컨텐츠 내용
- 수강신청
- 과정정보
[패키지] 머신러닝 에센셜 과정
총 학습시간 50시간 46분
[과정소개]
▪ 데이터전문가를 위한 머신러닝(R+Python) 과정!
▪ R 데이터분석과 시각화 + R 머신러닝 + Python 핵심+ Python 머신러닝 4개 과목, 총 105 강의 패키지!
▪ 머신러닝 패키지 과정은 예측, 분류, 군집, 연관추천 등 4가지 머신러닝 목적과 예측력이 높은 검증된 13가지핵심
알고리즘을 마스터하는 과정입니다. 본 과정은 선거유권자 예측, 환자예측 등 실전 주제를 가지고 데이터 정규화,
데이터셋분할, 알고리즘 적용과 하이터파라미터 튜닝을 통한 최적 모델 찾기, 실전데이터에 적용 등의 전 과정을 다루고 있습니다
▪ 본 과정을 수강하시면 머신러닝 알고리즘의 이론과 실전을 동시에 마스터하실 수 있습니다.
[학습목표]
▪ 머신러닝 패키지 과정을 수강하신 후 다음과 같은 분석능력을 갖추게 됩니다.
▪ 수집된 데이터의 정규화, 변환, train/test 데이터셋 분할 등 분석 전처리 과정을 완벽하게 이해하고 수행할 수 있습니다.
▪ 머신러닝의 예측, 분류, 군집, 추천등 4가지목적에 따른 13가지핵심 알고리즘을 명확하게 알고 직접 수행할 수 있습니다.
▪ 하이퍼파라미터 튜닝방법을 익혀 가장 예측력이 높은 최적의 결과를 도출할 수 있습니다.
▪ 앙상블기법을 적용해 여러 머신러닝 알고리즘의 조합으로 더욱 높은 예측력을 이끌어낼 수 있습니다.
[수강안내]
※ 정규학습일수는 365일이며, 365일이내 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 |
---|---|---|
I. Python 핵심 | ||
1차시 | 분석 데이터 준비 | 20분 |
2차시 | Python 설치하기 | 24분 |
3차시 | Python 기초1: 데이터 유형 | 57분 |
4차시 | Python 기초2: 조건문과 반복문 | 20분 |
5차시 | Python 기초3: Numpy 함수 | 39분 |
6차시 | Python 기초4: Pandas 함수 기초 | 41분 |
7차시 | Python 기초5: Pandas로 데이터 변환하기 | 44분 |
8차시 | 단변량 데이터 탐색 | 34분 |
9차시 | 이변량 데이터 탐색 | 22분 |
10차시 | 이상치 처리 | 32분 |
11차시 | 변수 변환 | 15분 |
12차시 | 결측값 처리 | 44분 |
13차시 | 데이터 정제 실전 과제 | 35분 |
II. Python 머신러닝 | ||
14차시 | 데이터와 알고리즘 | 16분 |
15차시 | 머신러닝 프로세스 | 30분 |
16차시 | 머신러닝 맛보기1: 분류 문제(로지스틱 회귀분석) | 60분 |
17차시 | 머신러닝 맛보기2: 회귀 문제(선형회귀분석) | 21분 |
18차시 | 머신러닝 프로세스1: 범주변수의 변환: one-hot-encoding | 21분 |
19차시 | 머신러닝 프로세스2: 데이터셋 분할과 모델검증 | 34분 |
20차시 | 머신러닝 프로세스3: 데이터 스케일링 | 46분 |
21차시 | 머신러닝 프로세스4: 모델 훈련과 세부튜닝 | 28분 |
22차시 | 머신러닝 프로세스5: 모델 평가 | 31분 |
23차시 | 머신러닝 프로세스6: 다중분류 | 24분 |
24차시 | 데이터의 3대 유형 | 18분 |
25차시 | 지도학습 알고리즘1: 로지스틱 회귀모델 | 40분 |
26차시 | 지도학습 알고리즘2: k-최근접이웃법(KNN) | 26분 |
