°£Æí°áÁ¦, ½Å¿ëÄ«µå û±¸ÇÒÀÎ
ÀÎÅÍÆÄÅ© ·Ôµ¥Ä«µå 5% (21,380¿ø)
(ÃÖ´ëÇÒÀÎ 10¸¸¿ø / Àü¿ù½ÇÀû 40¸¸¿ø)
ºÏÇǴϾð ·Ôµ¥Ä«µå 30% (15,750¿ø)
(ÃÖ´ëÇÒÀÎ 3¸¸¿ø / 3¸¸¿ø ÀÌ»ó °áÁ¦)
NH¼îÇÎ&ÀÎÅÍÆÄÅ©Ä«µå 20% (18,000¿ø)
(ÃÖ´ëÇÒÀÎ 4¸¸¿ø / 2¸¸¿ø ÀÌ»ó °áÁ¦)
Close

ÆÄÀ̽ã ÀÔ¹® ¿¹Á¦ Á᫐ : ÆÄÀ̽㠱âÃÊ with µ¥ÀÌÅÍ ºÐ¼® ½Ã°¢È­

¼Òµæ°øÁ¦

2013³â 9¿ù 9ÀÏ ÀÌÈÄ ´©Àû¼öÄ¡ÀÔ´Ï´Ù.

ÆǸÅÁö¼ö 29
?
ÆǸÅÁö¼ö¶õ?
»çÀÌÆ®ÀÇ ÆǸŷ®¿¡ ±â¹ÝÇÏ¿© ÆǸŷ® ÃßÀ̸¦ ¹Ý¿µÇÑ ÀÎÅÍÆÄÅ© µµ¼­¿¡¼­ÀÇ µ¶¸³ÀûÀÎ ÆǸŠÁö¼öÀÔ´Ï´Ù. ÇöÀç °¡Àå Àß Æȸ®´Â »óÇ°¿¡ °¡ÁßÄ¡¸¦ µÎ¾ú±â ¶§¹®¿¡ ½ÇÁ¦ ´©Àû ÆǸŷ®°ú´Â ´Ù¼Ò Â÷ÀÌ°¡ ÀÖÀ» ¼ö ÀÖ½À´Ï´Ù. ÆǸŷ® ¿Ü¿¡µµ ´Ù¾çÇÑ °¡ÁßÄ¡·Î ±¸¼ºµÇ¾î ÃÖ±ÙÀÇ À̽´µµ¼­ È®Àνà À¯¿ëÇÒ ¼ö ÀÖ½À´Ï´Ù. ÇØ´ç Áö¼ö´Â ¸ÅÀÏ °»½ÅµË´Ï´Ù.
Close
°øÀ¯Çϱâ
Á¤°¡

25,000¿ø

  • 22,500¿ø (10%ÇÒÀÎ)

    1,250P (5%Àû¸³)

ÇÒÀÎÇýÅÃ
Àû¸³ÇýÅÃ
  • S-Point Àû¸³Àº ¸¶ÀÌÆäÀÌÁö¿¡¼­ Á÷Á¢ ±¸¸ÅÈ®Á¤ÇϽŠ°æ¿ì¸¸ Àû¸³ µË´Ï´Ù.
Ãß°¡ÇýÅÃ
¹è¼ÛÁ¤º¸
  • 4/18(¸ñ) À̳» ¹ß¼Û ¿¹Á¤  (¼­¿ï½Ã °­³²±¸ »ï¼º·Î 512)
  • ¹«·á¹è¼Û
ÁÖ¹®¼ö·®
°¨¼Ò Áõ°¡
  • À̺¥Æ®/±âȹÀü

  • ¿¬°üµµ¼­

  • »óÇ°±Ç

AD

Ã¥¼Ò°³

ÀÌ Ã¥Àº ÇÁ·Î±×·¡¹ÖÀ» óÀ½ Á¢ÇÏ´Â Çлý°ú ÀϹÝÀÎ ¶Ç´Â ´Ù¸¥ ÄÄÇ»ÅÍ ¾ð¾î´Â ¾î´À Á¤µµ ¾ËÁö¸¸ ÆÄÀ̽ãÀº óÀ½ÀÎ ºÐÀ» ´ë»óÀ¸·Î ³»¿ëÀÌ ±¸¼ºµÇ¾ú½À´Ï´Ù. ÀÌ Ã¥Àº µÎ ´Ü°è·Î ±¸¼ºµÇ¾î ÀÖ½À´Ï´Ù. ù ´Ü°è¿¡¼­´Â º¯¼ö, µ¥ÀÌÅÍ Çü, Á¶°Ç¹®, ¹Ýº¹¹®, ÇÔ¼ö, ¸®½ºÆ®, Æ©ÇÃ, µñ¼Å³Ê¸®, °´Ã¼ÁöÇâ µîÀÇ ÆÄÀ̽㠱âÃʸ¦ ÀÍÈü´Ï´Ù. ±×¸®°í µÎ ¹ø° ´Ü°è¿¡¼­´Â Numpy, Pandas, MatplotlibÀÇ ÆÄÀ̽ã ÆÐÅ°Áö¸¦ ÀÌ¿ëÇÏ¿© µ¥ÀÌÅÍ ºÐ¼®°ú ½Ã°¢È­¸¦ ÇÏ´Â ¹æ¹ýÀ» ¹è¿ó´Ï´Ù. ¶ÇÇÑ ½ÇÁ¦ °ø°ø ±â°ü¿¡¼­ Á¦°øÇÏ´Â Àü±¹ ¾à±¹ µ¥ÀÌÅÍ ºÐ¼®, Á¦ÁÖµµ ±â»ó µ¥ÀÌÅÍ ºÐ¼®, Àü±¹ ÃʵîÇб³ Çлý µ¥ÀÌÅÍ ºÐ¼®, ±¹³» Àα¸ Åë°è ºÐ¼® ¹× ½Ã°¢È­¿¡ ÆÄÀ̽ãÀ» È°¿ëÇÏ´Â ¹æ¹ýÀ» ÀÍÈü´Ï´Ù.

