Data Science & ML

Python: 타입, 데이터 구조, OOP, 데코레이터, 제너레이터, 컨텍스트 매니저

NumPy: 배열, broadcasting, indexing, 벡터화 연산, 선형 대수

Pandas: DataFrames, Series, indexing, groupby, merge, pivot, 시계열

SQL: SELECT, JOIN, GROUP BY, window functions, CTEs, 쿼리 최적화

시각화: Matplotlib (figures, axes, subplots), Seaborn (통계 플롯), Plotly (인터랙티브)

통계: 분포, 가설 검정, 신뢰 구간, 회귀

피처 엔지니어링: 인코딩, 스케일링, 피처 선택, 피처 생성

지도 학습 ML: 선형/로지스틱 회귀, 트리, Random Forest, XGBoost, 메트릭

비지도 학습 ML: K-Means, 계층적 클러스터링, PCA, t-SNE

ML 파이프라인: train/test split, cross-validation, 하이퍼파라미터 튜닝, 과적합

딥러닝: 퍼셉트론, 역전파, 활성화 함수, 옵티마이저, 손실 함수

CNN: 합성곱, pooling, 아키텍처 (ResNet, VGG), 전이 학습

RNN/LSTM: 시퀀스, 기울기 소실, 어텐션 메커니즘, Transformers

NLP: 토큰화, embeddings, word2vec, BERT, LLM 파인튜닝

MLOps: 버전 관리 (MLflow), 컨테이너화 (Docker), API (FastAPI), 모니터링

Cloud: Google Cloud (Compute, Storage, BigQuery), GPU 학습, Vertex AI

AI 윤리: 편향, 설명 가능성 (SHAP, LIME), 공정성, GDPR