[HD]Machine Learning (머신러닝) 원리 및 이론 배우기
과정소개
* 머신러닝을 처음 접하는 사람들을 위한 기초 강좌
▶교육대상
- 머신러닝에 처음 접하는 사람들
▶교육내용
1. 머신러닝 개념 및 정의
2. 머신러닝 용어 및 라이브러리 정리
3. 선형 회귀 모델
4. 다중 선형 회귀
5. 선형 회귀 모델 구현 / colab 설명
6. 로지스틱 회귀 모델
7. 로지스틱 회귀 모델 구현
8. 의사 결정 나무
9. 의사 결정 나무 구현
10. 랜덤 포레스트
11. 랜덤 포레스트 구현
12. knn
13. knn 구현
14. train valid test 데이터 나누기
15. 데이터 전처리
16. 최종 실습 - 타이타닉
17. 최종 실습 - 타이타닉2
18. 최종 실습 - 타이타닉3
▶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
머신러닝에서 주요 쓰이는 다양한 알고리즘 접하기
강의목차
차시 | 강의명 |
---|---|
1차시 | 1. 머신러닝 개념 및 정의 |
2차시 | 2. 머신러닝 용어 및 라이브러리 정리 |
3차시 | 3. 선형 회귀 모델 |
4차시 | 4. 다중 선형 회귀 |
5차시 | 5. 선형 회귀 모델 구현 colab 설명 |
6차시 | 6. 로지스틱 회귀 모델 |
7차시 | 7. 로지스틱 회귀 모델 구현 |
8차시 | 8. 의사 결정 나무 |
9차시 | 9. 의사 결정 나무 구현 |
10차시 | 10. 랜덤 포레스트 |
11차시 | 11. 랜덤 포레스트 구현 |
12차시 | 12. knn |
13차시 | 13. knn 구현 |
14차시 | 14. train valid test 데이터 나누기 |
15차시 | 15. 데이터 전처리 |
16차시 | 16. 최종 실습 - 타이타닉 |
17차시 | 17. 최종 실습 - 타이타닉2 |
18차시 | 18. 최종 실습 - 타이타닉3 |