ÃâÆÇ»ç ¼­Æò

ÀÌ Ã¥Àº ÆÄÀ̽ãÀ» óÀ½ °øºÎÇÏ´Â µ¶ÀÚ¸¦ ´ë»óÀ¸·Î ¿¹Á¦ Áß½ÉÀ¸·Î µû¶óÇϱ⠽ÄÀ¸·Î Àç¹ÌÀÖ°Ô ÆÄÀ̽ãÀ» °øºÎÇÏ´Â µ¥ ÃÊÁ¡ÀÌ ¸ÂÃß¾îÁ® ÀÖ½À´Ï´Ù. ¶ÇÇÑ ´ëÇÐ ¹× ±³À° ±â°ü¿¡¼­ ÇÑ Çб⠶Ǵ µÎ Çб⠰­ÀÇ¿¡ ÀûÇÕÇÏ°Ô ³»¿ëÀÌ ±¸¼ºµÇ¾úÀ¸¸ç, ¹®Á¦ ÃâÁ¦¸¦ À§ÇÑ ´Ù¾çÇÑ ³­À̵µÀÇ ¿¬½À ¹®Á¦¿Í PPT Ãʾȵµ ÇÔ²² Á¦°øÇÕ´Ï´Ù.
ÀÌ Ã¥Àº ÆÄÀ̽㠱âÃÊ¿Í µ¥ÀÌÅÍ ºÐ¼®¤ý½Ã°¢È­ÀÇ µÎ ºÎºÐÀ¸·Î ±¸¼ºµË´Ï´Ù. ±âÃÊ °úÁ¤¿¡¼­´Â º¯¼ö, µ¥ÀÌÅÍ Çü, ¿¬»êÀÚ, Á¶°Ç¹®, ¹Ýº¹¹®, ÇÔ¼ö, ¸®½ºÆ®, Æ©ÇÃ, µñ¼Å³Ê¸®, °´Ã¼ÁöÇâ °³³ä¿¡ ´ëÇØ ÇнÀÇÏ°í, ºÐ¼® ¹× ½Ã°¢È­ °úÁ¤¿¡¼­´Â Numpy, Pandas, Matplotlib ÆÄÀ̽ã ÆÐÅ°ÁöÀÇ ±âÃÊ¿Í À̸¦ ½ÇÁ¦ ±â»ó µ¥ÀÌÅÍ, Àü±¹ ¾à±¹ µ¥ÀÌÅÍ, ÃʵîÇб³ ¹× Çлý µ¥ÀÌÅÍ, Àα¸ Åë°è µ¥ÀÌÅÍ ºÐ¼®°ú ½Ã°¢È­¿¡ È°¿ëÇÏ´Â ¹æ¹ýÀ» ÀÍÈü´Ï´Ù.

¸ñÂ÷

Chpater01. ÆÄÀ̽ã°ú °³¹ß Åø
1.1 ÆÄÀ̽㠰³¿ä
1.1.1 ÆÄÀ̽ãÀ̶õ?
1.1.2 ÆÄÀ̽ãÀÇ Æ¯Â¡
1.2 °³¹ß Åø ¼Ò°³
1.2.1 ±âº» °³¹ß Åø(IDLE)
1.2.2 ÁÖÇÇÅÍ ³ëÆ®ºÏ
1.2.3 ÆÄÀÌÂü
1.2.4 ¼­ºê¶óÀÓ ÅؽºÆ®
1.3 IDLE ¼³Ä¡ ¹× »ç¿ë¹ý
1.3.1 IDLE ¼³Ä¡
1.3.2 ÆÄÀ̽㠽© »ç¿ë¹ý
1.3.3 IDLE ¿¡µðÅÍ »ç¿ë¹ý
¿¬½À¹®Á¦

Chapter02. ÆÄÀ̽ãÀÇ ±âº» ¹®¹ý
2.1 º¯¼ö
2.1.1 º¯¼ö¿¡ °ª ÀúÀå
2.1.2 º¯¼ö¸í ±ÔÄ¢
2.2 µ¥ÀÌÅÍ Çü
2.2.1 ¼ýÀÚ
2.2.2 ¹®ÀÚ¿­
2.2.3 ºÒ
2.3 ¼ýÀÚ °è»ê
2.3.1 »ê¼ú ¿¬»êÀÚ
2.3.2 ÇÒ´ç ¿¬»êÀÚ
2.4 ¹®ÀÚ¿­ ó¸®
2.4.1 ¹®ÀÚ¿­ ¹Ýº¹Çϱâ
2.4.2 ¹®ÀÚ¿­ ±æÀÌ ±¸Çϱâ
2.4.3 ¹®ÀÚ¿­ ¿¬°áÇϱâ
2.4.4 ¹®ÀÚ¿­ Æ÷¸ËÆÃ
2.5 Ãâ·Â°ú ÀÔ·Â
2.5.1 È­¸é Ãâ·Â
2.5.2 Å°º¸µå ÀÔ·Â
2.6 ÁÖ¼®¹®
[ÄÚµù¿¬½À]
Q2-1 »ï°¢ÇüÀÇ ¸éÀû ±¸Çϱâ
Q2-2 °Å½º¸§µ· °è»êÇϱâ
Q2-3 ¼ýÀÚ ¿¬»êÀÚ
Q2-4 ¹®ÀÚ¿­ ÃßÃâ°ú ¹®ÀÚ¿­ Æ÷¸ËÆÃ
Q2-5 ¼ºÀû ÀÔ·Â¹Þ¾Æ Æò±Õ ±¸Çϱâ
¿¬½À¹®Á¦

