59,400원
초급자를 위해 준비한
[딥러닝 · 머신러닝] 강의입니다.
다양한 Kaggle 예제를 통해 머신러닝(Machine Learning) 기초부터 차근차근 학습하고, 쉽게 접하기 힘든 현업 머신러닝 엔지니어의 생생한 프로젝트 경험담 및 실무 꿀팁까지 한번에 배워보세요.
✍️
이런 걸
배워요!
이런 걸
배워요!
머신러닝의 개념
머신러닝 모델 성능 향상법
Google Colab 사용법
머신러닝 라이브러리 - scikit-learn, xgboost
머신러닝/데이터분석 라이브러리 - Numpy, Pandas
데이터시각화 라이브러리 - matplotlib, seaborn
머신러닝 실무 프로젝트 진행방법
다양한 캐글 예제로 배우는 머신러닝 기초,
현업 엔지니어의 실무 꿀팁까지 한번에! 😀
📌 커리큘럼 간단 소개
0. 머신러닝(Machine Learning, ML)이란?
- 머신러닝의 개념을 단단히 잡아보자
1. 복잡한 설치가 필요없는 간편한 실습환경
- Google Colab 소개
2. scikit-learn 소개 & 나의 첫 머신러닝 모델
- 키를 토대로 몸무게를 예측해보자
3. Kaggle 및 Kaggle Competition 소개
4. Linear Regression 알고리즘 (Ridge, Lasso, ElasticNet) 뽀개기 & 내 집값은 얼마?
- 보스턴 부동산 가격을 예측해보자
5. 성능 좋고 인기 많은 팔방미인형 예측기 Random Forest
- 머신러닝 모델로 내일 비가 올지 안 올지 예측해보자
6. Kaggle 우승자들이 애용하는 알고리즘 XGBoost
- XGBoost로 뇌졸중 발생유무를 예측해보자
7. 현업 머신러닝 엔지니어가 들려주는 실무 이야기
- 머신러닝 엔지니어의 일과를 체험해보자
8. 실무자가 알려주는 DS/ML 실전 팁
현업 실무자에게 배우는 Kaggle 머신러닝 입문 - ML 엔지니어 실무 꿀팁
- Kaggle 프로젝트를 통해 머신러닝 관련 지식(머신러닝 관련 라이브러리 - Numpy, Pandas, Matplotlib, Seaborn, Scikit-Learn, xgboost...)을 습득하고, 머신러닝을 실무에 응용하는 방법을 학습해 봅니다.
- 다양한 캐글(Kaggle) 예제를 통해 머신러닝의 기초부터 차근차근 학습하고, 현업 IT 대기업 머신러닝 엔지니어의 머신러닝 프로젝트 실무 팁까지 한번에 배울 수 있도록 강의를 구성했습니다.
이런 분들께 추천드려요!
🎓
학습 대상은
누구일까요?
학습 대상은
누구일까요?
머신러닝을 처음 접하시는 분
데이터 분석 기법을 학습하고 싶으신 분
머신러닝 엔지니어로 취업을 원하시는 분
머신러닝 엔지니어로 취업이후 업무 프로세스가 궁금하신 분
IT대기업 현업 머신러닝 엔지니어의 실무 꿀팁을 얻고싶은 분
📚
선수 지식,
필요할까요?
선수 지식,
필요할까요?
기초적인 Python 사용경험
안녕하세요
AISchool 입니다.
AISchool 입니다.
- AISchool ( http://aischool.ai/ )
- AISchool 유튜브 채널 운영 ( https://www.youtube.com/@aischool_ai )
- 서울대학교 인공지능 및 컴퓨터 비전 연구실 석사
- [솔라리스의 인공지능 연구실] 블로그 운영
- [텐서플로로 배우는 딥러닝] 집필
- S전자 컴퓨터 비전 관련 프로젝트 수행
- 기업대상 [AI 컨설팅 서비스] 제공
- 에이아이스쿨 [TensorFlow와 실습 프로젝트로 배우는 딥러닝-컴퓨터비전 Basic 코스] 강의 진행
커리큘럼
총 60 개
˙ 7시간 19분의 수업
이 강의는 영상, 수업 노트가 제공됩니다. 미리보기를 통해 콘텐츠를 확인해보세요.
