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!
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! 😀
0. 머신러닝(Machine Learning, ML)이란?
1. 복잡한 설치가 필요없는 간편한 실습환경
2. scikit-learn 소개 & 나의 첫 머신러닝 모델
3. Kaggle 및 Kaggle Competition 소개
4. Linear Regression 알고리즘 (Ridge, Lasso, ElasticNet) 뽀개기 & 내 집값은 얼마?
5. 성능 좋고 인기 많은 팔방미인형 예측기 Random Forest
6. Kaggle 우승자들이 애용하는 알고리즘 XGBoost
7. 현업 머신러닝 엔지니어가 들려주는 실무 이야기
8. 실무자가 알려주는 DS/ML 실전 팁
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?
기초적인 Python 사용경험
수강생 수
7,397
수강평 수
472
강의 평점
4.6
강의 수
26
전체
60개 ∙ (7시간 19분)