Chapter03. Á¶°Ç¹®
3.1 Á¶°Ç¹®À̶õ?
3.1.1 if¹®ÀÇ µ¿ÀÛ¿ø¸®
3.1.2 ÆÄÀ̽ãÀÇ µé¿©¾²±â
3.2 ºñ±³ ¿¬»êÀÚ¿Í ³í¸® ¿¬»êÀÚ
3.2.1 ºñ±³ ¿¬»êÀÚ
3.2.2 ³í¸® ¿¬»êÀÚ
3.3 if~ ±¸¹®
3.4 if~ else~ ±¸¹®
3.5 if~ elif~ else~ ±¸¹®
3.6 ¸¸ ³ªÀÌ °è»êÇϱâ
[ÄÚµù¿¬½À]
Q3-1 ¿ùÀ» ÀÔ·Â¹Þ¾Æ °èÀý Ç¥½ÃÇϱâ
Q3-2 ¼ýÀÚ·Î ¿­Â÷ Á¼® ÆǺ°Çϱâ
Q3-3 4ÀÇ ¹è¼öÀÎÁö 5ÀÇ ¹è¼öÀÎÁö ÆǺ°Çϱâ
Q3-4 ¿µ¾î ¾ËÆĺª ¸ðÀ½/ÀÚÀ½ ÆǺ°Çϱâ
Q3-5 Å°¿Í ¸ö¹«°Ô¿¡ µû¶ó üÇü ÆÇÁ¤Çϱâ
Q3-6 ÇÒÀÎÀ²¿¡ µû¸¥ ÁöºÒ ±Ý¾× °è»êÇϱâ
Q3-7 ¼¼ ¼ö Áß °¡Àå Å« ¼ö ã±â
Q3-8 °í°´ ¸¸Á·µµ¿¡ µû¸¥ ÆÁ °è»êÇϱâ
¿¬½À¹®Á¦

Chapter04. ¹Ýº¹¹®
4.1 ¹Ýº¹¹®À̶õ?
4.2 for¹®
4.2.1 for¹®ÀÇ ±âº» ±¸Á¶
4.2.2 for¹®¿¡¼­ range() ÇÔ¼ö È°¿ë
4.2.3 ¹è¼öÀÇ ÇÕ°è(for¹®)
4.2.4 for¹®¿¡¼­ ¹®ÀÚ¿­ ´Ù·ç±â
4.2.5 ´ÜÀ§ ȯ»êÇ¥ ¸¸µé±â
4.3 ÀÌÁß for¹®
4.4 while¹®
4.4.1 while¹®ÀÇ ±âº» ±¸Á¶
4.4.2 ¹è¼öÀÇ ÇÕ°è(while¹®)
4.4.3 while¹®¿¡¼­ ¹®ÀÚ¿­ ´Ù·ç±â
4.5 break¹®
[ÄÚµù¿¬½À]
Q4-1 5ÀÇ ¹è¼ö°¡ ¾Æ´Ñ ¼öÀÇ ÇÕ°è ±¸Çϱâ
Q4-2 ÀüÈ­¹øÈ£¿¡¼­ ÇÏÀÌÇÂ(-) »èÁ¦Çϱâ
Q4-3 ÀüÈ­¹øÈ£¿¡ ÇÏÀÌÇÂ(-) Ãß°¡Çϱâ
Q4-4 ±æÀÌ ´ÜÀ§ ȯ»êÇ¥ ¸¸µé±â
Q4-5 ¹«°Ô ´ÜÀ§ ȯ»êÇ¥ ¸¸µé±â
Q4-6 Ȧ¼ö °³¼ö ¼¼±â
Q4-7 º°Ç¥(*)·Î ƯÁ¤ ÇüÅ ¸¸µé±â 1
Q4-8 º°Ç¥(*)·Î ƯÁ¤ ÇüÅ ¸¸µé±â 2
Q4-9 ¼·¾¾/È­¾¾ ȯ»êÇ¥ ¸¸µé±â(while¹®)
Q4-10 3ÀÇ ¹è¼ö°¡ ¾Æ´Ñ ¼ö Ãâ·ÂÇϱâ(while¹®)
Q4-11 ¹®Àå ¿ª¼øÀ¸·Î Ãâ·ÂÇϱâ(while¹®)
¿¬½À¹®Á¦

