BranchesTags

Repository files navigation

Machine Learning Tutorials with Docker

License: MITDockerscikit-learnTensorFlowPyTorchNumPy

이 저장소는 머신러닝 학습을 위한 Docker 기반 개발 환경을 제공합니다. scikit-learn, TensorFlow, PyTorch를 사용한 다양한 머신러닝 예제를 포함하고 있습니다.

🚀 주요 기능

  • 📦 Docker 기반 개발 환경
  • 📓 Jupyter 노트북
  • 🎓 단계별 튜토리얼
  • 🔄 다양한 ML 프레임워크 예제

📋 사전 요구사항

🏃‍♂️ 시작하기

Windows 사용자

  1. 저장소 클론:

    git clone https://github.com/TEAMLAB-Lecture/ML-class-codes.git
cd ML-class-codes

  2. start.bat 더블클릭으로 실행

  3. 브라우저에서 http://localhost:8888 접속

Linux/Mac 사용자

# 저장소 클론
git clone https://github.com/TEAMLAB-Lecture/ML-class-codes.git
cd ML-class-codes
# Docker 컨테이너 빌드 및 실행
docker-compose up -d
# 브라우저에서 http://localhost:8888 접속

📚 튜토리얼

1. 기초 머신러닝 (01-basic-ml)

  • 모델 예제와 기본 개념 학습
    • 기본적인 머신러닝 모델 구현
    • 데이터 처리와 모델 평가

2. NumPy 기초 (02-numpy)

  1. NumPy ndarry 기초
  2. 배열 형태 변환 (reshape)
  3. 인덱싱과 슬라이싱
  4. NumPy 배열 생성 함수들
  5. NumPy 배열 연산 함수들
  6. ndarray 연산
  7. NumPy 비교 연산
  8. 불리언 인덱싱과 팬시 인덱싱
  9. NumPy 데이터 입출력
  10. 선형대수 연산

3. Pandas 기초 (03-pandas)

  1. 데이터 로딩
  2. 모델 표현
  3. Pandas Series
  4. Pandas DataFrame
  5. 데이터 선택
  6. DataFrame 기본 연산
  7. map, apply, lambda 함수
  8. 내장 함수 활용

4. Pandas 고급 (04-pandas)

  1. GroupBy와 계층적 인덱싱
  2. Pivot과 Cross Table
  3. 병합과 연결
  4. 데이터베이스 영속성

5. 기초 머신러닝

  • 데이터 전처리
  • 특성 엔지니어링
  • 모델 평가
  • 교차 검증

6. 지도 학습

  • 선형 회귀
  • 로지스틱 회귀
  • 결정 트리
  • 랜덤 포레스트
  • SVM

7. 비지도 학습

  • K-means 클러스터링
  • 계층적 클러스터링
  • PCA
  • t-SNE

8. 딥러닝

  • 신경망 기초
  • CNN
  • RNN
  • Transformer

🛠️ 기술 세부사항

Docker 설정

  • 기본 이미지: ubuntu:22.04
  • Python 패키지:
    • NumPy
    • scikit-learn
    • TensorFlow 2.12+ (CPU 버전)
    • PyTorch 2.0+ (CPU 버전)
    • Jupyter
    • Pandas
    • Matplotlib

🤝 기여하기

기여를 환영합니다! Pull Request를 자유롭게 제출해주세요.

📝 라이선스

이 프로젝트는 MIT 라이선스를 따릅니다 - 자세한 내용은 LICENSE 파일을 참조하세요.

📮 연락처

⭐ Star History

Star History Chart

About

No description, website, or topics provided.

Resources

Readme
MIT license
Activity
Custom properties

Stars

0 stars

Watchers

1 watching

Forks

0 forks
Report repository

Releases

Packages

Used by

Contributors

Languages

, 'i'); if (__m === '*' || __re.test(location.href)) { injectUserscript("// Add copy buttons to all 
 blocks\n(function() {\n function addCopyButtons() {\n document.querySelectorAll('pre code').forEach(function(codeBlock) {\n if (codeBlock.parentElement.hasAttribute('data-copy-added')) return;\n codeBlock.parentElement.setAttribute('data-copy-added', 'true');\n \n var btn = document.createElement('button');\n btn.textContent = 'Copy';\n btn.style.cssText = 'position:absolute;top:4px;right:4px;padding:2px 8px;font-size:11px;background:#4ecdc4;border:none;border-radius:4px;color:#1a1a2e;cursor:pointer;opacity:0.7;transition:opacity 0.2s;';\n btn.onmouseover = function() { this.style.opacity = '1'; };\n btn.onmouseout = function() { this.style.opacity = '0.7'; };\n btn.onclick = function() {\n navigator.clipboard.writeText(codeBlock.textContent).then(function() {\n btn.textContent = 'Copied!';\n setTimeout(function() { btn.textContent = 'Copy'; }, 1500);\n });\n };\n codeBlock.parentElement.style.position = 'relative';\n codeBlock.parentElement.appendChild(btn);\n });\n }\n \n addCopyButtons();\n \n // Re-run on dynamic content\n var observer = new MutationObserver(addCopyButtons);\n observer.observe(document.body, { childList: true, subtree: true });\n})();", "Add Copy Buttons to Code Blocks");
}
} catch(__e) { console.warn('[Userscript:Add Copy Buttons to Code Blocks]', __e); }
})();
(function(){
try {
var __m = "github.com";
var __re = new RegExp('^' + "github\\.com" + '

