과정상세

[Live] 파이썬을 활용한 머신러닝

집합

교재제공 중급

[Live] 파이썬을 활용한 머신러닝

4.5

like 74

1,300,000원 (VAT없음)

자료보기

과정요약

과정요약
학습시간	34시간	난이도	중급
교육비 지원	고용보험 비환급	평가항목	출석률 100%
수료기준	총점 80점 이상시 수료	정원	32 명
교재정보

과정소개

파이썬을 활용한 머신러닝
파이썬 Scikit–learn 머신러닝

※ 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.)

💻 본 교육을 위해 사용될 PC 사양은 아래의 내용으로 권장드립니다
✔ CPU: i5 이상 ✔ 메모리: 8GB 이상 ✔ 운영체제: 윈도우즈 10

👍 이런 분들이 수강하시면 좋아요!
✔ 멀티캠퍼스 교육과정 <빅데이터를 위한 파이썬> <파이썬 입문 or 핵심>을 이미 수강하신 분
✔ 아래 3가지 중 1개 이상을 충족하시는 분
  . 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.

📍 과정 특장점

🚩 Scikit–learn 기반의 실습 위주로 머신러닝 이해하기!

- 이론만 학습하기는 그만!
- 파이썬 머신러닝의 대표적인 라이브러리 Scikit-Learn에서 제공하는 다양한 머신러닝 모델을 활용하는 방법을 살펴봅니다.

💻 핵심 머신러닝 개념을 실제 현업에서 다루는 데이터로 실습하기!

- 의료, 부동산, 금융 데이터와 같은 실제적인 데이터를 다양한 학습 모델을 훈련시키는데 활용하고
각 모델을 평가 및 튜닝하는 기법을 살펴봅니다.

🎓 파이썬 기반 데이터 분석 전문가의 강의!

- 파이썬 기반의 빅데이터, 머신러닝, 딥러닝 분야의 풍부한 경험을 가진 데이터 분석 전문가가
인공지능 알고리즘에 입문하는데 꼭 필요한 머신러닝의 핵심적인 개념을 알기 쉽게 전달합니다.

📍 과정 수강 후기 (페이지 하단에서 더 많은 실제 후기를 만나보세요 👀)

👩 수업을 듣고 모델선택, 최적화와 자료 전처리를 어떻게 해야겠다는것 전반에 대해 모두 이해하게 되었습니다.
👨 사이킷런에 대해 자세히 배울 수 있어 머신러닝을 직접 활용하기에 좋은 강의였습니다.
👧 전공수업 수준의 심도있는 깊이와 오랜 경력의 친근한 설명이 뛰어난 강의입니다.
👩‍🦱 머신러닝 기본서로 독학과 챗gpt로 겨우 먹고 살고 있었는데 이 수업으로 광명 찾았습니다. 딥러닝 수업 들으러 또 오겠습니다

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

과정목차 34

1 일차
- 환경설정
  - 파이썬과 주피터 노트북
- NumPy
  - ndarray 자료구조
- NumPy
  - ndarray 자료구조 활용
- NumPy
  - numpy 함수 활용
- pandas
  - pandas 자료구조
- 기계학습 기본
  - sklearn 라이브러리
- 기계학습 기본
  - sklearn 라이브러리 학습 알고리즘
2 일차
- 지도학습
  - 분류와 회귀
- 지도학습
  - 최적화와 일반화
- 퍼셉트론
  - 최초의 학습 알고리즘
- 퍼셉트론
  - 퍼셉트론 구현
- 선형모델
  - 선형모델의 가설공간과 표현력
- 선형모델
  - 선형회귀
- 선형모델
  - 로지스틱 회귀
3 일차
- 결정트리
  - 결정트리 학습 알고리즘
- 결정트리
  - 결정트리 모델 활용
- 결정트리
  - 결정트리와 선형 모델 비교
- 조합 학습
  - 랜덤 포레스트
- 조합 학습
  - GBRT
- SVM
  - Support Vector Machine 학습 알고리즘
- SVM
  - SVM 모델 활용
4 일차
- 데이터 전처리
  - 데이터 정규화
- 데이터 전처리
  - 데이터 정규화 효과 실습
- 차원축소
  - 주성분 분석 (PCA)
- 차원축소
  - PCA 적용 및 활용
- 군집
  - Kmeans
- 군집
  - 병합군집
- 군집
  - DBSCAN
5 일차
- 특성공학
  - 범주형 변수 인코딩
- 특성공학
  - 구간분할
- 특성공학
  - 특성 선택
- 모델 평가
  - 교차검증 (Cross Validation)
- 모델 평가
  - 모델 튜닝 (Grid Search)
- 알고리즘 체인
  - 알고리즘 체인을 활용한 모델 구성

수강후기 74

평균평점

4.5 / 5.0

4

강*석
2024.06.14

좋은 교육이었습니다.
4.25

송*현
2024.06.14

전반적으로 준비도 알차게 해주시고 강의가 체계적이라 좋았습니다.
4

박*
2024.06.14

실용적으로 머신러닝을 구축하는 방법에 대해 알게되어 도움이 됨.
4.75

최*은
2024.04.05

머신러닝의 기초에 대해 자세하고 친절하게 설명해주셔서 좋았습니다. 강사님의 유쾌한 에너지가 좋았습니다!
5

김*이
2024.04.05

강사님이 꼼꼼히 설명해주셔서 잘 이해할 수 있었습니다.