Chapter 05. ¸®½ºÆ®
5.1 ¸®½ºÆ® »ý¼º°ú ÃßÃâ
5.2 ¸®½ºÆ® ´Ù·ç±â
5.2.1 ¸®½ºÆ® ¿ä¼Ò Ãß°¡
5.2.2 ¸®½ºÆ® ¿ä¼Ò »èÁ¦
5.2.3 ¸®½ºÆ® ¿ä¼Ò Ä«¿îÆ®
5.2.4 ¸®½ºÆ® Á¤·Ä
5.3 ¹Ýº¹¹®¿¡¼­ ¸®½ºÆ® È°¿ë
5.3.1 for¹®¿¡¼­ ¸®½ºÆ® È°¿ë
5.3.2 while¹®¿¡¼­ ¸®½ºÆ® È°¿ë
5.4 2Â÷¿ø ¸®½ºÆ®
5.4.1 2Â÷¿ø ¸®½ºÆ®ÀÇ ±¸Á¶
5.4.2 for¹®¿¡¼­ 2Â÷¿ø ¸®½ºÆ® È°¿ë
[ÄÚµù¿¬½À]
Q5-1 ¸®½ºÆ® ÃßÃâÇϱâ
Q5-2 list()¿Í range()·Î ¸®½ºÆ® »ý¼ºÇϱâ
Q5-3 ¸®½ºÆ® ¿ä¼Ò Ãß°¡Çϱâ
Q5-4 ¸®½ºÆ® ¿ä¼Ò »èÁ¦Çϱâ
Q5-5 ¸®½ºÆ® º´ÇÕÇϱâ
Q5-6 while¹®¿¡¼­ ¸®½ºÆ® È°¿ëÇϱâ
Q5-7 ¸®½ºÆ®¸¦ ÀÌ¿ëÇÑ ¿µ¾î ´Ü¾î ÄûÁî
Q5-8 ¿¹Á¦ 5-10 while¹®À¸·Î ÀÛ¼ºÇϱâ
Q5-9 ¸®½ºÆ®¸¦ ÀÌ¿ëÇÑ ÇÕ°è/Æò±Õ ±¸Çϱâ
Q5-10 ¿µÈ­°üÀÇ ºó Á¼® Ç¥½ÃÇϱâ
¿¬½À¹®Á¦

Chapter 06. Æ©Çðú µñ¼Å³Ê¸®
6.1 Æ©ÇÃ
6.1.1 Æ©Çà »ý¼º°ú ÃßÃâ
6.1.2 Æ©Çà º´ÇÕ°ú ±æÀÌ
6.2 µñ¼Å³Ê¸®
6.2.1 µñ¼Å³Ê¸®ÀÇ ±âº» ±¸Á¶
6.2.2 µñ¼Å³Ê¸® ¿ä¼ÒÀÇ Ãß°¡/¼öÁ¤/»èÁ¦
6.2.3 for¹®¿¡¼­ µñ¼Å³Ê¸® È°¿ë
[ÄÚµù¿¬½À]
Q6-1 Æ©Ç÷Π±¸±¸´ÜÇ¥ ¸¸µé±â
Q6-2 Æ©Ç÷Π°ü¸®ÀÚ Á¤º¸ ó¸®Çϱâ
Q6-3 µñ¼Å³Ê¸®·Î ¼ºÀû ÇÕ°è/Æò±Õ ±¸Çϱâ
Q6-4 µñ¼Å³Ê¸®·Î Á¤º¸ Á¢±Ù Á¦¾îÇϱâ
Q6-5 µñ¼Å³Ê¸®·Î ¿µ¾î ´Ü¾î ÄûÁî ¸¸µé±â
¿¬½À¹®Á¦

Chapter 07. ÇÔ¼ö
7.1 ÇÔ¼ö¶õ?
7.1.1 ÇÔ¼öÀÇ Á¤ÀÇ¿Í È£Ãâ
7.1.2 ÇÔ¼öÀÇ Á¾·ù
7.2 ¸Å°³º¯¼ö¿Í ¹Ýȯ °ª
7.2.1 ¸Å°³º¯¼ö¶õ?
7.2.2 ¸Å°³º¯¼ö *args
7.2.3 ¸Å°³º¯¼öÀÇ º¯¼ö Àü´Þ ¹æ½Ä
7.2.4 ÇÔ¼ö °ªÀÇ ¹Ýȯ
7.3 ¶÷´Ù ÇÔ¼ö
7.4 º¯¼öÀÇ ¹üÀ§
7.4.1 Áö¿ª º¯¼ö
7.4.2 Àü¿ª º¯¼ö
7.5 ÆÄÀÏ Ã³¸® ÇÔ¼ö
7.5.1 ÆÄÀÏ ¾²±â
7.5.2 ÆÄÀÏ Àбâ
[ÄÚµù¿¬½À]
Q7-1 ÇÔ¼ö·Î Á¤¼ö ÇÕ°è ±¸Çϱâ
Q7-2 ÇÔ¼ö·Î ¹è¼ö ÇÕ°è ±¸Çϱâ
Q7-3 ÇÔ¼ö·Î ÃÖ´ë °ø¾à¼ö ±¸Çϱâ
Q7-4 ÇÔ¼ö·Î ¸¸µå´Â ¿µ¾î ´Ü¾î ÄûÁî
Q7-5 ÇÔ¼ö·Î ¼¼ ¼ö Áß Å« ¼ö ã±â
Q7-6 ÆÄÀÏ¿¡¼­ ¼ºÀû ÇÕ°è/Æò±Õ ±¸Çϱâ
¿¬½À¹®Á¦

