과정상세
[Live] 파이썬을 활용한 머신러닝
교재제공 중급
[Live] 파이썬을 활용한 머신러닝
카테고리
- 학습유형별 비대면
- 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 교육을 위해 사용될 PC 사양은 아래의 내용으로 권장드립니다.
- CPU: i5 이상
- 메모리: 8GB 이상
- 운영체제: 윈도우즈 10
※ 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.)
1. 이론만 학습하기는 그만! Scikit–learn 기반의 실습 위주로 머신러닝 이해하기!
2. 핵심 머신러닝 개념을 실제 현업에서 다루는 데이터로 실습하기!
3. 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 71
-
4.75최*은
2024.04.05
머신러닝의 기초에 대해 자세하고 친절하게 설명해주셔서 좋았습니다. 강사님의 유쾌한 에너지가 좋았습니다! -
5김*이
2024.04.05
강사님이 꼼꼼히 설명해주셔서 잘 이해할 수 있었습니다. -
5임*호
2024.04.05
머신러닝에 대해 많이 배울 수 있었습니다. -
5성*훈
2024.04.05
이론과 실습 모두 만족, 모형개발 프로세스 설명이 유용 -
5차*연
2024.04.05
친절한 설명 감사합니다.