메인메뉴로 이동 본문으로 이동

lnb영역

데이터사이언스
과정

컨텐츠 내용

  1. 수강신청
  2. 과정정보

[패키지] 머신러닝 에센셜 과정

[패키지] 머신러닝 에센셜 과정 과정정보
수강기간 365일
강의구성 105차시
수강료 720,000원 288,000원

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, 150,000/20=7,500(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. 

 


강의목차
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