Chapter 08. ¸ðµâ°ú ÆÐÅ°Áö
8.1 ¸ðµâÀ̶õ?
8.1.1 ¸ðµâ »ý¼ºÇϱâ
8.1.2 ¸ðµâ »ç¿ëÇϱâ
8.2 math ¸ðµâ
8.2.1 Á¤¼ö °ü·Ã ÇÔ¼ö
8.2.2 »ï°¢/·Î±×/Á¦°ö/Á¦°ö±Ù ÇÔ¼ö
8.2.3 »ï°¢ÇÔ¼ö
8.3 random ¸ðµâ
8.3.1 random ¸ðµâÀÇ ÇÔ¼ö
8.3.2 ÁÖ»çÀ§ °ÔÀÓ ¸¸µé±â
8.3.3 °¡À§, ¹ÙÀ§, º¸ °ÔÀÓ ¸¸µé±â
8.4 datetime ¸ðµâ
8.5 ÆÐÅ°Áö
¿¬½À¹®Á¦

Chapter 09. °´Ã¼ÁöÇâ ÇÁ·Î±×·¡¹Ö
09.1 °´Ã¼ÁöÇâÀ̶õ?
09.1.1 Ŭ·¡½º, °´Ã¼, ¼Ó¼º, ¸Þ¼ÒµåÀÇ °³³ä
09.1.2 Ŭ·¡½º¿Í °´Ã¼ÀÇ °ü°è
09.2 »ý¼ºÀÚ
09.3 ¼Ó¼º
9.3.1 Ŭ·¡½º ¼Ó¼º
9.3.2 ÀνºÅϽº ¼Ó¼º
09.4 Ŭ·¡½ºÀÇ »ó¼Ó
[ÄÚµù¿¬½À]
Q9-1 °´Á¦ÁöÇâÀ¸·Î ¿øÀÇ ¸éÀû°ú ¿øÁÖ ±¸Çϱâ
Q9-2 °´Á¦ÁöÇâÀ¸·Î 3°ú¸ñ ÇÕ°è¿Í Æò±Õ ±¸Çϱâ
Q9-3 °´Á¦ÁöÇâÀ¸·Î µÎ ¼öÀÇ »çÄ¢¿¬»ê °è»êÇϱâ
Q9-4 »ý¼ºÀÚÀÇ ¸Å°³ º¯¼ö¿¡ ¸®½ºÆ® »ç¿ëÇϱâ
Q9-5 °´Á¦ÁöÇâÀ¸·Î ¹®ÀÚ¿­ ´Ù·ç±â
¿¬½À¹®Á¦

Part 2. µ¥ÀÌÅÍ ºÐ¼®°ú ½Ã°¢È­
Chpater10. ÁÖÇÇÅÍ ³ëÆ®ºÏ
10.1 ÁÖÇÇÅÍ ³ëÆ®ºÏÀ̶õ?
10.2 ¾Æ³ªÄÜ´Ù ÇÁ·Î±×·¥
10.2.1 ¼³Ä¡ ÆÄÀÏ ´Ù¿î·ÎµåÇϱâ
10.2.2 ¼³Ä¡ ½ÃÀÛÇϱâ
10.3 ÁÖÇÇÅÍ ³ëÆ®ºÏ »ç¿ë¹ý
10.3.1 ÁÖÇÇÅÍ ³ëÆ®ºÏ ½ÇÇàÇϱâ
10.3.2 ÀÛ¾÷ Æú´õ »ý¼ºÇϱâ
10.3.3 »õ·Î¿î ÆÄÀÏ »ý¼ºÇϱâ
10.3.4 ÇÁ·Î±×·¥ ÀÛ¼º°ú ½ÇÇàÇϱâ
10.3.5 ÇÁ·Î±×·¥ ÀúÀåÇϱâ
10.3.6 ÀÛ¾÷ Æú´õ È®ÀÎÇϱâ
10.3.7 .ipynb ÆÄÀÏ ºÒ·¯¿À±â
¿¬½À¹®Á¦

Chapter 11. µ¥ÀÌÅÍ ºÐ¼® ±âÃÊ
11.1 °ø°ø µ¥ÀÌÅÍ °¡Á®¿À±â
11.2 CSV ÆÄÀÏ ´Ù·ç±â
11.2.1 CSV ÆÄÀÏÀ̶õ?
11.2.2 CSV ÆÄÀÏ Àбâ
11.2.3 ƯÁ¤ ÀÏÀÚ µ¥ÀÌÅÍ Ãâ·Â
11.2.4 µ¥ÀÌÅÍ Çì´õ ÃßÃâ
11.2.5 Àϱ³Â÷ ±¸Çϱâ
11.2.6 CSV ÆÄÀÏ ¾²±â
11.3 Àü±¹ ¾à±¹ µ¥ÀÌÅÍ ºÐ¼®
11.3.1 ¾à±¹ µ¥ÀÌÅÍ ±¸Á¶ »ìÆ캸±â
11.3.2 ƯÁ¤ ¾à±¹ÀÇ ÁÖ¼Ò Ã£±â
11.3.3 ƯÁ¤ Áö¿ª °Ç¹°ÀÇ ¾à±¹ ã±â
11.3.4 ÃÖ±Ù 5³â À̳» °³¼³ ¾à±¹ ¼ö
11.3.5 ƯÁ¤ Áö¿ª 1³â°£ °³¼³µÈ ¾à±¹ ¸ñ·Ï
11.3.6 ÃßÃâµÈ ¾à±¹ ¸ñ·Ï Á¤·ÄÇϱâ
11.4 Á¦ÁÖµµ ±â»ó µ¥ÀÌÅÍ ºÐ¼®
11.4.1 ±â»ó µ¥ÀÌÅÍ ±¸Á¶ »ìÆì º¸±â
11.4.2 ¼­±ÍÆ÷½Ã 1¿ù ÃÖÀú±â¿Â Æò±ÕÀº?
11.4.3 8¿ù ÃÖ°í ±â¿ÂÀÌ °¡Àå ³ôÀº Áö¿ªÀº?
11.4.4 °¡Àå ºñ°¡ ¸¹ÀÌ ¿À´Â ¿ùÀº?
11.4.5 °í»ê Áö¿ªÀÇ 7¿ù ÃÖÀú/ÃÖ°í ½Àµµ´Â?
11.4.6 ³â °­¼ö·®ÀÌ ÃÖ´ëÀÎ Áö¿ªÀº?
[ÄÚµù¿¬½À]
Q11-1 µ¥ÀÌÅÍ »çÀÌ¿¡ '/' »ðÀÔÇϱâ
Q11-2 10ÀÏ°£ Æò±Õ ±â¿Â ±¸Çϱâ
¿¬½À¹®Á¦

