수강기간	365일
강의구성	104차시
수업료	480,000 480,000원

수강신청하기

강의목차

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

수강후기