BEST

파이썬을 활용한 머신러닝 딥러닝 입문

데이터의 세계로 첫발을 내딛고 싶으신가요? AI의 핵심 기술인 머신러닝과 딥러닝을 파이썬과 함께 배워보세요. 이 강의는 머신러닝과 딥러닝의 기초부터 실제 응용까지, 단계별로 친절하게 안내합니다. 전통적인 머신러닝과 딥러닝은 많은 부분에서 동일한 원리와 기술 체계에 기반하고 있습니다. 따라서 본 강의에서는 두 가지를 별도의 과목으로 분리하지 않고 하나의 연결된 과정으로 구성하여 입문자가 머신러닝 전반에 걸친 이해도를 높일 수 있도록 하였습니다.

(4.8) 수강평 17개

수강생 420명

YoungJea Oh

머신러닝 딥러닝 Python Numpy Pandas

입문자를 위해 준비한
[데이터 분석] 강의입니다.

이런 걸
배워요!

머신러닝의 역사
pandas, numpy, matplotlib 기초
sklearn을 활용한 전통적 머신러닝 모델 (선형회귀, KNN, Decision Tree, Ensemble, KMeans, PCA 등)
신경망 (Neural Network) 학습의 원리
tensorflow와 keras를 활용한 딥러닝 모델 (Dense, CNN, RNN, Autoencoder, GAN 등)
머신러닝 모델의 서버 배포

인공지능, 머신러닝, 딥러닝…
구체적인 그림을 여러분께 그려드릴게요!

인공지능, 정말
배우기 어려울까요? 😮

인공지능은 수학이 필수라는데, 나는 수포자고... 관심은 있는데 어떻게 시작할 수 있을까?

중간 관리자가 돼서 인공지능을 좀 알아야 할 것 같은데, 따로 파이썬 공부할 시간은 없고...

인공지능에 관심은 있지만 막상 어떻게 시작해야 할지도 잘 모르겠나요? 배우는 데 수학적인 지식이 많이 필요할까 봐 망설이셨나요? 실제로 인공지능 중에서도 머신러닝(Machine Learning)은 오래된 역사만큼이나 수많은 알고리즘이 있어 학습하는 데 많은 시간이 소요됩니다. 물론 오늘날 딥러닝(Deep Learning)의 등장과 함께 많은 전통적 머신러닝 모델들이 효용성을 잃기는 했지만, 그 가운데서도 여전히 중요한 역할을 담당하고 있는 머신러닝 모델들이 있습니다.

이 강의는 인공지능을 어떻게 시작해야 할지 어려워하는 학생, 개발자, 기업 관리자를 위해 만들어졌습니다. 오늘날에도 유효한 전통적 머신러닝 모델들을 소개하고, 텐서플로(Tensorflow)와 케라스(Keras)를 이용한 딥러닝 모델 작성의 기초를 습득할 수 있도록 내용을 구성했습니다. 이론은 최소화하고, 실습 위주의 커리큘럼을 통해 인공지능 모델 구현이 어렵지 않다는 사실을 더 많은 분들과 함께 나누고자 합니다. 함께 도전해볼까요?

인공지능의 실체를
머릿속에 그려드립니다.

수포자도
누구라도
할 수 있도록

이해하는 데 수학적 지식이 필요 없는 강의를 만들기 위해 노력했습니다.

코알못을 위한
빠르게 뽀개는 파이썬

학습 효율을 높일 수 있도록 프로그래밍 언어 파이썬(Python) Crash Course를 제공합니다. (인공지능에 필요한 파이썬 문법에 어떤 것들이 있는지를 먼저 가볍게 알아보고 나서, 그 다음에 파이썬 언어를 깊이 공부하는 방식도 효율상 나쁘지 않습니다.)

이론은 줄이고
체험은 높이고

이론 설명을 최소화한 실습 위주의 강의를 통해 인공지능의 실체가 구체적으로 머릿속에 그려질 수 있도록 구성하였습니다.

_{Deep Learning 동작 원리}

_{K-Nearest Neighbors 모델 실습}

_{Decision Tree 모델 실습}

_{Feature Engineering 개념 이해}

_{Deep Learning 모델 구현}

Q&A를 확인해보세요! 💬

Q. 수포자인데 수학을 전혀 몰라도 되나요?

저도 수포자였습니다. 수학을 몰라도 되는 강의입니다. 필요한 수학 지식은 수업 중간중간 설명해 드립니다.

