lnb영역
수강신청
컨텐츠 내용
- 수강신청
- 과정정보
[풀패키지] 클릭으로 완성하는 머신러닝과 딥러닝! (with ORANGE)
수료기준
| 평가기준 | 총점 |
|---|---|
| 반영비율 | 100점 |
| 이수(과락)기준 | 60점 |
※ 수료기준은 각 평가항목의 점수가 수료기준 점수 이상이고 총점이 60점 이상이어야 합니다.
| 차시 | 강의명 |
|---|---|
| 1차시 | ORANGE와 머신러닝 |
| 2차시 | ORANGE 기능과 위젯 둘러보기 |
| 3차시 | 데이터 연동과 분석 스토리 설계하기 |
| 4차시 | 데이터 탐색하고 시각화하기 |
| 5차시 | 데이터 정제하기 |
| 6차시 | 데이터 변환하기 |
| 7차시 | ORANGE의 지도학습 알고리즘 소개 |
| 8차시 | 회귀의 지도학습 시나리오 설계와 실습 |
| 9차시 | 분류의 지도학습 시나리오 설계와 실습 |
| 10차시 | ORANGE의 비지도학습 알고리즘 소개 |
| 11차시 | 군집으로 유사한 집단 묶어보기 |
| 12차시 | 연관으로 장바구니 분석해보기 |
| 13차시 | 네트워크분석으로 관계성 파악하기 |
| 14차시 | 텍스트마이닝 기본이해와 활용 |
| 15차시 | 텍스트마이닝 시나리오 설계와 기초분석 |
| 16차시 | 텍스트 클러스터링과 시각화 |
| 17차시 | 텍스트 임베딩과 활용 |
| 18차시 | 이미지분석 기본이해와 활용 |
| 19차시 | 이미지 임베딩과 시각화 |
| 20차시 | 이미지 분류와 전이모델 |
| 21차시 | 데이터와 알고리즘 |
| 22차시 | ORANGE 지도학습 마스터_2 |
| 23차시 | 머신러닝 프로세스(2) 데이터셋분할 |
| 24차시 | 머신러닝 프로세스(3) 모델링과 파라미터 |
| 25차시 | 머신러닝 프로세스(4) 모델평가와 지표 |
| 26차시 | 다차원과 알고리즘 |
| 27차시 | 예제 데이터 설명과 분석 시나리오 설계 |
| 28차시 | Linear Regression(1) 개념과 핵심 파라미터 |
| 29차시 | Linear Regression(2) 모델구축과 평가 |
| 30차시 | KNN(1) 개념과 핵심 파라미터 |
| 31차시 | KNN(2) 모델구축과 평가 |
| 32차시 | 회귀문제 결과물 논문으로 정리하기 |
| 33차시 | Logistic Regression(1) 개념과 핵심 파라미터 |
| 34차시 | Logistic Regression(2) 모델구축과 평가 |
| 35차시 | Decision Tree(1) 개념과 핵심 파라미터 |
| 36차시 | Decision Tree(2) 모델구축과 평가 |
| 37차시 | Support Vector Machine(1) 개념과 핵심 파라미터 |
| 38차시 | Support Vector Machine(2) 모델구축과 평가 |
| 39차시 | Naive Bayes(1) 개념과 핵심 파라미터 |
| 40차시 | Naive Bayes(2) 모델구축과 평가 |
| 41차시 | 앙상블 기법의 개념과 종류 |
| 42차시 | Random Forest(1) 개념과 핵심 파라미터 |
| 43차시 | Random Forest(2) 모델구축과 평가 |
| 44차시 | Gradient Boosting(1) 개념과 핵심 파라미터 |
| 45차시 | Gradient Boosting(2) 모델구축과 평가 |
| 46차시 | AdaBoost(1) 개념과 핵심 파라미터 |
| 47차시 | AdaBoost(2) 모델구축과 평가 |
| 48차시 | Stacking(1) 개념과 핵심 파라미터 |
| 49차시 | Stacking(2) 모델구축과 평가 |
| 50차시 | 분류문제 결과물 논문으로 정리하기 |
| 51차시 | 신경망모델과 딥러닝의 핵심 원리 |
| 52차시 | Stochastic Gradient Descent(1) 개념과 핵심 파라미터 |
| 53차시 | Stochastic Gradient Descent(2) 모델구축과 평가 |
| 54차시 | Neural Network(1) 개념과 핵심 파라미터 |
| 55차시 | Neural Network(2) 모델구축과 평가 |
| 56차시 | 비지도학습의 개념과 종류 |
| 57차시 | Clustering의 종류와 활용 |
| 58차시 | 다차원에서의 거리 개념 |
| 59차시 | Hierarchical Clustering |
| 60차시 | K-Means Clustering |
| 61차시 | Louvain Clustering |
| 62차시 | DBSCAN |
| 63차시 | PCA(1) 개념과 원리 |
| 64차시 | PCA(2) 모델실습과 해석 |
| 65차시 | 대응일치분석(1) 개념과 원리 |
| 66차시 | 대응일치분석(2) 모델실습과 해석 |
| 67차시 | 다차원척도법(1) 개념과 원리 |
| 68차시 | 다차원척도법(2) 모델실습과 해석 |
| 69차시 | t-SNE(1) 개념과 원리 |
| 70차시 | t-SNE(2) 모델실습과 해석 |
| 71차시 | 연관규칙분석 개념과 주요 지표 |
| 72차시 | 연관규칙분석 실습과 해석 |
| 73차시 | 네트워크분석의 개념과 활용법 |
| 74차시 | 네트워크 분석 실습과 핵심 지표 |
| 75차시 | 텍스트마이닝의 개념과 활용 |
| 76차시 | 텍스트마이닝 분석법과 자료확보 |
| 77차시 | 텍스트마이닝 분석 프로세스 |
| 78차시 | 텍스트 데이터 연동 및 탐색 |
| 79차시 | 텍스트 전처리와 불용어 사전만들기 |
| 80차시 | 워드클라우드와 하위집단 분석 |
| 81차시 | 텍스트와 네트워크 분석의 연계 |
| 82차시 | 텍스트 그룹핑 및 그룹 키워드 추출 |
| 83차시 | LDA와 토픽모델링의 이해 |
| 84차시 | LDA 분석과 LDAViz |
| 85차시 | 텍스트 Clustering의 이해 |
| 86차시 | 빈도 기준 클러스터 |
| 87차시 | 임베딩 기준 클러스터 |
| 88차시 | 감성분석(Sentiment Analysis)의 이해 |
| 89차시 | 감성단어 사전 활용법 |
| 90차시 | 감성분석과 감성 스코어링 |
| 91차시 | 워드임베딩 개념과 적용 |
| 92차시 | 텍스트마이닝과 머신러닝 적용 |
| 93차시 | 예제 데이터와 분석 시나리오 설계 |
| 94차시 | 한글 전처리와 불용어 사전 적용 |
| 95차시 | 워드 클라우드와 텍스트 네트워크 분석 |
| 96차시 | 토픽모델링과 클러스터링 |
| 97차시 | 감성분석과 감성스코어링 |
| 98차시 | 워드 임베딩 및 머신러닝 분류 적용 |
| 99차시 | 결과 종합 및 보고서 작성 |
| 100차시 | 예제 이미지 데이터와 분석 시나리오 설계 |
| 101차시 | 이미지 임베딩 개념과 적용 |
| 102차시 | 이미지 군집화 |
| 103차시 | 이미지 분류와 전이모델의 활용법 |
| 104차시 | 결과 종합 및 보고서 작성 |
