.png&blockId=ac94ad2f-ce71-4951-9ad0-959e7ff0199e)
강의계획서
모델링을 통해 자신만의 인공지능을 구축하고 싶은 분을 위해 여러 머신러닝 알고리즘을 배웁니다.
[어떤 것을 배우나요?]
•
알고리즘을 처음 배우는 분을 위한 수업으로
전반적인 머신러닝의 알고리즘
•
분류에 필요한 결정트리 알고리즘
( Decision Tree, Random Forest 등 )
•
회귀에 필요한 다양한 회귀분석 ( 선형회귀, K-최근접 이웃 회귀,
로지스틱 회귀, 확률적 경사 하강법 등 )
•
비지도 학습 ( 군집 알고리즘, KMeans, GMM, DBSCAN 등 )
어떤 사람에게 추천하나요?
[이런 분께 추천합니다]
•
파이썬을 통해 자신만의 인공지능을 본격적으로 만들고 싶으신 분
•
모델링을 배워 데이터 사이언티스트 직무를 희망하시는 분
•
파이썬은 가능하나, 모델을 다뤄본적이 없으신 분
•
데이터 분석 입문반(머신러닝)의 내용에서
심화된 내용을 배우고 싶으신 분들
신청 전 확인하기!
본 강의는 데이터 모델링의 개념부터 다루며, 이후 여러 알고리즘을 실습하는 방식으로 이루어집니다.
또한, 데이터 분석 입문반(ML)에서 배우는 내용을 어느 정도 숙지하고 있다 가정하고 수업을 진행합니다. 이에 대한 개념이 부족한 경우 수업을 따라가는데 어려움이 있을 수 있습니다.
이 경우 “데이터 분석 입문반(ML)” 수강을 권장합니다.
권장 수업 페이지로 이동하기
아래의 커리큘럼을 확인 후 알고 있는 내용이라면 다음 과목 수강을 권장합니다.
- 추천 시스템 프로젝트 실습을 하시고 싶으신 분은
“데이터 분석 실전반 - 추천 시스템 구현” 수강을 권장합니다.
- 모델링에 나아가 딥러닝에 대해 배우고 싶으신 분은
“(NEW!) 딥러닝의 이해 (1)” 수강을 권장합니다.
권장 수업 페이지로 이동하기
커리큘럼
1주차 | 머신러닝 모델링과 절차 이해 |
2주차 | 지도학습 기본 알고리즘 1 |
3주차 | 지도학습 기본 알고리즘 2 |
4주차 | 지도학습 기본 알고리즘 3 |
5주차 | 지도학습 기본 알고리즘 4 |
6주차 | 성능 1 (교차 검증) |
7주차 | 성능 2 (최적화) |
8주차 | 성능 3 (일반화 성능과 과적합) |
9주차 | 추가 알고리즘 1 (SVM) |
10주차 | 추가 알고리즘 2 (앙상블) |
11주차 | 추가 알고리즘 3 (앙상블) |
12주차 | 비지도 학습 (차원 축소 1) |
13주차 | 비지도 학습 (차원 축소 2) |
14주차 | 비지도 학습 (군집화 1) |
15주차 | 비지도 학습 (군집화 2) |
16주차 | Review |