Chapter 12. µ¥ÀÌÅÍ ½Ã°¢È­
12.1 MatplotlibÀ̶õ?
12.2 ¼± ±×·¡ÇÁ ±×¸®±â
12.2.1 Á¦¸ñ°ú X/YÃà ·¹ÀÌºí ¼³Á¤Çϱâ
12.2.2 ÇÑ±Û ÆùÆ® »ç¿ëÇϱâ
12.2.3 ¹ü·Ê Ç¥½ÃÇϱâ
12.2.4 ¼± ½ºÅ¸ÀÏ ¼³Á¤Çϱâ
12.2.5 X/YÃà ¹üÀ§ ¹× À§Ä¡ Ç¥½ÃÇϱâ
12.3 ´Ù¾çÇÑ ±×·¡ÇÁ ±×¸®±â
12.3.1 ¸·´ë ±×·¡ÇÁ ±×¸®±â
12.3.2 »êÆ÷ ±×·¡ÇÁ ±×¸®±â
12.3.3 ÆÄÀÌ ±×·¡ÇÁ ±×¸®±â
12.4 Subplots() ¸Þ¼Òµå
12.4.1 ¼­ºê ±×·¡ÇÁ ±×¸®±â
12.4.2 ±×·¡ÇÁ »çÀÌ °£°Ý Á¶Á¤Çϱâ
12.4.3 ±×·¡ÇÁ À̹ÌÁö ÆÄÀÏ·Î ÀúÀåÇϱâ
[ÄÚµù¿¬½À]
Q12-1 10ÀÏ°£ ÃÖÀú/ÃÖ°í±â¿Â ¼± ±×·¡ÇÁ ±×¸®±â
Q12-2 ¿¹Á¦ 11-5ÀÇ YÃàÀÇ ¹üÀ§¿Í ¼± ½ºÅ¸ÀÏ º¯°æÇϱâ
Q12-3 ·£´ý ¼öÀÇ ¸·´ë ±×·¡ÇÁ ±×¸®±â
¿¬½À¹®Á¦

Chapter 13. Numpy µ¥ÀÌÅÍ ºÐ¼®
13.1 Numpy ±âÃÊ
13.1.1 ¹è¿­ °´Ã¼ ndarray
13.1.2 ndarray °´Ã¼ ÃʱâÈ­Çϱâ
13.1.3 arange() ¸Þ¼Òµå
13.1.4 2Â÷¿ø ¹è¿­ÀÇ ¿ä¼Ò ÃßÃâ
13.2 Numpy ¹è¿­ ´Ù·ç±â
13.2.1 ¹è¿­ÀÇ »ê¼ú ¿¬»ê
13.2.2 ¹è¿­ÀÇ Åë°è ¸Þ¼Òµå
13.2.3 ¹è¿­¿¡ Á¶°Ç½Ä »ç¿ëÇϱâ
13.2.4 ¹è¿­ÀÇ ¿ä¼Ò Á¤·Ä
13.2.5 ¹è¿­¿¡ ¿­°ú Çà »ðÀÔ
13.3 Àü±¹ ÃʵîÇб³ Çлý µ¥ÀÌÅÍ ºÐ¼®
13.3.1 ÃÖ´ë Çб޼ö/Çлý¼ö/±³»ç¼ö ã±â
13.3.2 ƯÁ¤ ÃʵîÇб³ Çлý¼ö¿Í ±³»ç¼ö ºñ±³Çϱâ
¿¬½À¹®Á¦

