- 과정목표
- 학습목차
- 수료요건
- 기타사항
교육목표
- 머신러닝의 여러 가지 알고리즘을 이해하고 이를 활용하여 파이썬 코딩으로 구현할 수 있다.교육대상
- 머신러닝 초보자(파이썬 기초 가능자)- 머신러닝 관련 전공자로서 근래의 발전된 내용을 공부하고자 하는 직장인교육내용
- 머신러닝 개요와 데이터전처리- 의사결정트리(Decision Tree)- 회귀분석(Regression Analysis)- 군집분석(Clustering Analysis)- KNN(K-Nearest Neighbor)- 나이브 베이즈(Naive Bayes)- SVM(Support Vector Machine)- 텍스트 마이닝(Text mining)- 주성분 분석(PCA)과 밀도기반 군집분석(DBSCAN)- 신경망(Neural Network)- Word2Vec- 토픽 모델링(Topic Modeling)
- 랜덤 포레스트(Random Forest)와 에이다부스트(AdaBoost)
- 소셜 네트워크 분석(Social Network Analysis)
- 랜덤 포레스트, 나이브 베이즈, Tf-Idf, Word2Vec
- 유전자 알고리즘(Genetic Algorithm)- 연관규칙분석(Association Rule Analysis)- 로지스틱 회귀분석(Logistic Regression Analysis)- 시계열분석(Time Series Analysis)- 모델 평가 방법 및 심화 이론