본 강의는 Kaggle의 Home Credit Default Risk 경연대회 머신 러닝 모델을 구현을 통해, 여러분을 실전적인 머신 러닝 구축 전문가로 한단계 실력을 업그레이드 할 수 있도록 만들어진 강의 입니다.
이런 걸
배워요!
캐글의 실전 경연 대회 문제를 접하면서 머신러닝 실전 구현 능력을 업그레이드
실무에 머신러닝을 적용할 수 있는 수준으로 구현 능력 업그레이드
머신러닝 모델의 성능 개선 방법
머신러닝을 위한 데이터 분석 능력 향상
머신러닝 Feature Engineering의 구체적인 구현 방법
머신러닝, 실전 구현 능력까지 든든하게!
직접 경연대회 머신러닝 모델을 구현해보세요.
안녕하십니까,
파이썬 머신러닝 완벽 가이드의 저자 권철민 입니다.
실무에서 필요로 하는 진정한 머신러닝 전문가가 되기 위해서는 머신러닝에 대한 이해뿐만 아니라 데이터 처리 능력, 적용 업무의 이해 능력들을 함께 갖추고 있어야 합니다. 하지만 이러한 능력들은 실제적으로 경험해 보지 않거나 계획적으로 훈련되지 않는다면, 많은 시간과 노력을 들여도 얻기 힘든 요소입니다.
이번에 출시한 "캐글 Advanced 머신러닝 실전 박치기" 강의는 캐글의 "Home Credit Default Risk 경연대회" 머신러닝 문제를 저와 함께 구현해 나가면서 이러한 3가지 요소들을 배양해 나가고, 여러분의 실전 머신러닝 구현 능력과 자신감을 확실하게 업그레이드 할 수 있도록 만들어졌습니다.
'Home Credit Default Risk 경연대회' 문제는 실무 업무에서 활용될 수 있는 유형의 데이터 모델과 여러 개의 데이터 세트들을 가지고 있습니다.
본 강의는 이 경연대회 문제를 기반으로 데이터 모델과 분석 도메인, 데이터 분석 EDA, Feature Engineering, 하이퍼 파라미터 튜닝, 모델 성능 최적화 등 머신러닝의 중요 영역에 대해서 여러분이 충분히 해당 능력을 배양할 수 있도록 상세하고 자세하게 코드를 구현해 가면서 설명을 드릴 것입니다.
강의에서 사용되는 머신러닝 알고리즘은 많은 캐글러들이 사랑하는 LightGBM 입니다. 여러분은 구현 과제를 통해서 Home Credit Default Risk 경연대회 상위 10%에 해당하는 구현 코드를 작성하게 되며, 이를 통해 성능을 최적화한 모델 구현에 대한 자신감을 얻으실 수 있을 것입니다.
강의 대부분이 실습 코드를 설명하는 부분으로 되어 있으며, 매우 자세하게 코드들을 Line by Line으로 설명해 드립니다. 특히 중요한 구현 부분의 경우는 저와 함께 Live Coding을 수행할 수 있도록 만들어져서, 여러분의 구현 이해도를 더욱 향상시켜드릴 것입니다.
본 강의를 통해 캐글이나 데이콘 등의 경연대회에서 높은 성적을 올릴 수 있도록 고급 머신러닝 기법, Feature Engineering 및 하이퍼 파라미터 튜닝 기법들을 배우시게 됩니다.
이를 통해 여러분을 머신러닝 경연 대회에 자신감을 가지고 임하실 수 있는 수준으로 올려드릴 것입니다.
본 강의는 데이터 모델과 분석 도메인, 데이터 분석 EDA, Feature Engineering, 하이퍼 파라미터 튜닝, 모델 성능 최적화 등 머신 러닝 전 영역에 대해서 자세한 설명을 담고 있습니다.
여러분은 이를 통해서 비단 머신러닝뿐만 아니라 데이터 가공과 업무 도메인 이해 능력을 향상시킬 수 있으며, 이를 통해 실무에서 필요로 하는 머신러닝 전문가로서의 기틀을 마련할 수 있을 것입니다.
본 강의는 머신러닝에 대한 기반 이해를 미리 갖추고 있는 수강생 분들을 위한 Advanced 머신러닝 프로젝트 강의입니다. '파이썬 머신러닝 완벽 가이드' 책의 1~4장(분류)까지 정도의 내용을 이해하고 있다고 가정하고 만들어졌습니다.
'파이썬 머신러닝 완벽 가이드' 책이나 강의를 접하지 않으셨더라도 '파이썬 머신러닝 완벽 가이드' 목차를 미리 보시고 4장 분류까지의 목차 내용이 낯설지 않다면 수강하실 수 있습니다.
Jupyter Notebook Colab
12GB 이상 RAM 메모리를 가지는 환경이라면 어디서나 가능합니다. (8GB 정도는 마지막 실습 단계에서 메모리 부족으로 실습이 어려울 수 있습니다). 12GB 이상 RAM이 없는 경우에는 구글 클라우드 $300 무료 크레딧을 이용하여 서버를 생성하거나, 구글 코랩(Colab)을 이용하시면 됩니다. 강의의 첫번째 섹션에서 이들 실습환경을 어떻게 설정하는지 자세히 설명드립니다.
실습 코드는 주피터 노트북 형태로 제공되며 구글 코랩(Colab)용 실습 코드가 별도로 제공됩니다. 실습 코드, 강의 자료는 본 강의 세션 자료실에서 다운로드를 받으실 수 있습니다.
인프런이 만난 사람 👨💻
권철민님 인터뷰를 읽어보세요 | 보러가기
학습 대상은
누구일까요?
캐글이나 데이콘에 본격적으로 도전하시는 분
실무에 머신러닝을 어떻게 적용할지 고민하시는 분
머신러닝 이해를 넘어서 실전적인 모델 구현을 원하시는 분
머신러닝 실력을 한단계 업그레이드 하시려는 분
머신러닝 모델의 성능 개선 방법이 필요하신 분
어려운 문제를 접하면서 실전 머신러닝 능력을 키우시길 원하시는 분
선수 지식,
필요할까요?
파이썬 머신러닝에 대한 이해
파이썬과 Pandas 구현 능력
(전) 엔코아 컨설팅
(전) 한국 오라클
AI 프리랜서 컨설턴트
파이썬 머신러닝 완벽 가이드 저자
전체
70개 ∙ (12시간 55분)
가 제공되는 강의입니다.
강의 소개
05:20
실습환경 개요
03:38
구글 클라우드 가입하기
08:09
클라우드에서 VM서버 생성하기
13:47
구글 클라우드 리소스 모두 삭제하기
01:26
강의 자료 설명 및 실습 코드 설치
09:01
머신러닝 전문가의 지향점
04:41
데이터 분석 도메인의 이해 - 01
11:32
데이터 분석 도메인의 이해 - 02
07:12
Pandas 조인(Join) 실습
07:32
Group by의 이해
15:03
Pandas Group by 실습
12:09