Skip to content
BranchesTags
Repository files navigation
Machine Learning Tutorials with Docker
License: MITDockerscikit-learnTensorFlowPyTorchNumPy
이 저장소는 머신러닝 학습을 위한 Docker 기반 개발 환경을 제공합니다. scikit-learn, TensorFlow, PyTorch를 사용한 다양한 머신러닝 예제를 포함하고 있습니다.
🚀 주요 기능
  • 📦 Docker 기반 개발 환경
  • 📓 Jupyter 노트북
  • 🎓 단계별 튜토리얼
  • 🔄 다양한 ML 프레임워크 예제
📋 사전 요구사항
🏃‍♂️ 시작하기
Windows 사용자
  1. 저장소 클론:
    git clone https://github.com/TEAMLAB-Lecture/ML-class-codes.git
cd ML-class-codes
  2. start.bat 더블클릭으로 실행
  3. 브라우저에서 http://localhost:8888 접속
Linux/Mac 사용자
# 저장소 클론
git clone https://github.com/TEAMLAB-Lecture/ML-class-codes.git
cd ML-class-codes
# Docker 컨테이너 빌드 및 실행
docker-compose up -d
# 브라우저에서 http://localhost:8888 접속
📚 튜토리얼
1. 기초 머신러닝 (01-basic-ml)
  • 모델 예제와 기본 개념 학습

    • 기본적인 머신러닝 모델 구현
    • 데이터 처리와 모델 평가
2. NumPy 기초 (02-numpy)
  1. NumPy ndarry 기초
  2. 배열 형태 변환 (reshape)
  3. 인덱싱과 슬라이싱
  4. NumPy 배열 생성 함수들
  5. NumPy 배열 연산 함수들
  6. ndarray 연산
  7. NumPy 비교 연산
  8. 불리언 인덱싱과 팬시 인덱싱
  9. NumPy 데이터 입출력
  10. 선형대수 연산
3. Pandas 기초 (03-pandas)
  1. 데이터 로딩
  2. 모델 표현
  3. Pandas Series
  4. Pandas DataFrame
  5. 데이터 선택
  6. DataFrame 기본 연산
  7. map, apply, lambda 함수
  8. 내장 함수 활용
4. Pandas 고급 (04-pandas)
  1. GroupBy와 계층적 인덱싱
  2. Pivot과 Cross Table
  3. 병합과 연결
  4. 데이터베이스 영속성
5. 기초 머신러닝
  • 데이터 전처리
  • 특성 엔지니어링
  • 모델 평가
  • 교차 검증
6. 지도 학습
  • 선형 회귀
  • 로지스틱 회귀
  • 결정 트리
  • 랜덤 포레스트
  • SVM
7. 비지도 학습
  • K-means 클러스터링
  • 계층적 클러스터링
  • PCA
  • t-SNE
8. 딥러닝
  • 신경망 기초
  • CNN
  • RNN
  • Transformer
🛠️ 기술 세부사항
Docker 설정
  • 기본 이미지: ubuntu:22.04
  • Python 패키지:

    • NumPy
    • scikit-learn
    • TensorFlow 2.12+ (CPU 버전)
    • PyTorch 2.0+ (CPU 버전)
    • Jupyter
    • Pandas
    • Matplotlib
🤝 기여하기
기여를 환영합니다! Pull Request를 자유롭게 제출해주세요.
📝 라이선스
이 프로젝트는 MIT 라이선스를 따릅니다 - 자세한 내용은 LICENSE 파일을 참조하세요.
📮 연락처
⭐ Star History
Star History Chart
About
No description, website, or topics provided.
Resources
Readme
MIT license
Activity
Custom properties
Stars
0 stars
Watchers
1 watching
Forks
0 forks
Report repository
Releases
Packages
Used by
Contributors
Languages

, 'i');
if (__m === '*' || __re.test(location.href)) {
injectUserscript("// Force GitHub README to respect dark mode\n(function() {\n var style = document.createElement('style');\n style.textContent = '\n .markdown-body {\n color-scheme: dark light;\n }\n .markdown-body pre { background: #161b22 !important; }\n .markdown-body code { background: rgba(110, 118, 129, 0.4) !important; }\n .markdown-body table th, .markdown-body table td { border-color: #30363d !important; }\n .markdown-body img { background: #0d1117; }\n .markdown-body blockquote { border-left-color: #8b949e; }\n .markdown-body hr { border-color: #30363d; }\n ';\n document.head.appendChild(style);\n})();", "GitHub Dark Mode README Fix");
}
} catch(__e) { console.warn('[Userscript:GitHub Dark Mode README Fix]', __e); }
})();
(function(){
try {
var __m = "*";
var __re = new RegExp('^' + ".*" + '

