI/ML 논문을 읽을 때 반드시 만나는 수학 개념(선형대수·미적분·확률통계·최적화)과 LaTeX/KaTeX 수식 문법을 실전 예시 중심으로 총정리합니다. 기호 치트시트, 수식 패턴 해설, MDX 블로그 렌더링 팁까지 한 번에 다룹니다.

Feast를 활용하여 오프라인/온라인 피처 스토어를 구축하고, 학습과 서빙에서 일관된 피처를 제공하는 실전 파이프라인을 만들어본다

NVIDIA CUDA의 기초 개념부터 GPU 아키텍처, C/C++ 커널 프로그래밍, 메모리 최적화, Python 연동(PyTorch, Numba, CuPy), Multi-GPU 학습, 프로파일링, 트러블슈팅까지 실전 중심으로 다루는 종합 가이드.