컨텐츠 내용
- 수강신청
- 과정정보
[6개월] Python 머신러닝
ㅣ 과정소개 ㅣ
▪ Python을 활용한 머신러닝 과정은 예측, 분류, 군집, 연관추천 등 4가지 머신러닝 목적과 예측력이 높은 검증된 13가지 핵심 알고리즘을 마스터하느 과정입니다. 본 과정은 선거유권자 예측, 환자예측 등 실전 주제를 가지고 데이터 정규화, 데이터셋분할, 알고리즘 적용과 하이터 파라미터 튜닝을 통한 최적 모델 찾기, 실전 데이터에 적용 등의 전 과정을 다루고 있습니다
▪ 본 과정을 수강하시면 머신러닝 알고리즘의 이론과 실전을 동시에 마스터하실 수 있습니다.
Python을 활용한 머신러닝 과정은 인공지능 기반 데이터사이언티스트로 안내합니다.
다음과 같은 분들이 머신러닝 과정 수강이 필요합니다.
▪ 인공지능 데이터분석가가 되고자 하는 현업 실무자 및 취업준비생
▪ 개발자이면서 예측, 추천, 군집 등의 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 머신러닝 기법으로 연구성과를 내고자 하는 연구자
▪ 빅데이터분석, 인공지능 사업과 연구를 기획하는 정책 실무자
ㅣ 학습목표 ㅣ
Python을 활용한 머신러닝 과정을 수강하신 후 다음과 같은 분석능력을 갖추게 됩니다.
▪ 수집된 데이터의 정규화, 변환, train/test 데이터 셋 분할 등 분석 전처리 과정을 완벽하게 이해하고 수행할 수 있습니다.
▪ 머신러닝의 예측, 분류, 군집, 추천 등 4가지 목적에 따른 13가지 핵심 알고리즘을 명확하게 알고 직접 수행할 수 있습니다.
▪ 하이퍼 파라미터 튜닝방버을 익혀 가장 예측력이 높은 최적의 결과를 도출할 수 있습니다.
▪ 앙상블 기법을 적용해 여러 머신러닝 알고리즘의 조합으로 더욱 높은 예측력을 이끌어낼 수 있습니다.
ㅣ 수강안내 ㅣ
※ 정규학습일수는 180일이며, 180일 이내 수강을 80% 이수해야만 수료증이 발급됩니다.
※ 정규학습일수 이후에는 6개월간 복습하실 수 있습니다. (★총 1년간 수강가능)
※ 수강기간 연장은 1회(30일) 가능 (유선 또는 게시판 요청)
※ 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%)+완료강좌수에 따른 정가 차감 후 환불
3) 수강기간 1/2 초과: 환불 불가
*산출기준 예시: 수강료 150,000원이면 강좌수 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.
평가기준 | 진도 | 시험 | 과제 | 토론 | 기타 |
---|---|---|---|---|---|
배점 | 100% | 0% | 0% | 0% | 0% |
과락기준 | 80% | 0점 | 0점 | 0점 | 0점 |
차시 | 강의명 | 학습시간 |
---|---|---|
1차시 | Python을 활용한 머신러닝 Python 소개 | 20분 |
2차시 | Python을 활용한 머신러닝 Python 설치하기 | 27분 |
3차시 | Python을 활용한 머신러닝 Python 기초 | 53분 |
4차시 | Python을 활용한 머신러닝 Numpy 분석함수 | 23분 |
5차시 | Python을 활용한 머신러닝 Pandas함수와 데이터다루기 | 44분 |
6차시 | Python을 활용한 머신러닝 머신러닝의 개념 | 45분 |
7차시 | Python을 활용한 머신러닝 머신러닝 프로세스 | 29분 |
8차시 | Python을 활용한 머신러닝 K-최근접 이웃(KNN)의 개념과 원리 | 25분 |
9차시 | Python을 활용한 머신러닝 머신러닝 맛보기 | 102분 |
10차시 | Python을 활용한 머신러닝 데이터 스케일링과 범주특성의 변환 | 58분 |
11차시 | Python을 활용한 머신러닝 데이터 셋 나누기 | 52분 |
12차시 | Python을 활용한 머신러닝 모델 훈련과 세부튜닝 | 48분 |
13차시 | Python을 활용한 머신러닝 모델 평가 | 36분 |
14차시 | Python을 활용한 머신러닝 다중분류 | 36분 |
15차시 | Python을 활용한 머신러닝 로지스틱 회귀분석의 개념과 원리 | 20분 |
16차시 | Python을 활용한 머신러닝 로지스틱 회귀분석 실습 | 44분 |
17차시 | Python을 활용한 머신러닝 서포트 벡터 머신(SVM)의 개념과 원리 | 28분 |
18차시 | Python을 활용한 머신러닝 서포트 벡터 머신 분석실습 | 41분 |
19차시 | Python을 활용한 머신러닝 의사결정나무(Decision Tree)의 개념과 원리 | 20분 |
20차시 | Python을 활용한 머신러닝 의사결정나무 분석실습 | 59분 |
21차시 | Python을 활용한 머신러닝 랜덤 포레스트(Random Forest)의 개념과 원리 | 15분 |
22차시 | Python을 활용한 머신러닝 랜덤 포레스트 분석실습 | 38분 |
23차시 | Python을 활용한 머신러닝 투표기반 앙상블 기법과 분석실습 | 29분 |
24차시 | Python을 활용한 머신러닝 선형회귀분석의 개념과 원리 | 25분 |
25차시 | Python을 활용한 머신러닝 선형회귀분석 실습 | 103분 |
26차시 | Python을 활용한 머신러닝 릿지회귀분석의 개념과 실습 | 24분 |
27차시 | Python을 활용한 머신러닝 라소회귀분석의 개념과 실습 | 10분 |
28차시 | Python을 활용한 머신러닝 종합과제: 유방암 진단분류1 | 51분 |
29차시 | Python을 활용한 머신러닝 종합과제: 유방암 진단분류2 | 24분 |
30차시 | Python을 활용한 머신러닝 군집분석의 개념과 원리 | 33분 |
31차시 | Python을 활용한 머신러닝 군집분석 실습 | 40분 |
32차시 | Python을 활용한 머신러닝 DBSCAN의 개념과 원리 | 18분 |
33차시 | Python을 활용한 머신러닝 DBSCAN 분석실습 | 25분 |
34차시 | Python을 활용한 머신러닝 연관규칙분석의 개념과 원리 | 19분 |
35차시 | Python을 활용한 머신러닝 연관규칙분석 실습 | 26분 |
36차시 | Python을 활용한 머신러닝 추천과 협업필터링의 개념과 원리 | 21분 |
37차시 | Python을 활용한 머신러닝 협업필터링 분석실습1 | 26분 |
38차시 | Python을 활용한 머신러닝 협업필터링 분석실습2 | 24분 |