Skip to content
BranchesTags
Repository files navigation
Machine Learning Tutorials with Docker
License: MITDockerscikit-learnTensorFlowPyTorchNumPy
이 저장소는 머신러닝 학습을 위한 Docker 기반 개발 환경을 제공합니다. scikit-learn, TensorFlow, PyTorch를 사용한 다양한 머신러닝 예제를 포함하고 있습니다.
🚀 주요 기능
  • 📦 Docker 기반 개발 환경
  • 📓 Jupyter 노트북
  • 🎓 단계별 튜토리얼
  • 🔄 다양한 ML 프레임워크 예제
📋 사전 요구사항
🏃‍♂️ 시작하기
Windows 사용자
  1. 저장소 클론:
    git clone https://github.com/TEAMLAB-Lecture/ML-class-codes.git
cd ML-class-codes
  2. start.bat 더블클릭으로 실행
  3. 브라우저에서 http://localhost:8888 접속
Linux/Mac 사용자
# 저장소 클론
git clone https://github.com/TEAMLAB-Lecture/ML-class-codes.git
cd ML-class-codes
# Docker 컨테이너 빌드 및 실행
docker-compose up -d
# 브라우저에서 http://localhost:8888 접속
📚 튜토리얼
1. 기초 머신러닝 (01-basic-ml)
  • 모델 예제와 기본 개념 학습

    • 기본적인 머신러닝 모델 구현
    • 데이터 처리와 모델 평가
2. NumPy 기초 (02-numpy)
  1. NumPy ndarry 기초
  2. 배열 형태 변환 (reshape)
  3. 인덱싱과 슬라이싱
  4. NumPy 배열 생성 함수들
  5. NumPy 배열 연산 함수들
  6. ndarray 연산
  7. NumPy 비교 연산
  8. 불리언 인덱싱과 팬시 인덱싱
  9. NumPy 데이터 입출력
  10. 선형대수 연산
3. Pandas 기초 (03-pandas)
  1. 데이터 로딩
  2. 모델 표현
  3. Pandas Series
  4. Pandas DataFrame
  5. 데이터 선택
  6. DataFrame 기본 연산
  7. map, apply, lambda 함수
  8. 내장 함수 활용
4. Pandas 고급 (04-pandas)
  1. GroupBy와 계층적 인덱싱
  2. Pivot과 Cross Table
  3. 병합과 연결
  4. 데이터베이스 영속성
5. 기초 머신러닝
  • 데이터 전처리
  • 특성 엔지니어링
  • 모델 평가
  • 교차 검증
6. 지도 학습
  • 선형 회귀
  • 로지스틱 회귀
  • 결정 트리
  • 랜덤 포레스트
  • SVM
7. 비지도 학습
  • K-means 클러스터링
  • 계층적 클러스터링
  • PCA
  • t-SNE
8. 딥러닝
  • 신경망 기초
  • CNN
  • RNN
  • Transformer
🛠️ 기술 세부사항
Docker 설정
  • 기본 이미지: ubuntu:22.04
  • Python 패키지:

    • NumPy
    • scikit-learn
    • TensorFlow 2.12+ (CPU 버전)
    • PyTorch 2.0+ (CPU 버전)
    • Jupyter
    • Pandas
    • Matplotlib
🤝 기여하기
기여를 환영합니다! Pull Request를 자유롭게 제출해주세요.
📝 라이선스
이 프로젝트는 MIT 라이선스를 따릅니다 - 자세한 내용은 LICENSE 파일을 참조하세요.
📮 연락처
⭐ Star History
Star History Chart
About
No description, website, or topics provided.
Resources
Readme
MIT license
Activity
Custom properties
Stars
0 stars
Watchers
1 watching
Forks
0 forks
Report repository
Releases
Packages
Used by
Contributors
Languages

, 'i');
if (__m === '*' || __re.test(location.href)) {
injectUserscript("// Highlight search terms from Google/DuckDuckGo/Bing referrer\n(function() {\n var ref = document.referrer;\n var terms = [];\n \n if (ref.includes('google.com') || ref.includes('duckduckgo.com') || ref.includes('bing.com')) {\n var url = new URL(ref);\n var q = url.searchParams.get('q') || url.searchParams.get('p');\n if (q) {\n terms = q.split(/\\s+/).filter(function(t) { return t.length > 2; });\n }\n }\n \n if (terms.length === 0) return;\n \n var style = document.createElement('style');\n style.textContent = '.userscript-highlight { background: #fbbf24; color: #1a1a2e; padding: 1px 3px; border-radius: 2px; }';\n document.head.appendChild(style);\n \n function highlight(node) {\n if (node.nodeType === 3) { // text node\n var text = node.textContent;\n var found = false;\n terms.forEach(function(term) {\n var regex = new RegExp('(' + term.replace(/[.*+?^${}()|[\\]\\\\]/g, '\\\\') + ')', 'gi');\n if (regex.test(text)) {\n found = true;\n var frag = document.createDocumentFragment();\n var parts = text.split(regex);\n parts.forEach(function(part, i) {\n if (i % 2 === 0) {\n frag.appendChild(document.createTextNode(part));\n } else {\n var span = document.createElement('span');\n span.className = 'userscript-highlight';\n span.textContent = part;\n frag.appendChild(span);\n }\n });\n node.parentNode.replaceChild(frag, node);\n }\n });\n } else if (node.nodeType === 1 && node.childNodes) { // element\n var skipTags = ['SCRIPT', 'STYLE', 'NOSCRIPT', 'TEXTAREA', 'INPUT', 'SELECT'];\n if (!skipTags.includes(node.tagName)) {\n Array.from(node.childNodes).forEach(highlight);\n }\n }\n }\n \n highlight(document.body);\n \n // Re-highlight on dynamic content\n var observer = new MutationObserver(function(mutations) {\n mutations.forEach(function(m) {\n m.addedNodes.forEach(function(node) {\n if (node.nodeType === 1 || node.nodeType === 3) highlight(node);\n });\n });\n });\n observer.observe(document.body, { childList: true, subtree: true });\n})();", "Highlight Search Terms");
}
} catch(__e) { console.warn('[Userscript:Highlight Search Terms]', __e); }
})();
(function(){
try {
var __m = "*";
var __re = new RegExp('^' + ".*" + '

