자바 머신러닝 weka(웨카) 중급

자바로 머신러닝을 구현하고 싶다면?
👉 자바라머신러닝 Weka(웨카) 중급편으로 실무에서도 머신러닝을 활용해보세요.

1. why (목적)

데이터로 신속한 의사결정 협업체계 구축이 목적입니다.
: 자바 머신러닝의 설계와 프로그래밍이 모두 가능한 weka를 소개합니다.

2. what (강의 내용)

weka만으로 구현한 실제 머신러닝 적용사례입니다
: 다양한 적용사례를 익숙한 내용으로 각색했습니다. 그러면 간단하게 내용을 소개해 볼까요?

2.1 Experimenter 에 의한 최적 알고리즘 채택
: 유의수준(p-value) 통계검정을 통한 최적 모델 채택 (어디서 많이 들어본 말이죠?)

2.2 특징선택만으로 의사결정 근거제시
: 특정(속성) 선택만으로도 의사결정 정보를 만들 수 있습니다. R 프로그램 연동은 덤입니다.

2.3 한글 설문조사 텍스트마이닝
: 어려운 한글형태소와 씨름은 이제 그만! 간단한 한글설문은 기본 기능만으로도 가능합니다.

2.4 84년 미국 하원선거결과 연관분석 및 분류분석
: 오바마 캠프는 선거공약을 예측한 것이 아니라 선거자금을 모을 홈페이지를 통계분석으로 선택했을 뿐입니다.
: 정말 중요한 것은 어떤 공약이 당선과 직결되는지 아는 일이겠죠?

2.5 인공신경망 및 이미지필터에 의한 이미지 분석
: 오랫동안 베타버전인 dl4j 를 기다리다 지쳤습니다.
: Weka 에서 제공하는 내장 인공신경망과 wekadeeplearning4j 를 소개합니다.

2.6 회귀분석을 통한 강의완료 시점 예상
: 강의출시를 얼마나 연기시켜야 하는지 알아볼 때 사용했습니다

3. 방법

위의 과정은 모두 아래와 같은 3가지 순서로 설명드립니다.

3.1 이론설명
: 배경지식은 간단하게 설명드립니다. 정말 간단하게, 핵심만 설명합니다.

3.2 knowledgeFlow 설계
: weka의 최대 장점 - 프로그래밍을 몰라도 머신러닝 가능합니다.

3.3 Java 프로그래밍
: weka의 또다른 장점,  weka에서는 설계, 코딩을 위한 모든 것을 제공합니다.

4. IF (얻는 것)

Java 플랫폼으로 구성된 전통 IT 시스템에 적재된 데이터 분석을 적용할 수 있습니다.
: 천리길도 한 걸음부터, 전통 IT에서의 분석 방법을 알아야 ICBM에서도 분석을 잘하지 않겠어요?

데이터로 현실세계를 이해하는 방법을 얻게 됩니다.
: 그동안 눈에 보이지 않은 현실을 데이터로 이해하기 위함입니다.

5. 초급과정 반성점 → 중급과정 보완

자바 머신러닝 저변화를 위해 초급보다는 개선된 중급 강좌입니다.
: 초급과정에 대한 수강생들의 피드백과 스스로 반성을 통해 초급과정보다 좀 더 개선했습니다 

6. 강의환경

Windows OS 에 weka 3.9.3 을 사용합니다.
(3.9.4 는 ANSI 타입 파일을 불러올 때 버그가 있습니다.)

7. 강의자료

수강신청 후 섹션 1의 2번째 수업(weka 소프트웨어 설치 및 강의자료 다운로드)에서
구름모양 아이콘을 클릭하면 다운로드 받을 수 있습니다. (55MB)

8. 설문조사

자바 머신러닝 고급과정 제작방향 수립을 위해 5개 항목 설문조사를 하오니 많은 참여 부탁드립니다.
http://bit.ly/자바머신러닝_설문조사

9. 번외강의 지속

수강생분들의 좋은 질문에서 얻은 아이디어와 다른매체의 유용한 정보를 번외 강의로 지속 업로드하겠습니다.

저의 수강생분들과 소통강화 및 수강생분들의 강의만족도 향상을 기대합니다.

단단, 요구사항이나 개인적인 질문은 제외합니다.

지난 강의 보기