컨텐츠 내용
- 수강신청
- 과정정보
Python 머신러닝
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.
학습목표
[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.
▪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.
※ 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.
수료기준
| 평가기준 | 총점 |
|---|---|
| 반영비율 | 100점 |
| 이수(과락)기준 | 60점 |
※ 수료기준은 각 평가항목의 점수가 수료기준 점수 이상이고 총점이 60점 이상이어야 합니다.
| 차시 | 강의명 |
|---|---|
| 1차시 | 데이터와 알고리즘 |
| 2차시 | 머신러닝 프로세스 |
| 3차시 | 머신러닝 맛보기1: 분류 문제(로지스틱 회귀분석) |
| 4차시 | 머신러닝 맛보기2: 회귀 문제(선형회귀분석) |
| 5차시 | 머신러닝 프로세스1: 범주변수의 변환: one-hot-encoding |
| 6차시 | 머신러닝 프로세스2: 데이터셋 분할과 모델검증 |
| 7차시 | 머신러닝 프로세스3: 데이터 스케일링 |
| 8차시 | 머신러닝 프로세스4: 모델 훈련과 세부튜닝 |
| 9차시 | 머신러닝 프로세스5: 모델 평가 |
| 10차시 | 머신러닝 프로세스6: 다중분류 |
| 11차시 | 데이터의 3대 유형 |
| 12차시 | 지도학습 알고리즘1: 로지스틱 회귀모델 |
| 13차시 | 지도학습 알고리즘2: k-최근접이웃법(KNN) |
| 14차시 | 지도학습 알고리즘3: 나이브 베이즈 |
| 15차시 | 지도학습 알고리즘4: 인공신경망 |
| 16차시 | 지도학습 알고리즘5: 서포트 벡터 머신(SVM) |
| 17차시 | 지도학습 알고리즘6: 의사결정나무(Decision Tree) |
| 18차시 | 지도학습 알고리즘7: 랜덤 포레스트(Random Forest) |
| 19차시 | 지도학습 알고리즘8: 투표기반 앙상블 |
| 20차시 | 지도학습 알고리즘9: 앙상블 배깅 |
| 21차시 | 지도학습 알고리즘10: 앙상블 부스팅 |
| 22차시 | 지도학습 알고리즘11: 앙상블 스태킹 |
| 23차시 | 지도학습 알고리즘12: 선형 회귀모델 |
| 24차시 | 지도학습 알고리즘13: 릿지(Ridge) 회귀모델 |
| 25차시 | 지도학습 알고리즘14: 라소(Lasso) 회귀모델 |
| 26차시 | 지도학습 알고리즘15: 엘라스틱넷 |
| 27차시 | 비지도학습 알고리즘1: 군집분석 |
| 28차시 | 비지도학습 알고리즘2: DBSCAN |
| 29차시 | 비지도학습 알고리즘3: 연관규칙분석 |
