기술
데이터 분석
Pandas: CSV 파일을 데이터 프레임 형식으로 데이터 분석 및 처리
Numpy: 다차원 배열과 행렬을 다루며, 이에 대한 수학적 연산을 수행할 수 있는 기능 제공
Statsmodel: 통계 모델 테스팅, 통계 분석, 가설 검정, 회귀 분석 등을 지원
데이터 시각화
Streamlit: 데이터 애플리케이션을 빠르게 개발하고 베포할 수 있는 Python 프레임워크
Plotly: 웹 기반 대화형 시각화와 대시보드 개발을 지원하는 Python 라이브러리.
Seaborn: 데이터 시각화를 위한 Python 라이브러리로, Matplotlib 위에 구축되어 있음
데이터 엔지니어링
SQL: Microsoft SQL Server(MS-SQL)와 MySQL에 대한 전문적인 경험
Pandas: 데이터프레임 형태로 데이터를 처리하고 다양한 형식으로 내보낼 수 있음
CSV/JSON: 데이터를 처리하고 전달하는데 가장 익숙한 데이터 형식
머신 러닝
Tensorflow: 주요 딥 러닝 위한 오픈소스 라이브러리
Cookiecutter: 프로젝트 템플릿 및 프로젝트 구조화 생성
Scikit-learn: 주요 머신 러닝을 위한 오픈소스 라이브러리
개발툴/협업툴
Jira: 프로젝트 관리 및 이슈 추적 위해 사용
Git/Github: 버전 관리 및 백업 용도로 사용
Pycharm: 주요 Python 프로그래밍을 위한 통합 개발 환경(IDE)으로, 코드 편집, 디버깅, 테스팅 등의 기능
Docker: 애플리케이션과 그 종속성을 격리된 컨테이너에 패키징하고 배포할 수 있는 컨테이너화 플랫폼
웹개발
Django: 웹 개발을 위한 고급 Python 프레임워크로, 데이터베이스 연동, 템플릿 엔진, 관리 인터페이스 등
FastAPI: 빠르고 효율적인 웹 API 개발을 위한 Python 프레임워크
Flask: 마이크로 웹 프레임워크로, 간단한 Web 애플리케이션 개발 위해 사용
Pytest: Python을 위한 강력한 테스팅 프레임워크로, 단위 테스트, 통합 테스트 등