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
8월
11월
11 more properties
