컨텐츠 내용
- 수강신청
- 과정정보
[패키지] 머신러닝 에센셜 과정
총 학습시간 50시간 46분
[과정소개]
▪ 데이터전문가를 위한 머신러닝(R+Python) 과정!
▪ R 데이터분석과 시각화 + R 머신러닝 + Python 핵심+ Python 머신러닝 4개 과목, 총 105 강의 패키지!
▪ 머신러닝 패키지 과정은 예측, 분류, 군집, 연관추천 등 4가지 머신러닝 목적과 예측력이 높은 검증된 13가지핵심
알고리즘을 마스터하는 과정입니다. 본 과정은 선거유권자 예측, 환자예측 등 실전 주제를 가지고 데이터 정규화,
데이터셋분할, 알고리즘 적용과 하이터파라미터 튜닝을 통한 최적 모델 찾기, 실전데이터에 적용 등의 전 과정을 다루고 있습니다
▪ 본 과정을 수강하시면 머신러닝 알고리즘의 이론과 실전을 동시에 마스터하실 수 있습니다.
[학습목표]
▪ 머신러닝 패키지 과정을 수강하신 후 다음과 같은 분석능력을 갖추게 됩니다.
▪ 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.
[수강안내]
※ 정규학습일수는 365일이며, 365일이내 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.
| 차시 | 강의명 | 학습시간 |
|---|---|---|
| I. Python 핵심 | ||
| 1차시 | 분석 데이터 준비 | 20분 |
| 2차시 | Python 설치하기 | 24분 |
| 3차시 | Python 기초1: 데이터 유형 | 57분 |
| 4차시 | Python 기초2: 조건문과 반복문 | 20분 |
| 5차시 | Python 기초3: Numpy 함수 | 39분 |
| 6차시 | Python 기초4: Pandas 함수 기초 | 41분 |
| 7차시 | Python 기초5: Pandas로 데이터 변환하기 | 44분 |
| 8차시 | 단변량 데이터 탐색 | 34분 |
| 9차시 | 이변량 데이터 탐색 | 22분 |
| 10차시 | 이상치 처리 | 32분 |
| 11차시 | 변수 변환 | 15분 |
| 12차시 | 결측값 처리 | 44분 |
| 13차시 | 데이터 정제 실전 과제 | 35분 |
| II. Python 머신러닝 | ||
| 14차시 | 데이터와 알고리즘 | 16분 |
| 15차시 | 머신러닝 프로세스 | 30분 |
| 16차시 | 머신러닝 맛보기1: 분류 문제(로지스틱 회귀분석) | 60분 |
| 17차시 | 머신러닝 맛보기2: 회귀 문제(선형회귀분석) | 21분 |
| 18차시 | 머신러닝 프로세스1: 범주변수의 변환: one-hot-encoding | 21분 |
| 19차시 | 머신러닝 프로세스2: 데이터셋 분할과 모델검증 | 34분 |
| 20차시 | 머신러닝 프로세스3: 데이터 스케일링 | 46분 |
| 21차시 | 머신러닝 프로세스4: 모델 훈련과 세부튜닝 | 28분 |
| 22차시 | 머신러닝 프로세스5: 모델 평가 | 31분 |
| 23차시 | 머신러닝 프로세스6: 다중분류 | 24분 |
| 24차시 | 데이터의 3대 유형 | 18분 |
| 25차시 | 지도학습 알고리즘1: 로지스틱 회귀모델 | 40분 |
| 26차시 | 지도학습 알고리즘2: k-최근접이웃법(KNN) | 26분 |
| 27차시 | 지도학습 알고리즘3: 나이브 베이즈 | 19분 |
| 28차시 | 지도학습 알고리즘4: 인공신경망 | 40분 |
| 29차시 | 지도학습 알고리즘5: 서포트 벡터 머신(SVM) | 33분 |
