PART 01 개발 환경 설정
1. 구글 코랩이란?
2. 코랩 시작하기
2-1. 구글 계정 로그인
2-2. 구글 코랩 실행하기
3. \"Hello, Colab\" 코딩하기
4. 예제 파일 업로드하기

PART 02 파이썬 기초
1. 프로그래밍 기본 개념
1-1. 데이터 입력과 출력
1-2. 변수에 저장
1-3. 화면에 출력
2. 자료형
2-1. 숫자형
2-2. 문자열
2-3. 리스트
2-4. 투플
2-5. 딕셔너리
3. 연산자
3-1. 산술연산자
3-2. 논리연산자
3-3. 비교연산자
4. 제어문
4-1. 조건문(if)
4-2. for 반복문
4-3. while 반복문
4-4. 예외처리(try~except)
5. 함수
5-1. 사용자 정의 함수
5-2. 람다(lambda) 함수
5-3. 파이썬 내장 함수
6. 클래스

PART 03 머신러닝 입문
1. 판다스 자료구조
2. 머신러닝
2-1. 지도학습 vs. 비지도학습
2-2. 회귀 vs. 분류
2-3. 머신러닝 프로세스
3. 일차함수 관계식 찾기
3-1. 문제 파악
3-2. 데이터 탐색
3-3. 데이터 전처리
3-4. 모델 학습
3-5. 예측
4. 분류(Classification) - 붓꽃의 품종 판별
4-1. 데이터 로딩
4-2. 데이터 탐색
4-3. Train-Test 데이터셋 분할
4-4. 분류 알고리즘 ① - KNN
4-5. 분류 알고리즘 ② - SVM
4-6. 분류 알고리즘 ③ - 로지스틱 회귀
4-7. 분류 알고리즘 ④ - 의사결정나무
4-8. 앙상블 모델 ① - 보팅
4-9. 앙상블 모델 ② - 배깅
4-10. 앙상블 모델 ③ - 부스팅
4-11. 교차 검증 ① - Hold-out
4-12. 교차 검증 ② - K-fold
5. 회귀(Regression) - 보스턴 주택 가격 예측
5-1. 데이터 로딩
5-2. 데이터 탐색
5-3. 데이터 전처리
5-4. 베이스라인 모델 ？ 선형 회귀
5-5. 모델 성능 평가
5-6. 과대적합 회피(L2/L1 규제)
5-7. 트리 기반 모델 ？ 비선형 회귀

PART 04 머신러닝 응용
1. 사전 준비
1-1. 데이콘 경진 대회 데이터셋 다운로드
1-2. 구글 드라이브에 파일 업로드
1-3. 구글 드라이브 마운트
2. 데이터 탐색
2-1. 데이터 로딩
2-2. 데이터 구조
2-3. 결측값 확인
2-4. 상관 관계 분석
3. 베이스라인 모델
3-1. 데이터 결합
3-2. 데이터 전처리
3-3. 모델 학습 및 검증
3-4. 모델 예측
3-5. 데이콘 리더보드 점수 확인
4. 피처 엔지니어링(+EDA)
4-1. Survived : 생존 여부
4-2. Pclass : 객실 등급
4-3. Sex : 성별
4-4. Name : 이름
4-5. Age : 나이
4-6. SibSp : 형제자매/배우자
4-7. Parch : 부모/자식
4-8. Fare : 요금
4-9. Embarked : 탑승 항구
4-10. Cabin : 객실 구역
4-11. Ticket : 탑승권
5. 데이터 전처리
5-1. 레이블 인코딩
5-2. 원핫 인코딩
5-3. 피처 스케일링
6. 모델 학습
6-1. 피처 선택
6-2. 피처 중요도
6-3. 분류 확률값

PART 05 딥러닝 입문
1. 인공 신경망의 구조
1-1. 활성화 함수
1-2. 손실 함수
1-3. 옵티마이저(최적화 알고리즘)
1-4. 다층 신경망(MLP, Multi-Layer Perceptron)
2. 간단한 딥러닝 모델 만들기
2-1. Sequential API
2-2. 모델 컴파일
2-3. 모델 학습 및 예측
3. 딥러닝을 활용한 회귀 분석 : 보스턴 주택 가격 예측
3-1. 데이터 전처리
3-2. MLP 모델 아키텍처 정의
3-3. 미니 배치 학습
3-4. 교차 검증
4. 딥러닝을 활용한 분류 예측 : 와인 품질 등급 판별
4-1. 데이터 전처리
4-2. 모델 설계 : 드랍아웃 활용
4-3. 콜백 함수 : Early Stopping 기법
4-4. 예측값 정리 및 파일 제출

PART 06 딥러닝 응용
1. 이미지 분류 : Fashion MNIST 의류 클래스 판별
1-1. 데이터 전처리
1-2. 홀드아웃 교차 검증을 위한 데이터셋 분할
1-3. MLP 모델 학습
1-4. 합성곱 신경망(CNN)
1-5. 과대적합 방지
1-6. 사용자 정의 콜백 함수
2. 오토인코더 : 차원 축소와 이미지 복원
2-1. 기본 개념
2-2. 오토인코더 모델 만들기
3. 전이 학습 : 사전 학습 모델 활용
3-1. GPU 런타임 설정
3-2. CIFAR-10 데이터셋
3-3. 일반 합성곱 신경망(CNN)으로 분류 예측
3-4. 전이 학습으로 분류 예측
4. 자연어 처리(NLP) : IMDb 영화 리뷰 감성 분석
4-1. IMDb 영화 리뷰 데이터셋
4-2. 제로 패딩
4-3. 단어 임베딩
4-4. RNN
4-5. LSTM
4-6. GRU
5. 시계열 분석 : 전력 거래 가격 예측
5-1. 데이터 탐색
5-2. 데이터 전처리
5-3. LSTM 모델로 시계열 예측