로그인을 해주세요
추천
머신러닝 기본이론
- 교육기간
- 30일
- 강의구성
- 0차시
- 교육시간
- 8시간
머신러닝의 핵심 개념과 대표 알고리즘을 기초부터 체계적으로 익히는 입문 과정입니다. 데이터 구조와 전처리, 분류·회귀 문제의 접근법, 모델 성능평가의 기본 원리를 정리한 뒤 최근접 이웃, 나이브 베이즈, 의사결정트리, 회귀모델, 신경망, SVM, 연관규칙 등 주요 기법을 사례 중심으로 학습합니다. 개념 이해에 그치지 않고 알고리즘이 어떻게 동작하고 어떤 상황에 적합한지 판단할 수 있도록 구성했습니다.
▶교육대상
1. 머신러닝을 처음 배우는 비전공자 및 데이터 분석 입문자
2. 업무에 데이터 기반 의사결정을 적용하려는 기획·마케팅·영업·운영 실무자
3. 주요 알고리즘 개념을 정리해 모델 선택과 결과 해석 역량을 키우고 싶은 개발·연구·분석 담당자
▶교육내용
1. 머신러닝 학습 방식과 문제 유형 이해
2. 머신러닝을 위한 데이터 관리와 전처리 기초
3. 최근접 이웃 알고리즘으로 분류 이해하기
4. 확률적 분류 모델 나이브 베이즈 기초
5. 의사결정트리로 분류와 위험 요인 해석
6. 회귀 분석 기초와 예측 모델 만들기
7. 회귀트리와 모델 성능평가 기초
8. 인공신경망 기본 구조와 학습 원리
9. 서포트 벡터 머신의 핵심 개념과 커널
10. 연관규칙 학습으로 패턴과 구매행동 분석
▶수료기준
|
항목 |
진도율 |
진행단계평가 |
최종평가 |
과제 |
수료점수 |
|
평가비율 |
100% |
0% |
0% |
0% |
60점이상 |
|
수료조건 |
80% |
없음 |
없음 |
없음 |
※ 수료기준은 각 평가항목의 점수가 수료기준 점수 이상이고 총점이 60점 이상이어야 합니다.
학습목표
1. 머신러닝의 기본 개념과 분류·회귀 등 문제 유형을 이해하고 적용 방향을 설명할 수 있다.2. 데이터 전처리와 모델 학습 과정 및 성능평가의 핵심 원리를 이해하고 활용할 수 있다.
3. 대표 머신러닝 알고리즘의 동작 원리와 특징을 비교하여 상황에 맞는 기법을 선택하고 결과를 해석할 수 있다.
