머신러닝/딥러닝 소개 및 학습을 위한 파이썬 속성 과정
머신러닝 및 딥러닝 전반에 대한 개요와 기본 도구 사용 방법, 그리고 학습에 필요한 파이썬 언어 지식을 단기간에 습득할 수 있습니다.
입문자를 위해 준비한
[데이터 분석] 강의입니다.
이런 걸 배울 수 있어요
머신러닝 개괄
핵심 위주의 파이썬 언어 기초 문법
Pandas 기초
Numpy 기초
Matplotlib 기초
머신러닝 & 딥러닝 입문을 위한 파이썬 기초,
핵심만 빠르게 끝내고 싶다면 💎
인공지능에 꼭 필요한
3시간 파이썬 속성 코스!
이 강의는?
인공지능의 역사 Jupyter Notebook
Python Pandas Matplotlib
“파이썬을 활용한 머신러닝 딥러닝 입문” 과정 및 “파이토치를 활용한 딥러닝 모델 구축” 과정을 수강하려는 분이 단기간에 필요한 파이썬 기초 지식을 얻을 수 있도록 제작되었습니다.
어느덧 대세가 된 머신러닝/딥러닝!
하지만 막상 시작하려 하면 왠지 막막하게 느껴지기 마련입니다. 특히 프로그래밍 언어 기초를 알지 못하면 시작할 수가 없다는 점이 많은 분들께 부담이 되는 요인이지요.
‘차근차근 파이썬 기초부터 다져나가는 게 좋다곤 하는데, 시간이 부족해....’
‘인공지능 구현에 꼭 필요한 파이썬 기초만 속성으로 끝낼 순 없을까?’
이 강의는 바로 그런 분들을 위해 만들어졌습니다. 다년간 머신러닝/딥러닝 강의를 진행했던 경험을 바탕으로, 꼭 필요한 부분만 발췌한 속성 코스를 통해 머신러닝 학습에 필요한 파이썬 지식을 단기간에 얻을 수 있도록 도와드리겠습니다. 함께 도전해보실까요?
Crash Course!
빠르게 끝낼 수 있도록.
Q&A를 확인해보세요! 💬
Q. 이렇게 단기간에 파이썬 기초 실력을 얻을 수 있나요?
파이썬은 자바나 C++에 비해 훨씬 배우기 쉬운 언어입니다. 후속 강의인 “파이썬을 활용한 머신러닝 딥러닝 입문” 과정과 “파이토치를 활용한 딥러닝 모델 구축” 과정을 따라오기에 충분한 정도의 지식을 얻을 수 있습니다.
Q. 그래도 제대로 된 랭귀지 코스를 들어야 하지 않나요?
물론 그렇게 하는 게 가장 이상적이지만, 시간이 많이 소요됩니다. 파이썬 언어 전반을 배우는 데 2주일, Numpy를 배우는 데 1주일, Pandas 1주일, Matplotlib 1주일까지 약 5주의 시간을 들이시면 초~중급 정도의 실력을 얻을 수 있습니다. 그러나 그렇게 시간을 들여 공부한 내용의 대부분은 머신러닝 이외의 분야에 필요한 경우가 많아, 이 강의에서는 머신러닝/딥러닝에 필요한 핵심을 단기간에 습득할 수 있도록 압축적으로 전달하는 걸 목표로 합니다.
Q. 그래도 차근차근 기초부터 공부해야 좋지 않을까요?
충분한 시간이 있으신 분이시라면 그렇게 하시는 것을 강력히 추천합니다. 이 과정은 시간이 없는 분들, 기초 과정으로 인해 머신러닝/딥러닝 입문에 부담을 느끼시는 분들을 위해 만들어졌습니다.
이런 분들께
추천드려요!
학습 대상은
누구일까요?
머신러닝/딥러닝 강의 수강을 위해 빠른 기초 과정이 필요한 분들
인공지능의 역사가 궁금한 분들
전통적 머신러닝과 딥러닝의 차이점이 궁금한 분들
안녕하세요
YoungJea Oh입니다.
2,976
명
수강생
159
개
수강평
110
개
답변
4.7
점
강의 평점
14
개
강의
오랜 개발 경험을 가지고 있는 Senior Developer 입니다. 현대건설 전산실, 삼성 SDS, 전자상거래업체 엑스메트릭스, 씨티은행 전산부를 거치며 30 년 이상 IT 분야에서 쌓아온 지식과 경험을 나누고 싶습니다. 현재는 인공지능과 파이썬 관련 강의를 하고 있습니다.
홈페이지 주소:
커리큘럼
전체
27개 ∙ (4시간 53분)
해당 강의에서 제공:
강의 소개
02:24
Anaconda 설치
02:31
강의 자료 (강의 교재, 소스 코드)
02:40
머신 러닝의 종류
12:35
딥러닝의 발전 배경
06:26
실습 - Numpy와 선형대수 기초
30:48
실습 - Pandas 기초
26:46
실습 - Matplotlib 기초
24:34
실습 - Feature Scaling
15:54
신경망 소개 - part 1
09:30
신경망 소개 - part 2
10:51
경사하강법
12:30
경사하강법과 손실 함수
06:07
이진 분류 손실 함수
11:45
다중 분류 손실 함수
05:35
오차 역전파 방법
15:33
오차 역전파 방법 요약
01:49
Tensorflow 소개
05:45