27차시 | 지도학습 알고리즘3: 나이브 베이즈 | 19분 |
28차시 | 지도학습 알고리즘4: 인공신경망 | 40분 |
29차시 | 지도학습 알고리즘5: 서포트 벡터 머신(SVM) | 33분 |
30차시 | 지도학습 알고리즘6: 의사결정나무(Decision Tree) | 21분 |
31차시 | 지도학습 알고리즘7: 랜덤 포레스트(Random Forest) | 20분 |
32차시 | 지도학습 알고리즘8: 투표기반 앙상블 | 20분 |
33차시 | 지도학습 알고리즘9: 앙상블 배깅 | 17분 |
34차시 | 지도학습 알고리즘10: 앙상블 부스팅 | 15분 |
35차시 | 지도학습 알고리즘11: 앙상블 스태킹 | 17분 |
36차시 | 지도학습 알고리즘12: 선형 회귀모델 | 23분 |
37차시 | 지도학습 알고리즘13: 릿지(Ridge) 회귀모델 | 9분 |
38차시 | 지도학습 알고리즘14: 라소(Lasso) 회귀모델 | 6분 |
39차시 | 지도학습 알고리즘15: 엘라스틱넷 | 10분 |
40차시 | 비지도학습 알고리즘1: 군집분석 | 42분 |
41차시 | 비지도학습 알고리즘2: DBSCAN | 16분 |
42차시 | 비지도학습 알고리즘3: 연관규칙분석 | 24분 |
III. R 데이터분석과 시각화 | ||
43차시 | R을 활용한 데이터분석과 시각화 R이란 무엇인가 | 23분 |
44차시 | R을 활용한 데이터분석과 시각화 R 설치하기 | 33분 |
45차시 | R을 활용한 데이터분석과 시각화 데이터관리(1) | 60분 |
46차시 | R을 활용한 데이터분석과 시각화 데이터관리(2) | 54분 |
47차시 | R을 활용한 데이터분석과 시각화 데이터파일 불러오기 | 23분 |
48차시 | R을 활용한 데이터분석과 시각화 분석 데이터 살펴보기 | 30분 |
49차시 | R을 활용한 데이터분석과 시각화 데이터 탐색과 빈도분석 | 41분 |
50차시 | R을 활용한 데이터분석과 시각화 데이터 탐색과 기술통계분석 | 34분 |
51차시 | R을 활용한 데이터분석과 시각화 통계학과 추정 | 63분 |
52차시 | R을 활용한 데이터분석과 시각화 가설검정 | 35분 |
53차시 | R을 활용한 데이터분석과 시각화 교차분석의 개념과 원리 | 19분 |
54차시 | R을 활용한 데이터분석과 시각화 교차분석의 실습과 시각화 | 24분 |
55차시 | R을 활용한 데이터분석과 시각화 독립표본 t-test분석의 개념과 원리 | 10분 |
56차시 | R을 활용한 데이터분석과 시각화 독립표본 t-test분석의 실습과 시각화 | 25분 |
57차시 | R을 활용한 데이터분석과 시각화 대응표본 t-test분석의 개념과 원리 | 9분 |
58차시 | R을 활용한 데이터분석과 시각화 대응표본 t-test분석의 실습과 시각화 | 12분 |
59차시 | R을 활용한 데이터분석과 시각화 분산분석의 개념과 원리 | 22분 |
60차시 | R을 활용한 데이터분석과 시각화 분산분석의 실습과 시각화 | 21분 |
61차시 | R을 활용한 데이터분석과 시각화 상관관계분석의 실습과 시각화 | 20분 |
62차시 | R을 활용한 데이터분석과 시각화 선형회귀분석의 개념과 원리 | 39분 |
63차시 | R을 활용한 데이터분석과 시각화 선형회귀분석의 실습과 시각화 | 32분 |
64차시 | R을 활용한 데이터분석과 시각화 더미회귀분석의 개념과 원리 | 10분 |