Chapter 14. Pandas µ¥ÀÌÅÍ ºÐ¼®
14.1 Pandas ÆÐÅ°Áö ¼Ò°³
14.2 Series Ŭ·¡½º
14.2.1 Series °´Ã¼ »ý¼ºÇϱâ
14.2.2 Series °´Ã¼ÀÇ °ª°ú À妽º
14.2.3 Series °´Ã¼¿¡ À妽º ¼³Á¤Çϱâ
14.2.4 Series °´Ã¼ÀÇ ¿¬»ê°ú Á¶°Ç½Ä
14.2.5 Series °´Ã¼¿Í for¹®
14.2.6 Series °´Ã¼¿Í µñ¼Å³Ê¸®
14.3 DataFrame Ŭ·¡½º
14.3.1 DataFrame °´Ã¼ »ý¼ºÇϱâ
14.3.2 DataFrame¿¡ À妽º ¼³Á¤Çϱâ
14.3.3 DataFrame ¿ä¼Ò ÃßÃâÇϱâ
14.3.4 DataFrameÀ¸·Î ÇÕ°è¿Í Æò±Õ ±¸Çϱâ
14.4 ±¹³» Àα¸ Åë°è µ¥ÀÌÅÍ ºÐ¼®
14.4.1 Àα¸ Åë°è µ¥ÀÌÅÍ ÆÄÀÏ ±¸¼º
14.4.2 µ¥ÀÌÅÍ Á¤Á¦¿Í Áغñ
14.4.3 ÃÑ Àα¸¼ö ¼øÀ¸·Î Á¤·ÄÇϱâ
14.4.4 ±¹³» Àüü Àα¸¼ö, ¼¼´ë¼ö, ³²³à Àα¸¼ö ±¸Çϱâ
14.4.5 Àα¸ Åë°è µ¥ÀÌÅÍ ½Ã°¢È­Çϱâ
¿¬½À¹®Á¦

°ü·ÃÀ̹ÌÁö

ÀúÀÚ¼Ò°³

ȲÀçÈ£ [Àú] ½ÅÀ۾˸² SMS½Åû
»ý³â¿ùÀÏ -

ÇØ´çÀÛ°¡¿¡ ´ëÇÑ ¼Ò°³°¡ ¾ø½À´Ï´Ù.

Àü°øµµ¼­/´ëÇб³Àç ºÐ¾ß¿¡¼­ ¸¹Àº ȸ¿øÀÌ ±¸¸ÅÇÑ Ã¥

    ¸®ºä

    0.0 (ÃÑ 0°Ç)

    100ÀÚÆò

    ÀÛ¼º½Ã À¯ÀÇ»çÇ×

    ÆòÁ¡
    0/100ÀÚ
    µî·ÏÇϱâ

    100ÀÚÆò

    10.0
    (ÃÑ 0°Ç)

    ÆǸÅÀÚÁ¤º¸

    • ÀÎÅÍÆÄÅ©µµ¼­¿¡ µî·ÏµÈ ¿ÀǸ¶ÄÏ »óÇ°Àº ±× ³»¿ë°ú Ã¥ÀÓÀÌ ¸ðµÎ ÆǸÅÀÚ¿¡°Ô ÀÖÀ¸¸ç, ÀÎÅÍÆÄÅ©µµ¼­´Â ÇØ´ç »óÇ°°ú ³»¿ë¿¡ ´ëÇØ Ã¥ÀÓÁöÁö ¾Ê½À´Ï´Ù.

    »óÈ£

    (ÁÖ)±³º¸¹®°í

    ´ëÇ¥ÀÚ¸í

    ¾Èº´Çö

    »ç¾÷ÀÚµî·Ï¹øÈ£

    102-81-11670

    ¿¬¶ôó

    1544-1900

    ÀüÀÚ¿ìÆíÁÖ¼Ò

    callcenter@kyobobook.co.kr

    Åë½ÅÆǸž÷½Å°í¹øÈ£

    01-0653

    ¿µ¾÷¼ÒÀçÁö

    ¼­¿ïƯº°½Ã Á¾·Î±¸ Á¾·Î 1(Á¾·Î1°¡,±³º¸ºôµù)

    ±³È¯/ȯºÒ

    ¹ÝÇ°/±³È¯ ¹æ¹ý

    ¡®¸¶ÀÌÆäÀÌÁö > Ãë¼Ò/¹ÝÇ°/±³È¯/ȯºÒ¡¯ ¿¡¼­ ½Åû ¶Ç´Â 1:1 ¹®ÀÇ °Ô½ÃÆÇ ¹× °í°´¼¾ÅÍ(1577-2555)¿¡¼­ ½Åû °¡´É

    ¹ÝÇ°/±³È¯°¡´É ±â°£

    º¯½É ¹ÝÇ°ÀÇ °æ¿ì Ãâ°í¿Ï·á ÈÄ 6ÀÏ(¿µ¾÷ÀÏ ±âÁØ) À̳»±îÁö¸¸ °¡´É
    ´Ü, »óÇ°ÀÇ °áÇÔ ¹× °è¾à³»¿ë°ú ´Ù¸¦ °æ¿ì ¹®Á¦Á¡ ¹ß°ß ÈÄ 30ÀÏ À̳»

    ¹ÝÇ°/±³È¯ ºñ¿ë

    º¯½É ȤÀº ±¸¸ÅÂø¿À·Î ÀÎÇÑ ¹ÝÇ°/±³È¯Àº ¹Ý¼Û·á °í°´ ºÎ´ã
    »óÇ°À̳ª ¼­ºñ½º ÀÚüÀÇ ÇÏÀÚ·Î ÀÎÇÑ ±³È¯/¹ÝÇ°Àº ¹Ý¼Û·á ÆǸÅÀÚ ºÎ´ã

    ¹ÝÇ°/±³È¯ ºÒ°¡ »çÀ¯

    ·¼ÒºñÀÚÀÇ Ã¥ÀÓ ÀÖ´Â »çÀ¯·Î »óÇ° µîÀÌ ¼Õ½Ç ¶Ç´Â ÈÑ¼ÕµÈ °æ¿ì
    (´ÜÁö È®ÀÎÀ» À§ÇÑ Æ÷Àå ÈѼÕÀº Á¦¿Ü)

