▪ R을 활용한 머신러닝과정은 예측, 분류, 군집, 연관 추천 등 4가지 머신러닝 목적과 

    예측력이 높은 검증된 13가지 핵심 알고리즘을 마스터하는 과정입니다.

▪ 본 과정은 선거유권자 예측, 환자예측등 실전 주제를 가지고 데이터 정규화, 데이터셋분할, 

    알고리즘 적용과 하이터파라미터 튜닝을 통한 최적 모델 찾기, 실전데이터에 적용 등의 전 과정을 다루고 있습니다

▪ 본 과정을 수강하시면 머신러닝알고리즘의 이론과 실전을 동시에 마스터하실 수 있습니다.

[수강대상]

▪인공지능 데이터분석가가 되고자 하는 현업 실무자 및 취업준비생
▪개발자이면서 예측, 추천, 군집등의 분석을 자동화하고자 하는 분
▪머신러닝을 익혀 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]

▪ 수집된 데이터의 정규화, 변환, train/test 데이터셋 분할 등 분석 전처리 과정을 완벽하게 이해하고 수행할 수 있습니다.
▪ 머신러닝의 예측, 분류, 군집, 추천등 4가지목적에 따른 13가지핵심 알고리즘을 명확하게 알고 직접 수행할 수 있습니다.
▪ 하이퍼파라미터 튜닝방법을 익혀 가장 예측력이 높은 최적의 결과를 도출할 수 있습니다.
▪ 앙상블기법을 적용해 여러 머신러닝 알고리즘의 조합으로 더욱 높은 예측력을 이끌어낼 수 있습니다.