65차시 | R을 활용한 데이터분석과 시각화 더미회귀분석의 실습과 시각화 | 19분 |
66차시 | R을 활용한 데이터분석과 시각화 로지스틱회귀분석의 개념과 원리 | 29분 |
67차시 | R을 활용한 데이터분석과 시각화 로지스틱회귀분석의 실습과 시각화 | 42분 |
IV. R 머신러닝 | ||
68차시 | R을 활용한 머신러닝 R이란 무엇인가 | 23분 |
69차시 | R을 활용한 머신러닝 R 설치하기 | 33분 |
70차시 | R을 활용한 머신러닝 데이터관리(1) | 60분 |
71차시 | R을 활용한 머신러닝 데이터관리(2) | 54분 |
72차시 | R을 활용한 머신러닝 데이터파일 불러오기 | 23분 |
73차시 | R을 활용한 머신러닝 머신러닝의 개념 | 45분 |
74차시 | R을 활용한 머신러닝 머신러닝 프로세스 | 29분 |
75차시 | R을 활용한 머신러닝 K-최근접 이웃(KNN)의 개념과 원리 | 25분 |
76차시 | R을 활용한 머신러닝 머신러닝 맛보기 | 49분 |
77차시 | R을 활용한 머신러닝 데이터 스케일링과 범주특성의 변환 | 45분 |
78차시 | R을 활용한 머신러닝 데이터 셋 나누기 | 54분 |
79차시 | R을 활용한 머신러닝 모델 훈련과 세부튜닝 | 49분 |
80차시 | R을 활용한 머신러닝 모델 평가 | 37분 |
81차시 | R을 활용한 머신러닝 다중분류 | 26분 |
82차시 | R을 활용한 머신러닝 로지스틱 회귀분석의 개념과 원리 | 20분 |
83차시 | R을 활용한 머신러닝 로지스틱 회귀분석 실습 | 53분 |
84차시 | R을 활용한 머신러닝 서포트 벡터 머신(SVM)의 개념과 원리 | 28분 |
85차시 | R을 활용한 머신러닝 서포트 벡터 머신 분석실습 | 27분 |
86차시 | R을 활용한 머신러닝 의사결정나무(Decision Tree)의 개념과 원리 | 20분 |
87차시 | R을 활용한 머신러닝 의사결정나무 분석실습 | 31분 |
88차시 | R을 활용한 머신러닝 랜덤 포레스트(Random Forest)의 개념과 원리 | 15분 |
89차시 | R을 활용한 머신러닝 랜덤 포레스트 분석실습 | 14분 |
90차시 | R을 활용한 머신러닝 투표기반 앙상블 기법과 분석실습 | 31분 |
91차시 | R을 활용한 머신러닝 선형회귀분석의 개념과 원리 | 25분 |
92차시 | R을 활용한 머신러닝 선형회귀분석 실습 | 41분 |
93차시 | R을 활용한 머신러닝 릿지회귀분석의 개념과 실습 | 20분 |
94차시 | R을 활용한 머신러닝 라소회귀분석의 개념과 실습 | 15분 |
95차시 | R을 활용한 머신러닝 종합과제: 유방암 진단분류1 | 36분 |
96차시 | R을 활용한 머신러닝 종합과제: 유방암 진단분류2 | 26분 |
97차시 | R을 활용한 머신러닝 군집분석의 개념과 원리 | 33분 |
98차시 | R을 활용한 머신러닝 군집분석 실습 | 30분 |
99차시 | R을 활용한 머신러닝 DBSCAN의 개념과 원리 | 18분 |
100차시 | R을 활용한 머신러닝 DBSCAN 분석실습 | 16분 |
101차시 | R을 활용한 머신러닝 연관규칙분석의 개념과 원리 | 19분 |
102차시 | R을 활용한 머신러닝 연관규칙분석 실습 | 26분 |
103차시 | R을 활용한 머신러닝 추천과 협업필터링의 개념과 원리 | 21분 |
104차시 | R을 활용한 머신러닝 협업필터링 분석실습1 | 37분 |
105차시 | R을 활용한 머신러닝 협업필터링 분석실습2 | 9분 |