A.I / Bigdata
| 제목 | 이장래 강사의 파이썬을 활용한 머신러닝 | ||
|---|---|---|---|
| 역량 | A.I / Bigdata | 구분 | 인공지능, 빅데이터 |
| 과정번호 | 등급 | 중급 | |
| 주/야 | 기간 | 일수 | 교육시간 | 환급여부 | 교육비 | 환급금액 우선대상 (대기업) |
신청 |
|---|---|---|---|---|---|---|---|
| 주간 | 2024-11-18 ~ 2024-11-22 (09:30~17:30) |
5 일 | 35 시간 | 비환급 |
￦1,200,000 교육쿠폰: 8일 |
￦0 (￦0) |
| 교육개요 | 지금은 머신러닝의 시대, 인공지능의 시대입니다. 현재의 데이터를 분석함으로 끝나지 않고, 현재의 데이터로 미래의 데이터를 예측해 활용하는 시대입니다. 미래에 대한 판단은 데이터가 활용되었을 때 더 의미 있게, 저 정확하게 이루어집니다. 인간의 경험과 데이터가 결합되었을 때 미래에 대한 예측은 더욱 정확하게 됩니다. 본 과정은 파이썬 언어를 사용해 다양한 머신러닝 알고리즘을 활용하는 방법을 다룹니다. |
|---|---|
| 교육대상 |
- Python 기본 문법을 이미 배우신 분 - Python 기반의 머신러닝에 대해 관심이 있는 분 |
| 과정후 학습효과 |
1. Pandas 라이브러리를 사용해 데이터를 불러와 탐색하고 처리할 수 있습니다. 2. Matplotlib 라이브러리를 사용해 데이터를 시각화해 분석할 수 있습니다. 3. 분류 문제와 회귀 문제를 명확히 구분해 모델링을 진행할 수 있습니다. 4. Scikit Learn 라이브러리의 다양한 머신러닝 알고리즘을 사용해 모델을 만들 수 있습니다. 5. 모델 성능을 높일 수 있는 다양한 방법을 활용할 수 있습니다. 6. 앙상블 알고리즘을 사용해 더욱 성능이 좋은 모델을 만들 수 있습니다. |
커리큘럼
-
1일차
1단계 : Pandas를 활용한 데이터 전처리
외부 파일 불러오기
탐색적 데이터 분석
데이터 조회와 집계
데이터 구조 및 값 변경
결측치 제거와 채우가
데이터 정규화와 표준화
가변수화(One-hot Encoding) -
2일차
2단계: Matplotlib 데이터 시각화
선 그래프
막대 그래프
히스토그램
산점도
박스 그래프
3단계: 머신러닝 무작정 따라하기
머신러닝의 이해
회귀 문제와 분류 문제
Scikit Learn 소개
Scikit Learn 코드 구조 익히기
무작정 모델링 코딩하기 실습 -
3일차
4단계: 모델 성능 평가지표
회귀 모델 평가지표
분류 모델 평가지표
평가지표 실습
5단계: 기본 알고리즘 익히기
Linear Regression 알고리즘
KNN(K-Nearest Neighbor) 알고리즘 -
4일차
5단계: 기본 알고리즘 익히기(계속)
Decision Tree 알고리즘
Logistic Regression 알고리즘
기본 알고리즘 실습
6단계: K-분할 교차 검증
랜덤 분할의 문제 확인
K-분할 교차 검증 개념
K-분할 교차 검증 활용
K-분할 교차 검증 실습 -
5일차
7단계: 성능 튜닝
하이퍼파라미터 이해
Random Search로 성능 튜닝
Grid Search로 성능 튜닝
성능 튜닝 실습
8단계: 앙상블 알고리즘
앙상블에 대한 이해
Random Forest 알고리즘 활용
XGBoost 알고리즘 활용
앙상블 실습
종합 실습