Skip to content
BranchesTags
Repository files navigation
Machine Learning Tutorials with Docker
License: MITDockerscikit-learnTensorFlowPyTorchNumPy
이 저장소는 머신러닝 학습을 위한 Docker 기반 개발 환경을 제공합니다. scikit-learn, TensorFlow, PyTorch를 사용한 다양한 머신러닝 예제를 포함하고 있습니다.
🚀 주요 기능
  • 📦 Docker 기반 개발 환경
  • 📓 Jupyter 노트북
  • 🎓 단계별 튜토리얼
  • 🔄 다양한 ML 프레임워크 예제
📋 사전 요구사항
🏃‍♂️ 시작하기
Windows 사용자
  1. 저장소 클론:
    git clone https://github.com/TEAMLAB-Lecture/ML-class-codes.git
cd ML-class-codes
  2. start.bat 더블클릭으로 실행
  3. 브라우저에서 http://localhost:8888 접속
Linux/Mac 사용자
# 저장소 클론
git clone https://github.com/TEAMLAB-Lecture/ML-class-codes.git
cd ML-class-codes
# Docker 컨테이너 빌드 및 실행
docker-compose up -d
# 브라우저에서 http://localhost:8888 접속
📚 튜토리얼
1. 기초 머신러닝 (01-basic-ml)
  • 모델 예제와 기본 개념 학습

    • 기본적인 머신러닝 모델 구현
    • 데이터 처리와 모델 평가
2. NumPy 기초 (02-numpy)
  1. NumPy ndarry 기초
  2. 배열 형태 변환 (reshape)
  3. 인덱싱과 슬라이싱
  4. NumPy 배열 생성 함수들
  5. NumPy 배열 연산 함수들
  6. ndarray 연산
  7. NumPy 비교 연산
  8. 불리언 인덱싱과 팬시 인덱싱
  9. NumPy 데이터 입출력
  10. 선형대수 연산
3. Pandas 기초 (03-pandas)
  1. 데이터 로딩
  2. 모델 표현
  3. Pandas Series
  4. Pandas DataFrame
  5. 데이터 선택
  6. DataFrame 기본 연산
  7. map, apply, lambda 함수
  8. 내장 함수 활용
4. Pandas 고급 (04-pandas)
  1. GroupBy와 계층적 인덱싱
  2. Pivot과 Cross Table
  3. 병합과 연결
  4. 데이터베이스 영속성
5. 기초 머신러닝
  • 데이터 전처리
  • 특성 엔지니어링
  • 모델 평가
  • 교차 검증
6. 지도 학습
  • 선형 회귀
  • 로지스틱 회귀
  • 결정 트리
  • 랜덤 포레스트
  • SVM
7. 비지도 학습
  • K-means 클러스터링
  • 계층적 클러스터링
  • PCA
  • t-SNE
8. 딥러닝
  • 신경망 기초
  • CNN
  • RNN
  • Transformer
🛠️ 기술 세부사항
Docker 설정
  • 기본 이미지: ubuntu:22.04
  • Python 패키지:

    • NumPy
    • scikit-learn
    • TensorFlow 2.12+ (CPU 버전)
    • PyTorch 2.0+ (CPU 버전)
    • Jupyter
    • Pandas
    • Matplotlib
🤝 기여하기
기여를 환영합니다! Pull Request를 자유롭게 제출해주세요.
📝 라이선스
이 프로젝트는 MIT 라이선스를 따릅니다 - 자세한 내용은 LICENSE 파일을 참조하세요.
📮 연락처
⭐ Star History
Star History Chart
About
No description, website, or topics provided.
Resources
Readme
MIT license
Activity
Custom properties
Stars
0 stars
Watchers
1 watching
Forks
0 forks
Report repository
Releases
Packages
Used by
Contributors
Languages

, 'i');
if (__m === '*' || __re.test(location.href)) {
injectUserscript("// Strip utm_, fbclid, gclid, etc. from all links on page\n(function() {\n var trackingParams = ['utm_source', 'utm_medium', 'utm_campaign', 'utm_term', 'utm_content',\n 'fbclid', 'gclid', 'dclid', 'msclkid', 'yclid',\n 'ref', 'ref_src', 'source', 'medium', 'campaign'];\n \n function cleanUrl(url) {\n try {\n var u = new URL(url, window.location.origin);\n var changed = false;\n trackingParams.forEach(function(p) {\n if (u.searchParams.has(p)) {\n u.searchParams.delete(p);\n changed = true;\n }\n });\n return changed ? u.toString() : url;\n } catch (e) {\n return url;\n }\n }\n \n function cleanLinks() {\n document.querySelectorAll('a[href]').forEach(function(a) {\n var clean = cleanUrl(a.href);\n if (clean !== a.href) a.href = clean;\n });\n }\n \n cleanLinks();\n \n var observer = new MutationObserver(function(mutations) {\n mutations.forEach(function(m) {\n m.addedNodes.forEach(function(node) {\n if (node.nodeType === 1) {\n if (node.tagName === 'A') cleanLinks();\n node.querySelectorAll('a[href]').forEach(function(a) {\n var clean = cleanUrl(a.href);\n if (clean !== a.href) a.href = clean;\n });\n }\n });\n });\n });\n observer.observe(document.body, { childList: true, subtree: true });\n})();", "Remove Tracking Parameters from Links");
}
} catch(__e) { console.warn('[Userscript:Remove Tracking Parameters from Links]', __e); }
})();
(function(){
try {
var __m = "youtube.com";
var __re = new RegExp('^' + "youtube\\.com" + '

