SW공학
home
SW프로젝트관리
home

Python을 활용한 머신러닝 입문

주제
AI
훈련목표
머신러닝의 원리 이해 및 Python 의 다양한 라이브러리를 인공지능 모델 개발에 적용할 수 있는 기본 지식을 습득한다.
훈련대상
가. Python 기초지식 보유자
교육시간
32시간
커리큘럼
가. 머신러닝 기법 개요 - 머신러닝 도구 및 모델의 종류 - 환경 설정 방법 및 도구 활용 방법 소개 - 머신러닝 모델 개요 - Numpy crash - Scikit-learn 주요 기능 - Pandas crash - 시각화 도구 (Matplotli) crash - data normalization 방법 나. 데이터 준비 및 모델 적용 - 머신러닝을 위한 데이터 준비 및 모델 적용 후 성능 검증 - train/test dataset 분할 및 normalization - Linear Regression - 교차검증과 과적합 방지 기법 - Logistic Regression - k-nearest neighbor 모델 구현 - Decision Tree 모델 구현 - 연습문제 및 실습 다. 지도학습 모델 구현 - Scikit-Learn 의 다양한 모델 활용 - SVM 모델 구현 - Ensemble Model 의 원리 설명 - Random Forest 구현 - Confusion Matrix, Precision/Recall 설명 - 모델 성능 시각화 - K-Means Clustering 모델 구현 - PCA 및 차원 감소 시각화 라. 비지도학습 모델 적용 - 언어특성 및 기본 문법 익히기 - Deep Learning 개념 설명 - CNN model overview - 전이학습 개념 - RNN model overview - 단어의 vector 표현 - 언어 모델 개념 - NLP 최신 경향 소개
10 more properties