본문 바로가기

Course

[한글자막] 머신러닝, 재미있고 흥미진진하지만 깊이있게!

【글로벌 Best】
머신러닝의 모든 것
with Python, R

머신러닝 모델을 만들기 위해
 반드시 알아야 할
수학적 개념과
30여개 주요 모델 및 이론,
그리고 실습 예제들

배울 내용

Python과 R로 Machine Learning 핵심 모델 완벽 마스터

차원 축소(PCA)의 핵심 개념

문제에 따라 적용할 적절한 Machine Learning 모델을 선택하는 방법

Machine Learning 모델을 통해 비즈니스를 성장시키는 법

Hadelin de Ponteves,
Kirill Eremenko

AI Entrepreneur, Data Scientist



이런 분들에게 추천해요

머신러닝에 관심 있는 모든 사람

머신러닝에 대해 더 깊이 있게 배우고, 머신러닝 각 모델의 동작 방식이나 배경 이론에 대해 탄탄한 기초를 다지고 싶은 사람

데이터를 통해 더 좋은 인사이트를 만들어내고 싶은 사람

데이터 사이언스 분야에서의 커리어를 꿈꾸는 모든 취업 준비생, 이직 준비생

● 30여개의 머신러닝 주요 모델 및 이론, 개념에 대한 깊이 있는 설명
● 실제 데이터를 바탕으로 한 실습으로 머신러닝 모델 완벽 이해
● Python, R 을 사용해 실제 머신러닝 프로젝트에 적용

—---------

[머신러닝에 입문하기 위한 가장 확실한 방법]
머신 러닝에 관심은 많지만 방대한 학습량과 높은 난이도로 첫 발을 떼기가 망설여지셨나요?
<머신러닝의 모든 것>은 머신러닝에 관심은 많고, 한 번쯤 배워보고 싶다는 생각은 가지고 있지만, 수학과 프로그래밍에 대해 깊이 있게 다뤄본 적이 없는 사람들을 위해 기획 되었습니다.
코딩 경험이 많지 않아도, 고등학교 이후로 수학을 해보지 않았어도, 누구라도 머신러닝에 쉽게 접근할 수 있도록 도와드립니다.

[머신러닝 입문을 위한 단계별 학습 커리큘럼]
설명은 쉽게, 그러나 코스에서 다루는 학문적 깊이는 절대 얕지 않습니다. 전문 데이터 사이언스 강사님이 각 머신러닝 모델에 대한 개념을 깊이 있게 파고듭니다. 가장 기본적인 머신 러닝 모델부터 심화된 방법론까지 체계적으로 학습하세요!
1. 데이터 전처리 : 머신러닝에 적합한 데이터 전처리 방법론의 이해
2. 회귀 : 회귀분석의 각종 모델에 대한 이론 및 데이터 실습 (단순선형회귀, 다중선형회귀, 다항회귀, SVM, 의사결정 트리, 랜덤 포레스트)
3. 분류 : 분류 문제를 해결하기 위한 머신러닝의 각종 모델에 대한 이해 및 데이터 실습(로지스틱 회귀, K-NN, SVM, 커널 SVM, 나이브 베이즈, 의사결정 트리, 랜덤 포레스트)
4. 클러스터링 : 군집화를 위한 각종 모델의 이해 및 데이터 실습(k-means 클러스터링, Hierarchical 클러스터링)
5. 연관 규칙 학습 : 변수 간의 관계를 발견하기 위한 규칙 기반 기계 학습 방법론(Apriori, Eclat)
6. 강화 학습 : 강화학습의 개념 및 주요 이론에 대한 이해 및 간단한 실습(UCB, 톰슨 샘플링)
7. 자연어 처리: NLP 주요 개념 및 Bag-of-words 알고리즘
8. 딥 러닝 : 인공 신경망 기초와 CNN 모델의 이해
9. 차원 축소 : PCA, LDA, 커널 PCA의 주요 개념
10.모델 선택 및 부스팅 : 문제에 대한 적절한 모델 선정 및 성능 향상을 위한 방법론(k-fold 교차 검증, 매개변수 조정, 그리드 검색, XGBoost)

평생 이용권44시간 동영상
TV&모바일 엑세스 강의 수료증