과정상세
파이썬을 활용한 머신러닝
교재제공 중급
파이썬을 활용한 머신러닝
카테고리
- 학습유형별 대면
- AI 머신러닝/딥러닝
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
-
환경설정
-
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
-
지도학습
-
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
-
결정트리
-
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
-
데이터 전처리
-
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
-
특성공학
-
1일차
수강후기 115
-
4.75김*규
2024.04.26
머신러닝에 대한 기본적인 이해와 인공지능/머신러닝/딥러닝이 어떻게 구분되는지를 이해할 수 있었다. 해당 과정에서 얻은 인사이트를 업무에 잘 활용할 수 있는 방안에 대해 많이 고민해봐야겠다. -
5임*총
2024.04.26
파이썬 라이브러리를 활용한 머신러닝 책으로 강의를 진행합니다. 77 페이지, 78 페이지 설명이 이 강의의 하이라이트이며 이 강의를 돈 주고 듣는 목적이라고 생각됩니다. 책이 있어서 혼자 공부하기 어렵고 어떤 부분이 중요하고 덜 중요한지 어떤 것은 이제 필요가 없어서 다른기술로 대체 되었는지 설명해주십니다. 주피터 노트북과 파일을 실시간으로 공유해주셔서 못따라는 경우 바로 노트북 파일을 받아서 실행시킬 수 있게 해주신 부분이 특히 맘에 들었습니다. 감사합니다. -
5김*오
2024.04.26
컴퓨터정보통신공학 전공 공공기관 전산직 입니다. 자연어처리 기술 활용 경험이 좀 있는데, 기본적인 지식과 기술 사용법을 친절히 알려주셔서 좋았습니다. 강사님 지식 및 해설이 뛰어나서 이해가 잘됩니다. 실습하면서 배우는 것도 좋구요. 수강생들의 이해 수준에 맞춰 설명을 해주시는게 기본입니다. 다음 과정도 듣고싶습니다. -
5서*욱
2024.04.26
통계부터 시작한 머신러닝의 발전역사와 함께 머신러닝이 왜 해야 하는지? 머신러닝을 어떻게 활용해야 하는지?에 대한 전반적인 내용을 이 교육 하나로 끝내고 가는것 같아서 만족합니다. -
3.5김*태
2024.04.26
머신러닝에 대한 기본적인 내용을 배울 수 있는 점은 좋았으나 보다 활용성이 높은 데이터셋을 이용하는 내용도 포함되었으면 좋겠습니다.