섹션 0. 강의 소개
2 강
∙ 9분
강의 소개
미리보기
09:02
실습 colab 링크 확인하는 법
섹션 1. 머신러닝이란? - 머신러닝의 개념을 단단히 잡아보자
5 강
∙ 30분
머신러닝(Machine Learning)의 개념
미리보기
08:25
분류(Classification) 문제 vs 회귀(Regression) 문제
02:17
지도학습(Supervised Learning), 비지도학습(Unsupervised Learning), 강화학습(Reinforcement Learning)
07:47
트레이닝 데이터(Training Data), 테스트 데이터(Test Data)
04:50
검증용 데이터(Validation Data), 오버피팅(Overfitting)
06:50
섹션 2. 복잡한 설치가 필요없는 간편한 실습환경 - Google Colab 소개
2 강
∙ 6분
Google Colab 소개
06:09
Colab 실습시 유의사항
섹션 3. 머신러닝과 데이터 분석을 위한 도구 - numpy, pandas, matplotlib, seaborn
9 강
∙ 2시간 3분
머신러닝과 데이터 분석을 위한 도구 소개
07:46
numpy, 배열과 행렬을 다루는 도구
23:28
numpy 실습
03:33
pandas, 행과 열을 가진 테이블을 다루는 데이터 분석 도구
35:39
pandas 실습
15:31
고급 pandas 함수들 - concat, groupby, query
10:11
고급 pandas 함수 실습
04:54
그래프를 그리는 plotting 도구 - matplotlib, seaborn
15:52
matplotlib, seaborn 실습
06:44
섹션 4. scikit-learn 소개 & 나의 첫 머신러닝 모델 - 키를 토대로 몸무게를 예측해보자
4 강
∙ 28분
선형회귀(Linear Regression) 소개
05:31
Regression 알고리즘의 성능평가 지표 - MSE, RMSE, MAE
04:02
scikit-learn 소개
05:07
Linear Regression으로 키에 대한 몸무게 예측해보기
13:49
섹션 5. Kaggle 및 Kaggle Competition 소개
1 강
∙ 12분
Kaggle 및 Kaggle Competition 소개
12:01
섹션 6. Kaggle 입문 - 타이타닉 승객중 누가 살아남았을까 & 머신러닝으로 타이타닉 생존자 예측해보기
5 강
∙ 29분
결정 트리(Decision Tree) 소개
04:02
Titanic 사고 데이터 소개
03:38
범주형 컬럼(Categorical Column) & 수치형 컬럼(Numerical Column)
02:11
Categorical Column 다루기 - LabelEncoder
02:44
결정 트리(Decision Tree)를 이용해서 타이타닉 생존자 예측해보기
17:05
섹션 7. Linear Regression 알고리즘 (Ridge, Lasso, ElasticNet) 뽀개기 & 내 집값은 얼마? - 보스턴 부동산 가격을 예측 해보자
8 강
∙ 1시간 6분
K-Fold Cross Validation
05:08
Feature Engineering - Feature Selection
04:18
상관 분석(Correlation Analysis) & regplot()
미리보기
05:23
Regression 알고리즘으로 보스턴 부동산 가격 예측해보기 (EDA & Feature Selection)
16:05
Feature Engineering - Feature Normalization
05:23
Feature Engineering - Feature Generation
03:26
Ridge & Lasso & ElasticNet Regression
15:38
보스턴 부동산 가격 예측 성능 향상시켜보기 (Feature Generation & Advanced Estimator)
미리보기
11:30
섹션 8. 성능 좋고 인기 많은 팔방미인형 예측기 - Random Forest & 머신러닝 모델로 내일 비가 올지 안올지 예측해보자
7 강
∙ 46분
랜덤 포레스트(Random Forest) 소개
05:58
DataFrame의 .replace() 함수
03:16
범주형(Categorical) 데이터 처리하기 - One-hot Encoding
05:00
Rain in Australia 데이터셋 소개
미리보기
02:22
Random Forest Classifier로 내일 비가 올지 안올지 예측해보자 - Rain in Australia 데이터셋
15:01
이상치(Outlier) 제거 기법 - IQR(Inter Quantile Range)
05:59
Outlier 제거를 통해 Random Forest Classifier 성능 향상 시켜보기 - Rain in Australia 데이터셋
08:55
섹션 9. Kaggle 우승자들이 애용하는 알고리즘 XGBoost & XGBoost로 뇌졸중 발생유무를 예측해보자
3 강
∙ 15분
XGBoost 소개
06:43
Stroke Preidction 데이터셋 소개
미리보기
02:45
XGBoost를 이용해서 뇌졸중(Stroke) 발생유무 예측해보기 - Stroke Prediction 데이터셋
06:26
섹션 10. 현업 머신러닝 엔지니어가 들려주는 실무 이야기 - 머신러닝 엔지니어의 일과를 체험해보자
8 강
∙ 39분
현업 머신러닝 엔지니어 소개
03:47
회사의 머신러닝 팀 구성원
03:55
머신러닝 팀에서 업무를 분배해서 일하는 법
06:14
현업 엔지니어의 하루 – 데이터 엔지니어(Data Engineer)
04:23
현업 엔지니어의 하루 – 데이터 사이언티스트(Data Scientist)
04:13
현업 엔지니어의 하루 – 머신 러닝 엔지니어(Machine Learning Engineer)
03:43
머신러닝 업무에서의 어려웠던 점
06:36
머신러닝 업무를 하면서 느낀 장/단점
06:31
섹션 11. 실무자가 알려주는 DS/ML 실전 팁 - 인정받는 머신러닝 엔지니어로 거듭나보자
6 강
∙ 31분
실제로 회사에서 진행하는 머신러닝 업무 프로세스
04:25
가장 중요한 것은 데이터, 두 번째로 중요한 것도 데이터
06:10
Kaggle/데이콘과 다르게, 실제 업무에서 중요하게 여기는 것은?
05:31
머신러닝 엔지니어, 일잘러로 거듭나보자
03:35
더 똑똑하게 일 잘하는, 머신러닝 코드 만드는 방법
08:21
가장 몸 값이 비싼 Role, 역량이 무엇일까?
03:15
강의 게시일 : 2021년 03월 17일
(마지막 업데이트일 : 2023년 11월 13일)
수강평
총 20개
수강생분들이 직접 작성하신 수강평입니다.
4.5
20개의 수강평
5점
4점
3점
2점
1점
VIEW
추천 순
최신 순
높은 평점 순
낮은 평점 순
평점 순
높은 평점 순
낮은 평점 순