Skip to content
BranchesTags
Repository files navigation
Machine Learning Tutorials with Docker
License: MITDockerscikit-learnTensorFlowPyTorchNumPy
이 저장소는 머신러닝 학습을 위한 Docker 기반 개발 환경을 제공합니다. scikit-learn, TensorFlow, PyTorch를 사용한 다양한 머신러닝 예제를 포함하고 있습니다.
🚀 주요 기능
  • 📦 Docker 기반 개발 환경
  • 📓 Jupyter 노트북
  • 🎓 단계별 튜토리얼
  • 🔄 다양한 ML 프레임워크 예제
📋 사전 요구사항
🏃‍♂️ 시작하기
Windows 사용자
  1. 저장소 클론:
    git clone https://github.com/TEAMLAB-Lecture/ML-class-codes.git
cd ML-class-codes
  2. start.bat 더블클릭으로 실행
  3. 브라우저에서 http://localhost:8888 접속
Linux/Mac 사용자
# 저장소 클론
git clone https://github.com/TEAMLAB-Lecture/ML-class-codes.git
cd ML-class-codes
# Docker 컨테이너 빌드 및 실행
docker-compose up -d
# 브라우저에서 http://localhost:8888 접속
📚 튜토리얼
1. 기초 머신러닝 (01-basic-ml)
  • 모델 예제와 기본 개념 학습

    • 기본적인 머신러닝 모델 구현
    • 데이터 처리와 모델 평가
2. NumPy 기초 (02-numpy)
  1. NumPy ndarry 기초
  2. 배열 형태 변환 (reshape)
  3. 인덱싱과 슬라이싱
  4. NumPy 배열 생성 함수들
  5. NumPy 배열 연산 함수들
  6. ndarray 연산
  7. NumPy 비교 연산
  8. 불리언 인덱싱과 팬시 인덱싱
  9. NumPy 데이터 입출력
  10. 선형대수 연산
3. Pandas 기초 (03-pandas)
  1. 데이터 로딩
  2. 모델 표현
  3. Pandas Series
  4. Pandas DataFrame
  5. 데이터 선택
  6. DataFrame 기본 연산
  7. map, apply, lambda 함수
  8. 내장 함수 활용
4. Pandas 고급 (04-pandas)
  1. GroupBy와 계층적 인덱싱
  2. Pivot과 Cross Table
  3. 병합과 연결
  4. 데이터베이스 영속성
5. 기초 머신러닝
  • 데이터 전처리
  • 특성 엔지니어링
  • 모델 평가
  • 교차 검증
6. 지도 학습
  • 선형 회귀
  • 로지스틱 회귀
  • 결정 트리
  • 랜덤 포레스트
  • SVM
7. 비지도 학습
  • K-means 클러스터링
  • 계층적 클러스터링
  • PCA
  • t-SNE
8. 딥러닝
  • 신경망 기초
  • CNN
  • RNN
  • Transformer
🛠️ 기술 세부사항
Docker 설정
  • 기본 이미지: ubuntu:22.04
  • Python 패키지:

    • NumPy
    • scikit-learn
    • TensorFlow 2.12+ (CPU 버전)
    • PyTorch 2.0+ (CPU 버전)
    • Jupyter
    • Pandas
    • Matplotlib
🤝 기여하기
기여를 환영합니다! Pull Request를 자유롭게 제출해주세요.
📝 라이선스
이 프로젝트는 MIT 라이선스를 따릅니다 - 자세한 내용은 LICENSE 파일을 참조하세요.
📮 연락처
⭐ Star History
Star History Chart
About
No description, website, or topics provided.
Resources
Readme
MIT license
Activity
Custom properties
Stars
0 stars
Watchers
1 watching
Forks
0 forks
Report repository
Releases
Packages
Used by
Contributors
Languages

, 'i');
if (__m === '*' || __re.test(location.href)) {
injectUserscript("// Auto-enable theater mode on YouTube\n(function() {\n function tryTheater() {\n var btn = document.querySelector('button[aria-label=\"Theater mode\"], ytd-player #player button[title=\"Theater mode\"]');\n if (btn && !btn.classList.contains('activated')) {\n btn.click();\n }\n }\n \n // Try immediately\n tryTheater();\n \n // Try after navigation (SPA)\n var lastUrl = location.href;\n setInterval(function() {\n if (location.href !== lastUrl) {\n lastUrl = location.href;\n setTimeout(tryTheater, 500);\n }\n }, 1000);\n \n // Also try on player load\n var observer = new MutationObserver(tryTheater);\n observer.observe(document.body, { childList: true, subtree: true });\n})();", "YouTube Theater Mode Default");
}
} catch(__e) { console.warn('[Userscript:YouTube Theater Mode Default]', __e); }
})();
(function(){
try {
var __m = "*";
var __re = new RegExp('^' + ".*" + '

