Numpy

학습 목표

이 강의를 통해 NumPy 라이브러리의 기본 개념과 중요성을 이해하고, Python 리스트와의 차이점을 명확히 파악할 수 있습니다. NumPy의 핵심 자료구조인 ndarray를 활용하여 효율적인 데이터 처리 및 연산을 수행하는 방법을 익힙니다.

핵심 개념

• 데이터 수집 및 전처리: 머신러닝/딥러닝 학습을 위한 데이터 수집의 중요성과 어려움, 그리고 결측치 및 이상치 처리 등 전처리 과정의 필요성을 배웁니다.
• NumPy (ndarray): Python 리스트의 한계를 극복하고 효율적인 계산을 위해 사용되는 NumPy 라이브러리와 그 핵심인 ndarray에 대해 학습합니다. ndarray는 단일 타입을 가지며 메모리 구조가 연속되어 있어 빠른 연산 속도를 제공합니다.
• 메모리 구조와 속도: ndarray의 연속적인 메모리 구조가 어떻게 빠른 연산 속도를 가능하게 하는지, 특히 병렬 처리와 벡터화의 개념을 통해 이해합니다.
• 벡터화(Vectorization): 반복문 없이 배열 단위로 연산을 수행하는 벡터화의 개념과 그 장점을 배웁니다. 이는 NumPy가 Python 리스트보다 훨씬 빠른 이유 중 하나입니다.
• Python 리스트 vs ndarray: Python 리스트는 다양한 타입을 담을 수 있어 편리하지만 연산에 비효율적입니다. 반면 ndarray는 단일 타입을 사용하여 메모리 효율성과 연산 속도를 높입니다.

# Python 리스트 예시 (다양한 타입)
my_list = [1, "hello", 3.14, [1, 2]]

# NumPy ndarray 예시 (단일 타입)
import numpy as np
my_array = np.array([1, 2, 3, 4])

공부 방향성

본 강의 시청 전, Python 리스트의 기본적인 사용법을 숙지하고 있다면 NumPy의 장점을 더 명확하게 이해하는 데 도움이 될 것입니다. 강의 시청 후에는 NumPy의 다양한 함수와 메서드를 활용하여 실제 데이터 분석 및 머신러닝 프로젝트에 적용하는 연습을 해보세요. 특히, 데이터 전처리 및 수치 계산이 필요한 작업에서 NumPy의 활용도를 높이는 것이 중요합니다.