메인메뉴로 이동 본문으로 이동

lnb영역

데이터사이언스
과정

컨텐츠 내용

  1. 수강신청
  2. 과정정보

[6개월] Python 머신러닝

[6개월] Python 머신러닝 과정정보
수강기간 180일
강의구성 38차시
수강료 180,000원

 

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 이내이용한 강좌 없을 경우전액 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 초과환불 불가

     *산출기준 예시수강료 150,000원이면 강좌수 20강인 경우, 150,000/20=7,500(1강좌)로 산출


  ※ 유의사항

    - 수강기간이 종료된 강의는 환불이 불가합니다.

    - 복습기간이나 이벤트 등으로 추가로 제공된 기간은수강기간에 포함되지 않습니다.

    - 환불금액은 결제한 금액 기준이며결제 시 사용한 적립금(쿠폰)은 반환해드립니다


 

 

 

 

 

 

 


 

수료기준
평가기준 진도 시험 과제 토론 기타
배점 100% 0% 0% 0% 0%
과락기준 80% 0점 0점 0점 0점
※ 수료기준은 각 평가항목의 점수가 과락기준 점수 이상이고 총점이 80점 이상이어야 합니다.
강의목차
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