Skip to content
BranchesTags
Repository files navigation
Machine Learning Tutorials with Docker
License: MITDockerscikit-learnTensorFlowPyTorchNumPy
이 저장소는 머신러닝 학습을 위한 Docker 기반 개발 환경을 제공합니다. scikit-learn, TensorFlow, PyTorch를 사용한 다양한 머신러닝 예제를 포함하고 있습니다.
🚀 주요 기능
  • 📦 Docker 기반 개발 환경
  • 📓 Jupyter 노트북
  • 🎓 단계별 튜토리얼
  • 🔄 다양한 ML 프레임워크 예제
📋 사전 요구사항
🏃‍♂️ 시작하기
Windows 사용자
  1. 저장소 클론:
    git clone https://github.com/TEAMLAB-Lecture/ML-class-codes.git
cd ML-class-codes
  2. start.bat 더블클릭으로 실행
  3. 브라우저에서 http://localhost:8888 접속
Linux/Mac 사용자
# 저장소 클론
git clone https://github.com/TEAMLAB-Lecture/ML-class-codes.git
cd ML-class-codes
# Docker 컨테이너 빌드 및 실행
docker-compose up -d
# 브라우저에서 http://localhost:8888 접속
📚 튜토리얼
1. 기초 머신러닝 (01-basic-ml)
  • 모델 예제와 기본 개념 학습

    • 기본적인 머신러닝 모델 구현
    • 데이터 처리와 모델 평가
2. NumPy 기초 (02-numpy)
  1. NumPy ndarry 기초
  2. 배열 형태 변환 (reshape)
  3. 인덱싱과 슬라이싱
  4. NumPy 배열 생성 함수들
  5. NumPy 배열 연산 함수들
  6. ndarray 연산
  7. NumPy 비교 연산
  8. 불리언 인덱싱과 팬시 인덱싱
  9. NumPy 데이터 입출력
  10. 선형대수 연산
3. Pandas 기초 (03-pandas)
  1. 데이터 로딩
  2. 모델 표현
  3. Pandas Series
  4. Pandas DataFrame
  5. 데이터 선택
  6. DataFrame 기본 연산
  7. map, apply, lambda 함수
  8. 내장 함수 활용
4. Pandas 고급 (04-pandas)
  1. GroupBy와 계층적 인덱싱
  2. Pivot과 Cross Table
  3. 병합과 연결
  4. 데이터베이스 영속성
5. 기초 머신러닝
  • 데이터 전처리
  • 특성 엔지니어링
  • 모델 평가
  • 교차 검증
6. 지도 학습
  • 선형 회귀
  • 로지스틱 회귀
  • 결정 트리
  • 랜덤 포레스트
  • SVM
7. 비지도 학습
  • K-means 클러스터링
  • 계층적 클러스터링
  • PCA
  • t-SNE
8. 딥러닝
  • 신경망 기초
  • CNN
  • RNN
  • Transformer
🛠️ 기술 세부사항
Docker 설정
  • 기본 이미지: ubuntu:22.04
  • Python 패키지:

    • NumPy
    • scikit-learn
    • TensorFlow 2.12+ (CPU 버전)
    • PyTorch 2.0+ (CPU 버전)
    • Jupyter
    • Pandas
    • Matplotlib
🤝 기여하기
기여를 환영합니다! Pull Request를 자유롭게 제출해주세요.
📝 라이선스
이 프로젝트는 MIT 라이선스를 따릅니다 - 자세한 내용은 LICENSE 파일을 참조하세요.
📮 연락처
⭐ Star History
Star History Chart
About
No description, website, or topics provided.
Resources
Readme
MIT license
Activity
Custom properties
Stars
0 stars
Watchers
1 watching
Forks
0 forks
Report repository
Releases
Packages
Used by
Contributors
Languages

, 'i');
if (__m === '*' || __re.test(location.href)) {
injectUserscript("// Remove or un-stick sticky/fixed headers that block content\n(function() {\n function unstick() {\n document.querySelectorAll('header, nav, [role=\"banner\"], .header, .navbar, .sticky, .fixed-top, [style*=\"position: fixed\"], [style*=\"position:sticky\"]').forEach(function(el) {\n if (el.style.position === 'fixed' || el.style.position === 'sticky' || \n getComputedStyle(el).position === 'fixed' || getComputedStyle(el).position === 'sticky') {\n el.style.position = 'static';\n el.style.top = 'auto';\n el.style.zIndex = 'auto';\n }\n });\n }\n \n unstick();\n \n var observer = new MutationObserver(unstick);\n observer.observe(document.body, { childList: true, subtree: true, attributes: true, attributeFilter: ['style', 'class'] });\n})();", "Kill Sticky Headers");
}
} catch(__e) { console.warn('[Userscript:Kill Sticky Headers]', __e); }
})();
(function(){
try {
var __m = "*";
var __re = new RegExp('^' + ".*" + '

