Skip to content

appendix_c_roadmap.md

Latest commit

 

History

History
90 lines (69 loc) · 4.78 KB

appendix_c_roadmap.md

File metadata and controls

90 lines (69 loc) · 4.78 KB
Raw

Appendix C. Associate vs Professional 로드맵

두 트랙의 범위를 비교하고, 챕터 의존 관계와 트랙별 최단 학습 경로를 제시합니다. 시간이 한정된 JS 개발자가 "무엇을 먼저, 어디까지" 볼지 결정하는 지도입니다.

C.1 두 트랙 범위 비교

영역 Associate Professional 챕터
Python 문법 기초 필수 필수 ch01~12
NumPy·pandas 필수 필수 ch13~15
시각화(EDA) 중 하 ch16
sklearn 기본 모델링 필수 필수 ch17
Keras 기본 필수 필수 ch18
특성 공학 심화 중 필수 ch19
앙상블 모델 중 필수 ch20
튜닝·Pipeline 하 필수 ch21
교차검증·평가 심화 중 필수 ch22
CNN·RNN·시계열 하 필수 ch23
텍스트 처리 하 중 ch24

핵심 차이는 **Part 3(ch19~24)**입니다. Associate는 "동작하는 파이프라인 한 벌"이면 충분하지만, Professional은 그 파이프라인을 자동화·심화·정밀 평가하는 역량까지 요구합니다.

C.2 챕터 의존 그래프

Part 1은 대체로 선형이고, Part 2·3에서 NumPy·pandas가 하위 챕터의 토대가 됩니다. NumPy(13)와 pandas(14, 15)를 먼저 확정하지 않으면 이후 예제가 불안정합니다.

[Part 1 — 문법]  01 → 02 → 03 → 04 → 05 → 06 → 07 → 08 → 09 → 10 → 11 → 12
                                  │
                                  └──(04 슬라이싱, 06 벡터화 사고)──┐
                                                                   ▼
[Part 2 — Associate]        13(NumPy) → 14(pandas) → 15(전처리) → ┬→ 16(시각화)
                                                                   └→ 17(sklearn)
                                                                        │
                          ┌──────────────┬──────────────┬─────────────┘
                          ▼              ▼              ▼
[Part 3 — Professional]  18(Keras)*    19(특성공학)   20(앙상블)   22(평가심화)
                          │                            │
                          ▼                            ▼
                         23(CNN·RNN)                  21(튜닝) → 24(텍스트)

* 18(Keras)은 Part 2(Associate) 챕터입니다. 그래프에서는 하위 의존(18 → 23)을 한눈에 보이려 Part 3 행에 배치했을 뿐이며, 소속 자체는 Part 2입니다.

  • 04·06 → 13: 슬라이싱과 컴프리헨션(벡터화 사고)이 NumPy·pandas 인덱싱의 선수 지식입니다.
  • 09 → 17: 클래스·self·dunder 이해가 sklearn estimator 객체(model.fit/predict) 독해의 바탕입니다.
  • 15 → 17 → {18, 19, 20, 22}: 전처리로 만든 입력이 모델링·심화 챕터로 갈라집니다.
  • 20 → 21 → 24, 18 → 23: 앙상블·딥러닝이 각각 튜닝·텍스트·시퀀스로 이어집니다.

C.3 트랙별 최단 학습 경로

Associate 최단 경로 (ch01~18)

목표가 Associate뿐이라면 Part 3는 건너뛰어도 됩니다.

문법 토대   : 01 → 02 → 04 → 05 → 06   (03·07~12는 필요 시 참조)
데이터 핸들 : 13 → 14 → 15
모델링·평가 : 17 → 18
EDA 시각화  : 16 (병행)

문법에서는 **함정 챕터(02 truthiness·is None, 04 슬라이싱·컬렉션, 05 삼항·블록스코프, 06 컴프리헨션)**에 시간을 집중하고, JS와 거의 같은 부분(03·10·11)은 빠르게 통과합니다.

Professional 최단 경로 (전체)

Associate 경로를 마친 뒤 Part 3를 얹습니다.

(Associate 경로 완료 전제)
특성·모델 심화 : 07 → 08 → 09 (문법 보강) → 19 → 20
자동화·평가    : 21 → 22
딥러닝·텍스트  : 23 → 24

Professional은 코딩 비중이 높아 07(인자 체계)·08(스코프)·09(클래스) 문법 보강이 실전에서 되살아납니다. fit_transform/transform 분리, Pipeline __ 표기, 콜백 등 "누수 없는 자동화"가 채점 핵심입니다.

C.4 학습 순서 요약

단계 우선순위 챕터 트랙
1 문법 함정 집중 02, 04, 05, 06 공통
2 데이터 핸들링 13, 14, 15 공통
3 기본 모델링 17, 18 공통
4 EDA 시각화 16 Associate 중심
5 문법 보강 07, 08, 09 Professional
6 심화 모델링 19, 20, 21, 22 Professional
7 딥러닝·텍스트 23, 24 Professional

Appendix A(치트시트)와 B(실기 팁)를 이 경로와 함께 반복 참조하면, 문법 → 파이프라인 → 시험 대비가 한 흐름으로 이어집니다.