Q. 파이썬(Python) 언어를 몰라도 되나요?

간단하게 파이썬 문법을 익힐 수 있는 Crash Course가 제공됩니다. 파이썬에 대한 사전 지식 없이도 시작할 수 있습니다. 머신러닝을 공부하면서 파이썬을 함께 공부하세요.

Q. 문과생입니다. 이해하기 어렵지 않을까요?

오늘날 문과생이 살아남기 위해 꼭 필요한 지식이 바로 인공지능입니다. 지금 도전하세요!

이런 분들께
추천드려요!

학습 대상은
누구일까요?

머신러닝 입문자
딥러닝 입문자

안녕하세요
YoungJea Oh입니다.

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:

https://ironmanciti.github.io/

커리큘럼

전체

83개 ∙ (21시간 38분)

수업 자료

가 제공되는 강의입니다.

섹션 1. 실습 준비 및 머신 러닝 개요

8개 ∙ (48분)

강의 소개
03:24
강의 자료 pdf download
Anaconda 설치
02:31
강의 자료 (실습 소스 코드) 다운로드 방법
02:44
Machine Learning 의 역사
14:39
머신 러닝의 종류
11:54
딥러닝의 발전 배경
06:21
머신러닝에 사용되는 파이썬 라이브러리 소개
06:38

섹션 2. 머신 러닝에 필요한 기본 지식 습득

9개 ∙ (2시간 45분)

Jupyter Notebook 과 Google Colabotory 사용법
15:57
Python 문법 crash course-1
18:59
Python 문법 crash course-2
17:16
Numpy 를 이용한 Matrix 다루기 개념 설명
09:28
실습 - Numpy와 선형대수 기초
30:48
실습 - Pandas 기초
26:46
실습 - Matplotlib 기초
24:34
Feature Scaling 개념 설명
06:07
실습 - Feature Scaling
15:54

섹션 3. 전통적 머신 러닝 - 지도 학습 모델 part 1

8개 ∙ (2시간 2분)

Machine Learning End-to-End Process 이해
07:12
선형 회귀 (Linear Regression) 모델 설명
14:14
실습 - 선형 회귀 모델 - 당뇨병 진행률 예측
26:42
K-최근접 이웃 (K-Nearest Neighbors) 알고리즘 설명
05:21
실습 - K-Nearest Nighbors 모델 실습 - 붓꽃 데이터 분류
34:27
결정 나무 (Decision Tree) 알고리즘 설명 - 1
05:07
결정 나무 (Decision Tree) 알고리즘 설명 - 2
10:49
실습 - Decision Tree 모델 작성 및 시각화 - 붓꽃 데이터 분류
19:05

섹션 4. 데이터 세트 분할 및 모델 성능 평가 지표

4개 ∙ (37분)

섹션 5. 전통적 머신러닝 - 지도 학습 모델 part 2

8개 ∙ (2시간 59분)

섹션 6. 전통적 머신러닝 - 비지도 학습 모델

4개 ∙ (1시간 22분)

섹션 7. 신경망 (Neural Network)과 딥러닝(Deep Learning)

16개 ∙ (2시간 53분)

섹션 8. CNN (Convolutional Neural Network) - 합성곱 신경망

13개 ∙ (3시간 48분)

섹션 9. RNN (Recurrent Neural Network) - 순환 신경망

5개 ∙ (1시간 27분)

섹션 10. 비지도 학습 - Autoencoder

3개 ∙ (1시간 7분)

섹션 11. GAN(Generative Aniversarial Network) - 생성적 적대 신경망

4개 ∙ (1시간 12분)

섹션 12. 머신러닝 모델 Server 배포

1개 ∙ (31분)

강의 게시일:

마지막 업데이트일:

수강평

아직 충분한 평가를 받지 못한 강의입니다.

모두에게 도움이 되는 수강평의 주인공이 되어주세요!

파이썬을 활용한 머신러닝 딥러닝 입문

입문자를 위해 준비한 [데이터 분석] 강의입니다.

인공지능, 정말 배우기 어려울까요? 😮

인공지능의 실체를 머릿속에 그려드립니다.

수포자도 누구라도 할 수 있도록

코알못을 위한 빠르게 뽀개는 파이썬

이론은 줄이고 체험은 높이고