JavaScript에 능숙한 개발자가 AICE 자격증(Associate·Professional) 실기를 준비하는 데 필요한 Python을 "JS와의 차이" 중심으로 배우는 e-book입니다.
📖 웹에서 읽기: https://newids.github.io/python4js/ (단일 페이지 e-book — 검색·오프라인 저장에 유리)
아래 목차에서 챕터를 클릭하면 GitHub에서 마크다운으로 바로 읽을 수 있습니다.
- 모든 개념을 JS ↔ Python 나란히 비교로 설명 — 아는 것은 건너뛰고 차이만 익힙니다
- 본문 예제 코드 223개 전부 실제 실행 검증 (Python 3.13 · pandas 3.0 · scikit-learn 1.9 · TensorFlow 2.21 기준)
⚠️ JS 함정(JS 습관이 만드는 오류) /⚠️ 함정(Python·라이브러리 자체 함정) 콜아웃 구분🎯 AICE콜아웃과 빈칸 채우기형 연습문제(실기 형식) + 접기 정답
| Chapter 00. 이 책을 읽기 전에 | 개요·학습 대상·학습 방법 |
| Chapter 01. 개발 환경과 실행 모델 | node/npm ↔ python/pip/venv |
| Chapter 02. 변수·타입·연산자 | truthiness 반전, is None |
| Chapter 03. 문자열과 포매팅 | 템플릿 리터럴 ↔ f-string |
| Chapter 04. 컬렉션: list·dict·set·tuple | Array/Object/Map/Set 대응, 슬라이싱 |
| Chapter 05. 제어 흐름 | 들여쓰기 블록, enumerate/zip |
| Chapter 06. 컴프리헨션 | map/filter의 Python 관용구 |
| Chapter 07. 함수 | *args/**kwargs ↔ rest/spread, 가변 기본값 함정 |
| Chapter 08. 스코프와 클로저 | LEGB, 늦은 바인딩 |
| Chapter 09. 클래스와 객체 | prototype ↔ class, self, dunder |
| Chapter 10. 모듈과 패키지 | ESM ↔ import |
| Chapter 11. 에러 처리 | try/catch ↔ try/except/else/finally |
| Chapter 12. 이터레이터와 제너레이터 | function* ↔ yield |
| Chapter 13. NumPy 기초 | 배열 연산·브로드캐스팅 |
| Chapter 14. Pandas I: Series와 DataFrame | 불리언 인덱싱, loc/iloc |
| Chapter 15. Pandas II: 전처리 | 결측치·groupby·merge (최다 출제) |
| Chapter 16. 시각화 | matplotlib/seaborn 빈출 패턴 |
| Chapter 17. Scikit-learn 모델링 프로세스 | split → fit → predict → 평가 |
| Chapter 18. Keras 딥러닝 기초 | Sequential·compile·fit |
| Chapter 19. 고급 전처리와 특성 공학 | 인코딩·스케일링·데이터 누수 |
| Chapter 20. 앙상블 모델 | RF·GB·XGBoost·LightGBM |
| Chapter 21. 하이퍼파라미터 튜닝과 Pipeline | GridSearchCV·ColumnTransformer |
| Chapter 22. 모델 평가 심화와 교차검증 | ROC-AUC·cross_val_score |
| Chapter 23. 딥러닝 심화: CNN·RNN·시계열 | Conv2D·LSTM·콜백 |
| Chapter 24. 텍스트 데이터 처리 기초 | Vectorizer·텍스트 파이프라인 |
| Appendix A. JS → Python 치트시트 | 시험 직전 훑기용 대응표 |
| Appendix B. AICE 실기 팁과 자주 하는 실수 | 트랙별 팁, JS 개발자 습관성 오타 체크리스트 |
| Appendix C. Associate vs Professional 로드맵 | 트랙별 학습 경로와 챕터 의존 그래프 |
- AICE Associate: 1~18장 (+ 부록)
- AICE Professional: 1~24장 전체
- 자세한 트랙별 경로는 Appendix C 참조
Python 3.13 기준. 필수 numpy pandas scikit-learn, 시각화·딥러닝 챕터용 matplotlib seaborn tensorflow, 선택(20장) xgboost lightgbm — macOS에서 부스팅 라이브러리는 brew install libomp가 먼저 필요합니다. 자세한 안내는 Chapter 00.
이 책은 Claude Code 멀티 에이전트 하네스(목차 설계 → 집필 → 실행 검증 → QA → 조판)로 제작·유지보수됩니다.
chapters/ 챕터 마크다운 (GitHub 열람용 — _workspace에서 동기화되는 파생 복사본)
docs/ GitHub Pages 배포본 (index.html)
dist/ 빌드 산출물 (단일 HTML)
_workspace/ 파이프라인 원본: 목차·챕터 원본·검증/QA 보고서
.claude/ 에이전트·스킬 정의 (하네스)