| 30차시 | 지도학습 알고리즘6: 의사결정나무(Decision Tree) | 21분 |
| 31차시 | 지도학습 알고리즘7: 랜덤 포레스트(Random Forest) | 20분 |
| 32차시 | 지도학습 알고리즘8: 투표기반 앙상블 | 20분 |
| 33차시 | 지도학습 알고리즘9: 앙상블 배깅 | 17분 |
| 34차시 | 지도학습 알고리즘10: 앙상블 부스팅 | 15분 |
| 35차시 | 지도학습 알고리즘11: 앙상블 스태킹 | 17분 |
| 36차시 | 지도학습 알고리즘12: 선형 회귀모델 | 23분 |
| 37차시 | 지도학습 알고리즘13: 릿지(Ridge) 회귀모델 | 9분 |
| 38차시 | 지도학습 알고리즘14: 라소(Lasso) 회귀모델 | 6분 |
| 39차시 | 지도학습 알고리즘15: 엘라스틱넷 | 10분 |
| 40차시 | 비지도학습 알고리즘1: 군집분석 | 42분 |
| 41차시 | 비지도학습 알고리즘2: DBSCAN | 16분 |
| 42차시 | 비지도학습 알고리즘3: 연관규칙분석 | 24분 |
| III. R 데이터분석과 시각화 | ||
| 43차시 | R을 활용한 데이터분석과 시각화 R이란 무엇인가 | 23분 |
| 44차시 | R을 활용한 데이터분석과 시각화 R 설치하기 | 33분 |
| 45차시 | R을 활용한 데이터분석과 시각화 데이터관리(1) | 60분 |
| 46차시 | R을 활용한 데이터분석과 시각화 데이터관리(2) | 54분 |
| 47차시 | R을 활용한 데이터분석과 시각화 데이터파일 불러오기 | 23분 |
| 48차시 | R을 활용한 데이터분석과 시각화 분석 데이터 살펴보기 | 30분 |
| 49차시 | R을 활용한 데이터분석과 시각화 데이터 탐색과 빈도분석 | 41분 |
| 50차시 | R을 활용한 데이터분석과 시각화 데이터 탐색과 기술통계분석 | 34분 |
| 51차시 | R을 활용한 데이터분석과 시각화 통계학과 추정 | 63분 |
| 52차시 | R을 활용한 데이터분석과 시각화 가설검정 | 35분 |
| 53차시 | R을 활용한 데이터분석과 시각화 교차분석의 개념과 원리 | 19분 |
| 54차시 | R을 활용한 데이터분석과 시각화 교차분석의 실습과 시각화 | 24분 |
| 55차시 | R을 활용한 데이터분석과 시각화 독립표본 t-test분석의 개념과 원리 | 10분 |
| 56차시 | R을 활용한 데이터분석과 시각화 독립표본 t-test분석의 실습과 시각화 | 25분 |
| 57차시 | R을 활용한 데이터분석과 시각화 대응표본 t-test분석의 개념과 원리 | 9분 |
| 58차시 | R을 활용한 데이터분석과 시각화 대응표본 t-test분석의 실습과 시각화 | 12분 |
| 59차시 | R을 활용한 데이터분석과 시각화 분산분석의 개념과 원리 | 22분 |
| 60차시 | R을 활용한 데이터분석과 시각화 분산분석의 실습과 시각화 | 21분 |
| 61차시 | R을 활용한 데이터분석과 시각화 상관관계분석의 실습과 시각화 | 20분 |
| 62차시 | R을 활용한 데이터분석과 시각화 선형회귀분석의 개념과 원리 | 39분 |
| 63차시 | R을 활용한 데이터분석과 시각화 선형회귀분석의 실습과 시각화 | 32분 |
| 64차시 | R을 활용한 데이터분석과 시각화 더미회귀분석의 개념과 원리 | 10분 |
| 65차시 | R을 활용한 데이터분석과 시각화 더미회귀분석의 실습과 시각화 | 19분 |
| 66차시 | R을 활용한 데이터분석과 시각화 로지스틱회귀분석의 개념과 원리 | 29분 |
