컨텐츠 내용
- 수강신청
- 과정정보
Python 머신러닝
총 학습시간 12시간 7분
[과정소개]
▪ Python 머신러닝과정은 예측, 분류, 군집, 연관추천 등 4가지 머신러닝 목적과 예측력이 높은 검증된 13가지핵심
알고리즘을 마스터하는 과정입니다. 본 과정은 선거유권자 예측, 환자예측등 실전 주제를 가지고 데이터 정규화,
데이터셋분할, 알고리즘적용과 하이터파라미터 튜닝을 통한 최적 모델 찾기, 실전데이터에 적용 등의 전 과정을 다루고 있습니다
▪ 본과정을 수강하시면 머신러닝알고리즘의 이론과 실전을 동시에 마스터하실 수 있습니다.
[수강대상]
▪Python 머신러닝 과정은 인공지능 기반 데이터사이언티스트로 안내합니다.
다음과 같은 분들이 머신러닝 과정 수강이 필요합니다.
- 인공지능 데이터분석가가 되고자 하는 현업 실무자 및 취업준비생
- 개발자이면서 예측, 추천, 군집등의 분석을 자동화하고자 하는 분
- 머신러닝을익혀 반복적 업무의 효율성 및 예측력을 향상하고자 하는 분
- 대학 혹은 기관에서 데이터분석 관련 연구와 강의를 하고 계신 강사 및 교수님
- 전통적 통계분석에 더해 최신 머신러닝기법으로 연구성과를 내고자 하는 연구자
- 빅데이터분석, 인공지능사업과 연구를 기획하는 정책 실무자
[학습목표]
▪Python 머신러닝과정을 수강하신 후 다음과 같은 분석능력을 갖추게 됩니다.
- 수집된 데이터의 정규화, 변환, train/test 데이터셋 분할 등 분석 전처리과정을 완벽하게 이해하고 수행할 수 있습니다.
- 머신러닝의 예측, 분류, 군집, 추천등 4가지목적에 따른 13가지핵심 알고리즘을 명확하게 알고 직접 수행할 수 있습니다.
- 하이퍼 파라미터 튜닝방법을 익혀 가장 예측력이 높은 최적의 결과를 도출할 수 있습니다.
- 앙상블기법을 적용해 여러 머신러닝 알고리즘의 조합으로 더욱 높은 예측력을 이끌어낼 수 있습니다.
[수강안내]
※ 정규학습일수는 180일이며, 180일이내 수강을 80% 이수해야만 수료증이 발급됩니다.
※ 교재는 강의 내에서 교안과 실습자료를 다운로드 받으실 수 있도록 파일로 제공됩니다.
■ 교환.환불규정 ■
1) 결제 후 7일 이내, 이용한 강좌 없을 경우: 전액 환불
2) 결제 후 7일 초과 ~ 수강기간 1/2 이하
- 이용한 강좌가 없을 경우: 위약금(결제한 금액의 10%) 차감 후 환불
- 이용한 강좌가 있을 경우: 위약금(결제한 금액의 10%)+완료 강좌 수에 따른 정가 차감 후 환불
3) 수강기간 1/2 초과: 환불 불가
*산출기준 예시: 수강료 150,000원이면 강좌 수 20강인 경우, 150,000원/20강=7,500원(1강좌)로 산출
※ 유의사항
- 수강기간이 종료된 강의는 환불이 불가합니다.
- 복습기간이나 이벤트 등으로 추가로 제공된 기간은, 수강기간에 포함되지 않습니다.
- 환불금액은 결제한 금액 기준이며, 결제 시 사용한 적립금(쿠폰)은 반환해드립니다.
차시 | 강의명 | 학습시간 |
---|---|---|
1차시 | 데이터와 알고리즘 | 16분 |
2차시 | 머신러닝 프로세스 | 30분 |
3차시 | 머신러닝 맛보기1: 분류 문제(로지스틱 회귀분석) | 60분 |
4차시 | 머신러닝 맛보기2: 회귀 문제(선형회귀분석) | 21분 |
5차시 | 머신러닝 프로세스1: 범주변수의 변환: one-hot-encoding | 21분 |
6차시 | 머신러닝 프로세스2: 데이터셋 분할과 모델검증 | 34분 |
7차시 | 머신러닝 프로세스3: 데이터 스케일링 | 46분 |
8차시 | 머신러닝 프로세스4: 모델 훈련과 세부튜닝 | 28분 |
9차시 | 머신러닝 프로세스5: 모델 평가 | 31분 |
10차시 | 머신러닝 프로세스6: 다중분류 | 24분 |
11차시 | 데이터의 3대 유형 | 18분 |
12차시 | 지도학습 알고리즘1: 로지스틱 회귀모델 | 40분 |
13차시 | 지도학습 알고리즘2: k-최근접이웃법(KNN) | 26분 |
14차시 | 지도학습 알고리즘3: 나이브 베이즈 | 19분 |
15차시 | 지도학습 알고리즘4: 인공신경망 | 40분 |
16차시 | 지도학습 알고리즘5: 서포트 벡터 머신(SVM) | 33분 |
17차시 | 지도학습 알고리즘6: 의사결정나무(Decision Tree) | 21분 |
18차시 | 지도학습 알고리즘7: 랜덤 포레스트(Random Forest) | 20분 |
19차시 | 지도학습 알고리즘8: 투표기반 앙상블 | 20분 |
20차시 | 지도학습 알고리즘9: 앙상블 배깅 | 17분 |
21차시 | 지도학습 알고리즘10: 앙상블 부스팅 | 15분 |
22차시 | 지도학습 알고리즘11: 앙상블 스태킹 | 17분 |
23차시 | 지도학습 알고리즘12: 선형 회귀모델 | 23분 |
24차시 | 지도학습 알고리즘13: 릿지(Ridge) 회귀모델 | 9분 |
25차시 | 지도학습 알고리즘14: 라소(Lasso) 회귀모델 | 6분 |
26차시 | 지도학습 알고리즘15: 엘라스틱넷 | 10분 |
27차시 | 비지도학습 알고리즘1: 군집분석 | 42분 |
28차시 | 비지도학습 알고리즘2: DBSCAN | 16분 |
29차시 | 비지도학습 알고리즘3: 연관규칙분석 | 24분 |