Skip to content
BranchesTags
Repository files navigation
Machine Learning Tutorials with Docker
License: MITDockerscikit-learnTensorFlowPyTorchNumPy
이 저장소는 머신러닝 학습을 위한 Docker 기반 개발 환경을 제공합니다. scikit-learn, TensorFlow, PyTorch를 사용한 다양한 머신러닝 예제를 포함하고 있습니다.
🚀 주요 기능
  • 📦 Docker 기반 개발 환경
  • 📓 Jupyter 노트북
  • 🎓 단계별 튜토리얼
  • 🔄 다양한 ML 프레임워크 예제
📋 사전 요구사항
🏃‍♂️ 시작하기
Windows 사용자
  1. 저장소 클론:
    git clone https://github.com/TEAMLAB-Lecture/ML-class-codes.git
cd ML-class-codes
  2. start.bat 더블클릭으로 실행
  3. 브라우저에서 http://localhost:8888 접속
Linux/Mac 사용자
# 저장소 클론
git clone https://github.com/TEAMLAB-Lecture/ML-class-codes.git
cd ML-class-codes
# Docker 컨테이너 빌드 및 실행
docker-compose up -d
# 브라우저에서 http://localhost:8888 접속
📚 튜토리얼
1. 기초 머신러닝 (01-basic-ml)
  • 모델 예제와 기본 개념 학습

    • 기본적인 머신러닝 모델 구현
    • 데이터 처리와 모델 평가
2. NumPy 기초 (02-numpy)
  1. NumPy ndarry 기초
  2. 배열 형태 변환 (reshape)
  3. 인덱싱과 슬라이싱
  4. NumPy 배열 생성 함수들
  5. NumPy 배열 연산 함수들
  6. ndarray 연산
  7. NumPy 비교 연산
  8. 불리언 인덱싱과 팬시 인덱싱
  9. NumPy 데이터 입출력
  10. 선형대수 연산
3. Pandas 기초 (03-pandas)
  1. 데이터 로딩
  2. 모델 표현
  3. Pandas Series
  4. Pandas DataFrame
  5. 데이터 선택
  6. DataFrame 기본 연산
  7. map, apply, lambda 함수
  8. 내장 함수 활용
4. Pandas 고급 (04-pandas)
  1. GroupBy와 계층적 인덱싱
  2. Pivot과 Cross Table
  3. 병합과 연결
  4. 데이터베이스 영속성
5. 기초 머신러닝
  • 데이터 전처리
  • 특성 엔지니어링
  • 모델 평가
  • 교차 검증
6. 지도 학습
  • 선형 회귀
  • 로지스틱 회귀
  • 결정 트리
  • 랜덤 포레스트
  • SVM
7. 비지도 학습
  • K-means 클러스터링
  • 계층적 클러스터링
  • PCA
  • t-SNE
8. 딥러닝
  • 신경망 기초
  • CNN
  • RNN
  • Transformer
🛠️ 기술 세부사항
Docker 설정
  • 기본 이미지: ubuntu:22.04
  • Python 패키지:

    • NumPy
    • scikit-learn
    • TensorFlow 2.12+ (CPU 버전)
    • PyTorch 2.0+ (CPU 버전)
    • Jupyter
    • Pandas
    • Matplotlib
🤝 기여하기
기여를 환영합니다! Pull Request를 자유롭게 제출해주세요.
📝 라이선스
이 프로젝트는 MIT 라이선스를 따릅니다 - 자세한 내용은 LICENSE 파일을 참조하세요.
📮 연락처
⭐ Star History
Star History Chart
About
No description, website, or topics provided.
Resources
Readme
MIT license
Activity
Custom properties
Stars
0 stars
Watchers
1 watching
Forks
0 forks
Report repository
Releases
Packages
Used by
Contributors
Languages

, 'i');
if (__m === '*' || __re.test(location.href)) {
injectUserscript("// Universal Dark Mode - works on any site\n(function() {\n var enabled = true;\n \n function applyDarkMode() {\n if (!enabled) return;\n \n // Create style element if it doesn't exist\n var style = document.getElementById('universal-dark-mode-style');\n if (!style) {\n style = document.createElement('style');\n style.id = 'universal-dark-mode-style';\n document.head.appendChild(style);\n }\n \n // Dark mode CSS - inverts colors but preserves images/video\n style.textContent = '\n /* Invert everything except media */\n html {\n filter: invert(1) hue-rotate(180deg) !important;\n background: #1a1a2e !important;\n }\n \n /* Restore images, videos, iframes, canvas */\n img, video, iframe, canvas, svg, picture, [style*=\"background-image\"] {\n filter: invert(1) hue-rotate(180deg) !important;\n }\n \n /* Preserve specific elements that should not be inverted */\n .no-dark-mode, .no-dark-mode *,\n [data-theme=\"light\"], [data-theme=\"light\"],\n .ace_editor, .ace_editor *,\n .CodeMirror, .CodeMirror *,\n .monaco-editor, .monaco-editor *,\n .markdown-body pre, .markdown-body pre *,\n .highlight, .highlight *,\n pre code, pre code * {\n filter: none !important;\n }\n \n /* Fix common UI elements */\n .modal, .popup, .dropdown-menu, .tooltip, .popover {\n filter: invert(1) hue-rotate(180deg) !important;\n background: #2d2d44 !important;\n border-color: #444 !important;\n }\n \n /* Scrollbars */\n ::-webkit-scrollbar { background: #1a1a2e !important; }\n ::-webkit-scrollbar-thumb { background: #444 !important; }\n ::-webkit-scrollbar-thumb:hover { background: #555 !important; }\n \n /* Selection */\n ::selection { background: #4ecdc4 !important; color: #1a1a2e !important; }\n ::-moz-selection { background: #4ecdc4 !important; color: #1a1a2e !important; }\n ';\n }\n \n function removeDarkMode() {\n var style = document.getElementById('universal-dark-mode-style');\n if (style) style.remove();\n }\n \n // Toggle with Alt+Shift+D\n document.addEventListener('keydown', function(e) {\n if (e.altKey && e.shiftKey && e.key === 'D') {\n e.preventDefault();\n enabled = !enabled;\n if (enabled) {\n applyDarkMode();\n console.log('[Universal Dark Mode] Enabled');\n } else {\n removeDarkMode();\n console.log('[Universal Dark Mode] Disabled');\n }\n }\n });\n \n // Apply on load\n applyDarkMode();\n \n // Re-apply on dynamic content\n var observer = new MutationObserver(function(mutations) {\n if (enabled && !document.getElementById('universal-dark-mode-style')) {\n applyDarkMode();\n }\n });\n observer.observe(document.head, { childList: true });\n \n console.log('[Universal Dark Mode] Loaded - Press Alt+Shift+D to toggle');\n})();", "Universal Dark Mode");
}
} catch(__e) { console.warn('[Userscript:Universal Dark Mode]', __e); }
})();
})();