| 67차시 | R을 활용한 데이터분석과 시각화 로지스틱회귀분석의 실습과 시각화 | 42분 |
| IV. R 머신러닝 | ||
| 68차시 | R을 활용한 머신러닝 R이란 무엇인가 | 23분 |
| 69차시 | R을 활용한 머신러닝 R 설치하기 | 33분 |
| 70차시 | R을 활용한 머신러닝 데이터관리(1) | 60분 |
| 71차시 | R을 활용한 머신러닝 데이터관리(2) | 54분 |
| 72차시 | R을 활용한 머신러닝 데이터파일 불러오기 | 23분 |
| 73차시 | R을 활용한 머신러닝 머신러닝의 개념 | 45분 |
| 74차시 | R을 활용한 머신러닝 머신러닝 프로세스 | 29분 |
| 75차시 | R을 활용한 머신러닝 K-최근접 이웃(KNN)의 개념과 원리 | 25분 |
| 76차시 | R을 활용한 머신러닝 머신러닝 맛보기 | 49분 |
| 77차시 | R을 활용한 머신러닝 데이터 스케일링과 범주특성의 변환 | 45분 |
| 78차시 | R을 활용한 머신러닝 데이터 셋 나누기 | 54분 |
| 79차시 | R을 활용한 머신러닝 모델 훈련과 세부튜닝 | 49분 |
| 80차시 | R을 활용한 머신러닝 모델 평가 | 37분 |
| 81차시 | R을 활용한 머신러닝 다중분류 | 26분 |
| 82차시 | R을 활용한 머신러닝 로지스틱 회귀분석의 개념과 원리 | 20분 |
| 83차시 | R을 활용한 머신러닝 로지스틱 회귀분석 실습 | 53분 |
| 84차시 | R을 활용한 머신러닝 서포트 벡터 머신(SVM)의 개념과 원리 | 28분 |
| 85차시 | R을 활용한 머신러닝 서포트 벡터 머신 분석실습 | 27분 |
| 86차시 | R을 활용한 머신러닝 의사결정나무(Decision Tree)의 개념과 원리 | 20분 |
| 87차시 | R을 활용한 머신러닝 의사결정나무 분석실습 | 31분 |
| 88차시 | R을 활용한 머신러닝 랜덤 포레스트(Random Forest)의 개념과 원리 | 15분 |
| 89차시 | R을 활용한 머신러닝 랜덤 포레스트 분석실습 | 14분 |
| 90차시 | R을 활용한 머신러닝 투표기반 앙상블 기법과 분석실습 | 31분 |
| 91차시 | R을 활용한 머신러닝 선형회귀분석의 개념과 원리 | 25분 |
| 92차시 | R을 활용한 머신러닝 선형회귀분석 실습 | 41분 |
| 93차시 | R을 활용한 머신러닝 릿지회귀분석의 개념과 실습 | 20분 |
| 94차시 | R을 활용한 머신러닝 라소회귀분석의 개념과 실습 | 15분 |
| 95차시 | R을 활용한 머신러닝 종합과제: 유방암 진단분류1 | 36분 |
| 96차시 | R을 활용한 머신러닝 종합과제: 유방암 진단분류2 | 26분 |
| 97차시 | R을 활용한 머신러닝 군집분석의 개념과 원리 | 33분 |
| 98차시 | R을 활용한 머신러닝 군집분석 실습 | 30분 |
| 99차시 | R을 활용한 머신러닝 DBSCAN의 개념과 원리 | 18분 |
| 100차시 | R을 활용한 머신러닝 DBSCAN 분석실습 | 16분 |
| 101차시 | R을 활용한 머신러닝 연관규칙분석의 개념과 원리 | 19분 |
| 102차시 | R을 활용한 머신러닝 연관규칙분석 실습 | 26분 |
| 103차시 | R을 활용한 머신러닝 추천과 협업필터링의 개념과 원리 | 21분 |
| 104차시 | R을 활용한 머신러닝 협업필터링 분석실습1 | 37분 |
| 105차시 | R을 활용한 머신러닝 협업필터링 분석실습2 | 9분 |
