메인메뉴로 이동 본문으로 이동

lnb영역

수강신청

컨텐츠 내용

  1. 수강신청
  2. 과정정보

스토리를 통해 누구나 재미있게 이해할 수 있는 머신러닝 강의

과정 이미지
스토리를 통해 누구나 재미있게 이해할 수 있는 머신러닝 강의 과정정보
수강기간 365일
강의구성 30차시
교육비 무료
과정소개

머신러닝의 핵심 개념부터 다양한 알고리즘까지 체계적으로 배울 수 있는 과정입니다. 머신러닝의 분류, 주요 알고리즘(K-Means, SVM, 회귀분석 등), 그리고 모델 평가 방법을 실제 데이터로 실습하며 학습합니다. 현실 세계의 문제를 머신러닝으로 해결하는 방법을 쉽고 재미있게 배울 수 있습니다.

학습목표
- 머신러닝의 기본 개념과 분류체계를 이해하기
- 주요 데이터셋과 GitHub, 사이킷런 등 필수 도구 활용법 습득하기
- K-평균, 서포트 벡터 머신, 회귀분석 등 핵심 알고리즘 원리 파악하기
- 컨퓨전 매트릭스, ROC 커브 등을 활용한 머신러닝 모델 평가법 익히기
교육대상
- 머신러닝을 처음 접하는 비전공자
- 데이터 분석 및 AI 관련 직무 전환을 희망하는 직장인
- 실제 문제 해결에 머신러닝을 적용하고 싶은 현업 실무자
- 데이터 사이언스와 머신러닝 기초를 탄탄히 쌓고 싶은 학생
수료기준
수료기준
평가기준 총점
반영비율 100점
이수(과락)기준 60점
※ 수료기준은 각 평가항목의 점수가 수료기준 점수 이상이고 총점이 60점 이상이어야 합니다.
강의목차
차시 강의명
1차시 빅데이터시대가 도래하다
2차시 4차산업혁명시대 머신러닝을 재발견하다
3차시 머신러닝의 활용사례
4차시 머신러닝의 분류
5차시 머신러닝과 데이터셋
6차시 머신러닝 간단한 실습
7차시 서포트 벡터 머신의 배경
8차시 서포트 벡터 머신의 이론
9차시 서포트 벡터 머신의 실습
10차시 K-Means의 등장 배경
11차시 K-Means 알고리즘의 이론
12차시 K-Means 알고리즘 실습
13차시 KNN 알고리즘의 배경
14차시 KNN의 이론
15차시 KNN의 실습
16차시 의사결정나무의 배경
17차시 의사결정나무의 이론
18차시 의사결정나무 실습
19차시 나이브 베이지언 배경
20차시 나이브 베이지언의 이론
21차시 나이브 베이저인 실습
22차시 회귀분석의 배경
23차시 회귀분석의 이론
24차시 회귀분석 실습
25차시 연관성분석의 배경
26차시 연관성 분석의 이론
27차시 연관성 분석의 실습
28차시 주성분분석의 이론과 실습
29차시 머신러닝 모델의 평가1
30차시 머신러닝모델의 평가2