멀티캠퍼스

통합검색

검색도우미 기능을 다시 켤때는
검색창에서 검색도우미 열기를 클릭하세요

과정상세

파이썬을 활용한 머신러닝

thumbnail image
집합

교재제공 중급

파이썬을 활용한 머신러닝

4.6

like 104

1,300,000원 (VAT없음)
학습기간
개폐강 확정일 2024.03.01

과정요약

과정요약
학습시간 09:30 ~ 17:30 ( 34시간 ) 난이도 중급
교육비 지원 고용보험 비환급 평가항목 출석률 100%
수료기준 총점 80점 이상시 수료 정원 24 명
교재정보

과정소개

※ 본 과정은 기존 교육과정(교육기간 4일 → 5일)을 리뉴얼하여 재오픈하였습니다.

본 과정은 데이터 분류와 예측에 필요한 다양한 기계학습 모델과 필요한 기법을 학습하여             
파이썬 기반 머신러닝 알고리즘이 어떻게 구현되는지 이해하고 실습하는 과정입니다.             
(본 과정의 실습은 Python을 이용하여 진행 됩니다.)            

- 이론만 학습하기는 그만! Scikit–learn 기반의 실습 위주로 머신러닝 이해하기!            
- 핵심 머신러닝 개념을 실제 현업에서 다루는 데이터로 실습하기!            
- 파이썬 기반의 데이터 분석 전문가의 강의!            

※ 아래와 같은 사전 지식이 갖춰져 있다면 <파이썬을 활용한 머신러닝> 과정을 매우 효과적으로 수강하실 수 있습니다. 

- 멀티캠퍼스 교육과정 <빅데이터를 위한 파이썬> <파이썬 입문 or 핵심>을 이미 수강하였다. 
OR
- 아래 3가지 중 1개 이상을 충족한다. 
  . 파이썬 스크립트를 보고 그 의미를 알 수 있다. 
  . 파이썬 라이브러리(Numpy, Pandas 등)를 사용해 본 경험이 있다. 
  . 파이썬은 사용해보진 않았으나 다른 프로그래밍 언어를 능숙하게 활용하고 있거나 업무를 하고 있다.

학습목표

  • 머신러닝의 다양한 알고리즘 모델들의 핵심적인 개념과 특성을 이해한다.
  • 파이썬 라이브러리를 활용해 다양한 예시를 활용해 머신러닝 모델을 훈련하고 적용한다.
  • 다양한 머신러닝 모델을 비교 및 분석하여 데이터에 적합한 기계학습 모델을 선택하고 설정하는 방법을 살펴본다.

학습대상

  • 머신러닝을 적용하여 데이터 분류 및 예측을 하고 싶은 데이터 분석가
  • 인공지능 알고리즘을 이해하고 적용하고 싶은 소프트웨어 개발자
  • 파이썬을 활용하여 인공지능 기술을 이해하고 싶은 개발자
    • 1일차
      • 환경설정
        • Anaconda와 주피터 노트북 09:30 ~ 10:30
      • NumPy
        • ndarray 자료구조 10:30 ~ 11:30
      • NumPy
        • ndarray 자료구조 활용 11:30 ~ 12:30
      • NumPy
        • numpy 함수 활용 13:30 ~ 14:30
      • pandas
        • pandas 자료구조 14:30 ~ 15:30
      • 기계학습 기본
        • sklearn 라이브러리 15:30 ~ 16:30
      • 기계학습 기본
        • sklearn 라이브러리 학습 알고리즘 16:30 ~ 17:30
    • 2일차
      • 지도학습
        • 분류와 회귀 09:30 ~ 10:30
      • 지도학습
        • 최적화와 일반화 10:30 ~ 11:30
      • 퍼셉트론
        • 최초의 학습 알고리즘 11:30 ~ 12:30
      • 퍼셉트론
        • 퍼셉트론 구현 13:30 ~ 14:30
      • 선형모델
        • 선형모델의 가설공간과 표현력 14:30 ~ 15:30
      • 선형모델
        • 선형회귀 15:30 ~ 16:30
      • 선형모델
        • 로지스틱 회귀 16:30 ~ 17:30
    • 3일차
      • 결정트리
        • 결정트리 학습 알고리즘 09:30 ~ 10:30
      • 결정트리
        • 결정트리 모델 활용 10:30 ~ 11:30
      • 결정트리
        • 결정트리와 선형 모델 비교 11:30 ~ 12:30
      • 조합 학습
        • 랜덤 포레스트 13:30 ~ 14:30
      • 조합 학습
        • GBRT 14:30 ~ 15:30
      • SVM
        • Suport Vector Machine 학습 알고리즘 15:30 ~ 16:30
      • SVM
        • SVM 모델 활용 16:30 ~ 17:30
    • 4일차
      • 데이터 전처리
        • 데이터 정규화 09:30 ~ 10:30
      • 데이터 전처리
        • 데이터 정규화 효과 실습 10:30 ~ 11:30
      • 차원축소
        • 주성분 분석 (PCA) 11:30 ~ 12:30
      • 차원축소
        • PCA 적용 및 활용 13:30 ~ 14:30
      • 군집
        • Kmeans 14:30 ~ 15:30
      • 군집
        • 병합군집 15:30 ~ 16:30
      • 군집
        • DBSCAN 16:30 ~ 17:30
    • 5일차
      • 특성공학
        • 범주형 변수 인코딩 09:30 ~ 10:30
      • 특성공학
        • 구간분할 10:30 ~ 11:30
      • 특성공학
        • 특성 선택 11:30 ~ 12:30
      • 모델 평가
        • 교차검증 (Cross Validation) 13:30 ~ 14:30
      • 모델 평가
        • 모델 튜닝 (Grid Search) 14:30 ~ 15:30
      • 알고리즘 체인
        • 알고리즘 체인을 활용한 모델 구성 15:30 ~ 16:30

수강후기 104

평균평점

4.6 / 5.0

  • 5
    이*영

    2024.02.23

    머신러닝에 사용되는 알고리즘, 라이브러리 등을 실습을 통해서 차근차근 알아갈 수 있는 좋은 수업이었습니다.
  • 4
    최*모

    2024.02.23

    데이터분석을 위한 유익한 과정
  • 4.5
    박*영

    2024.02.23

    머신런닝에 깊숙히 이해가 되었습니다.
  • 4
    김*환

    2024.02.23

    대학교(원) 전공 강의처럼 자세하게 원리를 설명해주는 강의. 교육장비나 보조재 활용을 정말 잘하시는 강사님이었음. 다만, 나의 경우엔 기업의 실무 담당자로서 이 수업을 듣고 업무에 적용하는 포인트도 함께 얻어가기는 쉽지 않았음. 추가적인 공부가 많이 필요하고, 빠른 실무 적용을 원하는 실무자에게는 부적합할 수 있음. 전반적으로 머신러닝을 이해하는 목적으로는 만족스러운 강의였다.
  • 4.75
    전*효

    2024.02.23

    사전 지식이 좀 많이 필요할 듯함

파이썬을 활용한 머신러닝 관련과정