    ·¼ÒºñÀÚÀÇ »ç¿ë, Æ÷Àå °³ºÀ¿¡ ÀÇÇØ »óÇ° µîÀÇ °¡Ä¡°¡ ÇöÀúÈ÷ °¨¼ÒÇÑ °æ¿ì
    ¿¹) È­ÀåÇ°, ½ÄÇ°, °¡ÀüÁ¦Ç°(¾Ç¼¼¼­¸® Æ÷ÇÔ) µî

    ·º¹Á¦°¡ °¡´ÉÇÑ »óÇ° µîÀÇ Æ÷ÀåÀ» ÈѼÕÇÑ °æ¿ì
    ¿¹) À½¹Ý/DVD/ºñµð¿À, ¼ÒÇÁÆ®¿þ¾î, ¸¸È­Ã¥, ÀâÁö, ¿µ»ó È­º¸Áý

    ·½Ã°£ÀÇ °æ°ú¿¡ ÀÇÇØ ÀçÆǸŰ¡ °ï¶õÇÑ Á¤µµ·Î °¡Ä¡°¡ ÇöÀúÈ÷ °¨¼ÒÇÑ °æ¿ì

    ·ÀüÀÚ»ó°Å·¡ µî¿¡¼­ÀÇ ¼ÒºñÀÚº¸È£¿¡ °üÇÑ ¹ý·üÀÌ Á¤ÇÏ´Â ¼ÒºñÀÚ Ã»¾àöȸ Á¦ÇÑ ³»¿ë¿¡ ÇØ´çµÇ´Â °æ¿ì

    »óÇ° Ç°Àý

    °ø±Þ»ç(ÃâÆÇ»ç) Àç°í »çÁ¤¿¡ ÀÇÇØ Ç°Àý/Áö¿¬µÉ ¼ö ÀÖÀ½

    ¼ÒºñÀÚ ÇÇÇغ¸»ó
    ȯºÒÁö¿¬¿¡ µû¸¥ ¹è»ó

    ·»óÇ°ÀÇ ºÒ·®¿¡ ÀÇÇÑ ±³È¯, A/S, ȯºÒ, Ç°Áúº¸Áõ ¹× ÇÇÇغ¸»ó µî¿¡ °üÇÑ »çÇ×Àº ¼ÒºñÀÚºÐÀïÇØ°á ±âÁØ (°øÁ¤°Å·¡À§¿øȸ °í½Ã)¿¡ ÁØÇÏ¿© 󸮵Ê

    ·´ë±Ý ȯºÒ ¹× ȯºÒÁö¿¬¿¡ µû¸¥ ¹è»ó±Ý Áö±Þ Á¶°Ç, ÀýÂ÷ µîÀº ÀüÀÚ»ó°Å·¡ µî¿¡¼­ÀÇ ¼ÒºñÀÚ º¸È£¿¡ °üÇÑ ¹ý·ü¿¡ µû¶ó ó¸®ÇÔ

    (ÁÖ)KGÀ̴Ͻýº ±¸¸Å¾ÈÀü¼­ºñ½º¼­ºñ½º °¡ÀÔ»ç½Ç È®ÀÎ

    (ÁÖ)ÀÎÅÍÆÄÅ©Ä¿¸Ó½º´Â ȸ¿ø´ÔµéÀÇ ¾ÈÀü°Å·¡¸¦ À§ÇØ ±¸¸Å±Ý¾×, °áÁ¦¼ö´Ü¿¡ »ó°ü¾øÀÌ (ÁÖ)ÀÎÅÍÆÄÅ©Ä¿¸Ó½º¸¦ ÅëÇÑ ¸ðµç °Å·¡¿¡ ´ëÇÏ¿©
    (ÁÖ)KGÀ̴Ͻýº°¡ Á¦°øÇÏ´Â ±¸¸Å¾ÈÀü¼­ºñ½º¸¦ Àû¿ëÇÏ°í ÀÖ½À´Ï´Ù.

    ¹è¼Û¾È³»

    • ±³º¸¹®°í »óÇ°Àº Åùè·Î ¹è¼ÛµÇ¸ç, Ãâ°í¿Ï·á 1~2Àϳ» »óÇ°À» ¹Þ¾Æ º¸½Ç ¼ö ÀÖ½À´Ï´Ù.

    • Ãâ°í°¡´É ½Ã°£ÀÌ ¼­·Î ´Ù¸¥ »óÇ°À» ÇÔ²² ÁÖ¹®ÇÒ °æ¿ì Ãâ°í°¡´É ½Ã°£ÀÌ °¡Àå ±ä »óÇ°À» ±âÁØÀ¸·Î ¹è¼ÛµË´Ï´Ù.

    • ±ººÎ´ë, ±³µµ¼Ò µî ƯÁ¤±â°üÀº ¿ìü±¹ Åù踸 ¹è¼Û°¡´ÉÇÕ´Ï´Ù.

    • ¹è¼Ûºñ´Â ¾÷ü ¹è¼Ûºñ Á¤Ã¥¿¡ µû¸¨´Ï´Ù.

    • - µµ¼­ ±¸¸Å ½Ã 15,000¿ø ÀÌ»ó ¹«·á¹è¼Û, 15,000¿ø ¹Ì¸¸ 2,500¿ø - »óÇ°º° ¹è¼Ûºñ°¡ ÀÖ´Â °æ¿ì, »óÇ°º° ¹è¼Ûºñ Á¤Ã¥ Àû¿ë