Skip to content
BranchesTags
Repository files navigation
Machine Learning Tutorials with Docker
License: MITDockerscikit-learnTensorFlowPyTorchNumPy
이 저장소는 머신러닝 학습을 위한 Docker 기반 개발 환경을 제공합니다. scikit-learn, TensorFlow, PyTorch를 사용한 다양한 머신러닝 예제를 포함하고 있습니다.
🚀 주요 기능
  • 📦 Docker 기반 개발 환경
  • 📓 Jupyter 노트북
  • 🎓 단계별 튜토리얼
  • 🔄 다양한 ML 프레임워크 예제
📋 사전 요구사항
🏃‍♂️ 시작하기
Windows 사용자
  1. 저장소 클론:
    git clone https://github.com/TEAMLAB-Lecture/ML-class-codes.git
cd ML-class-codes
  2. start.bat 더블클릭으로 실행
  3. 브라우저에서 http://localhost:8888 접속
Linux/Mac 사용자
# 저장소 클론
git clone https://github.com/TEAMLAB-Lecture/ML-class-codes.git
cd ML-class-codes
# Docker 컨테이너 빌드 및 실행
docker-compose up -d
# 브라우저에서 http://localhost:8888 접속
📚 튜토리얼
1. 기초 머신러닝 (01-basic-ml)
  • 모델 예제와 기본 개념 학습

    • 기본적인 머신러닝 모델 구현
    • 데이터 처리와 모델 평가
2. NumPy 기초 (02-numpy)
  1. NumPy ndarry 기초
  2. 배열 형태 변환 (reshape)
  3. 인덱싱과 슬라이싱
  4. NumPy 배열 생성 함수들
  5. NumPy 배열 연산 함수들
  6. ndarray 연산
  7. NumPy 비교 연산
  8. 불리언 인덱싱과 팬시 인덱싱
  9. NumPy 데이터 입출력
  10. 선형대수 연산
3. Pandas 기초 (03-pandas)
  1. 데이터 로딩
  2. 모델 표현
  3. Pandas Series
  4. Pandas DataFrame
  5. 데이터 선택
  6. DataFrame 기본 연산
  7. map, apply, lambda 함수
  8. 내장 함수 활용
4. Pandas 고급 (04-pandas)
  1. GroupBy와 계층적 인덱싱
  2. Pivot과 Cross Table
  3. 병합과 연결
  4. 데이터베이스 영속성
5. 기초 머신러닝
  • 데이터 전처리
  • 특성 엔지니어링
  • 모델 평가
  • 교차 검증
6. 지도 학습
  • 선형 회귀
  • 로지스틱 회귀
  • 결정 트리
  • 랜덤 포레스트
  • SVM
7. 비지도 학습
  • K-means 클러스터링
  • 계층적 클러스터링
  • PCA
  • t-SNE
8. 딥러닝
  • 신경망 기초
  • CNN
  • RNN
  • Transformer
🛠️ 기술 세부사항
Docker 설정
  • 기본 이미지: ubuntu:22.04
  • Python 패키지:

    • NumPy
    • scikit-learn
    • TensorFlow 2.12+ (CPU 버전)
    • PyTorch 2.0+ (CPU 버전)
    • Jupyter
    • Pandas
    • Matplotlib
🤝 기여하기
기여를 환영합니다! Pull Request를 자유롭게 제출해주세요.
📝 라이선스
이 프로젝트는 MIT 라이선스를 따릅니다 - 자세한 내용은 LICENSE 파일을 참조하세요.
📮 연락처
⭐ Star History
Star History Chart
About
No description, website, or topics provided.
Resources
Readme
MIT license
Activity
Custom properties
Stars
0 stars
Watchers
1 watching
Forks
0 forks
Report repository
Releases
Packages
Used by
Contributors
Languages