코랩(Colab) 활용 가이드: 데이터 분석과 머신 러닝을 위한 초보자용

1. 코랩(Colab) 소개

코랩(Colaboratory)은 구글에서 제공하는 클라우드 기반의 Jupyter 노트북 환경입니다. 무료로 제공되며, 브라우저만 있으면 어디서든 접근할 수 있습니다. 코랩을 사용하면 데이터 분석, 머신 러닝, 인공 지능 등을 간편하게 개발하고 실행할 수 있습니다.

 

2. 시작하기

1. 코랩에 접속하기: colab.research.google.com
2. 구글 계정으로 로그인하기
3. "새 노트" 버튼 클릭하여 새로운 노트북 생성하기

 

3. 코랩의 기능

코드 실행: 코드 셀에 Python 코드를 입력하고 실행할 수 있습니다. 코드 셀은 Shift + Enter를 눌러 실행할 수 있습니다.
텍스트 작성: Markdown을 사용하여 텍스트 셀에 문서를 작성할 수 있습니다.
외부 라이브러리 사용: 필요한 라이브러리를 설치하고 import하여 사용할 수 있습니다.
파일 업로드 및 다운로드: 로컬 파일을 코랩에 업로드하거나, 코랩에서 생성한 파일을 다운로드할 수 있습니다.
리소스 관리: CPU, GPU, TPU 등 다양한 하드웨어 리소스를 선택하여 사용할 수 있습니다.

 

4. 코랩의 장단점

장점

무료로 제공되는 클라우드 환경

코랩은 Google에서 제공하는 서비스로, 무료로 사용할 수 있습니다. 사용자가 별도의 설정이나 설치 없이 웹 브라우저를 통해 즉시 접근할 수 있습니다.

 

다양한 라이브러리 지원(셋팅의 편리함)

코랩은 다양한 데이터 분석 및 머신 러닝 라이브러리를 지원하며,   코랩의 클라우드 환경으로 인해 다양한 라이브러리가 이미 설치가 되어있습니다. 사용하고자하는 특정 라이브러리를 별도로 설치할 필요가 없습니다.

이러한 특징으로 인해 원하는 라이브러리가 대부분 바로 적용하여 사용할 수 있습니다. 

만약 설치되어 있지 않은 라이브러리는 코드 실행 시간에 바로 설치하여 사용할 수 있습니다.

GPU 및 TPU 지원

코랩은 GPU 및 TPU와 같은 고성능 하드웨어 가속기를 제공하여 하드웨어를 따로 구매하지 않아도 되어 하드웨어 구매비용을 절감할 수 있습니다.

이러한 지원으로 인해 저사양 컴퓨터로도 대규모 분석이나, AI 관련 프로젝트 수행이 수월해집니다.

Jupyter 노트북 통합

코랩은 Jupyter 노트북 환경을 제공하여 코드 작성, 실행, 결과 확인 등을 편리하게 할 수 있습니다. 이를 통해 코드와 설명을 함께 작성하고 공유할 수 있습니다.

 

단점

제한된 리소스 및 세션 제한

무료 버전의 코랩은 제한된 하드웨어 리소스를 제공하며, 세션 유지 시간에 제한이 있습니다. 따라서 대용량 데이터셋이나 오랜 시간이 필요한 작업에는 제한이 있을 수 있습니다.

인터넷 연결 필요

코랩은 클라우드 기반이기 때문에 인터넷에 연결되어 있어야 합니다. 인터넷 연결이 불안정한 경우 작업이 중단될 수 있습니다.

 

 

4. 코드 예시(타이타닉)

# 필요한 라이브러리 import
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

# 타이타닉 데이터셋 불러오기
data_url = 'https://raw.githubusercontent.com/datasciencedojo/datasets/master/titanic.csv'
df = pd.read_csv(data_url)

# 생존자와 사망자 수 countplot으로 시각화하기
sns.countplot(x='Survived', data=df)
plt.title('Survival Count')
plt.xlabel('Survived')
plt.ylabel('Count')
plt.show()

# 성별에 따른 생존자와 사망자 수 countplot으로 시각화하기
sns.countplot(x='Survived', hue='Sex', data=df)
plt.title('Survival Count by Sex')
plt.xlabel('Survived')
plt.ylabel('Count')
plt.legend(title='Sex', loc='upper right')
plt.show()

 

생존자 수 (0은 사망자, 1은 생존자)

 

성별에 따른 생존자 시각화(0은 사망, 1은 생존)

 

5. 마무리

이제 코랩을 사용하여 데이터 분석과 머신 러닝 프로젝트를 시작할 준비가 되었습니다. 

계속해서 코랩을 활용하여 다양한 프로젝트를 진행해보세요!

 

* 이 블로그에서 사용된 데이터는 Data Science Dojo에서 제공하는 타이타닉 데이터셋을 활용하였습니다. 데이터셋의 출처는 다음과 같습니다:https://github.com/datasciencedojo/datasets/blob/master/titanic.csv