HOME>디지털 실무>웹 프로그래밍 class2>사이킷런 [머신러닝]
ONLINE CLASS

사이킷런 [머신러닝]

?

수강 전 꼭 확인하세요

수강 전 자주 묻는 내용을 간단히 안내드립니다.

Q초보자도 교재 없이 수강 가능한가요? 프로그램 정보는?
A

네, 영상과 실습자료로 쉽게 학습할 수 있습니다. 알지오는 원격평생교육원으로 프로그램 관련 정보는 제공하지 않습니다.

◆
기업이 선택한 신뢰 강의

검증된 커리큘럼과 전문 강사진으로 높은 만족도를 제공합니다.

자세히 보기  >
♥
수강료 일부는 사회환원에 사용됩니다.

작은 나눔이 더 나은 내일을 만듭니다.

자세히 보기  >
REAL REVIEW

수강생 리얼후기!

실제 수강생의 학습 경험을 확인해 보세요.

수강후기를 불러오는 중입니다.

사이킷런 [머신러닝] 사이킷런 [머신러닝]

  • 사이킷런 [머신러닝]

  • 강의구성
  • (20강) 전체 : 13시간 1분|평균 : 39분2초
  • 이용기간/강사
  • 2개월
    알지오 R&D [IT]
  • 증빙가능
  • 수료증, 수강증, 학습진도
  • 수강료
  • 450,000원할인225,000원
  • 알지오 패키지
    • "5개월" 혜택!
?

수강 전 꼭 확인하세요

수강 전 자주 묻는 내용을 간단히 안내드립니다.

Q 초보자도 교재 없이 수강 가능한가요? 프로그램 정보는?
A

네, 영상과 실습자료로 쉽게 학습할 수 있습니다. 알지오는 원격평생교육원으로 프로그램 관련 정보는 제공하지 않습니다.

수강료 일부는 사회환원에 사용됩니다.

작은 나눔이 더 나은 내일을 만듭니다.

자세히 보기 >
  • 01.34분 Data Preparation
    Data Load, Data Summarization, Data Visualization, Data Split 방법에 대해 학습합니다. (Python Lib: os, tarfile, urllib, numpy, pandas, matplitlib.pyplot 등)
    머신러닝강좌에서는?/필요한 프로그램 및 라이브러리 설치/Data Preparation 실습 - 파일 다운로드 및 압축풀기/Data Load/Data Summarization/Data Visualization/Data Split/Data Split-Train,Test 분리하기
  • 02.46분 Data Understanding
    (Expansion) Data Split, (Comparison) Data Distribution, Data Visualization - Scatter, Correlation Analysis 방법에 대해 학습합니다.
    인트로/Housing분석/train_test_split활용하기/StratifiedShuffledSplit사용하기/Error사항(Income_cat에대하여)/Error사항(Income_cat에대하여)2/Comparison(데이터비교)/Data_set 가시화/bad_visualization/Correlation분석/Correlation_matrix
  • 03.42분 Data Preprocessing
    Data Cleansing, Categorical Data, Pipeline 처리 방법에 대해 학습합니다.
    불러오기/impute 활용하기/impute 검증하기/Lable 처리방법 /onehot encoding 이용하기/Pipeline/Attribute_adder생성/StandardScalar 알아보기
  • 04.52분 ML model(end-to-end)
    Model Selection, Model Training, Model Tuning에 대해 End-to-end로 실습하여, 기계학습에 대한 전반적인 이해도를 높이는 학습을 수행합니다.
    데이터 불러오기/훈렷셋 테스트셋 분리/데이터정제[Data preparation, Data Processing]/데이터정제2[Data preparation, Data Processing]/Machine Learnring - Linear Regression/Machine Learnring - Mean squre Error, Mean absolute Error/Machine Learnring - Dicision Tree/Machine Learnring - CV/Machine Learnring - CV2/Machine Learnring - Random Forest/Machine Learnring - SVM
  • 05.55분 Classification Part 1
    Machine Learning 알고리즘 중 분류에 대한 학습을 수행합니다. (Model Training: SGD Classifier, Model Evaluation: Cross Validation + Precision & Recall & F1-score + ROC Curve)
    MNIST 데이터/MNIST 데이터 체크/MNIST 데이터의 Plot활용/MNIST 데이터의 Plot활용2/clf이용하여 예측하기/Cross Validation/Confusion Matrix를 이용하여 평가하기/Precision & Recall Trade-off/Precision & Recall Curve만들기/Precision & Recall 사이의 그래프 만들기/ROC Curve나타내기
  • 06.33분 Classification Part 2
    Machine Learning 알고리즘 중 분류에 대한 학습을 수행합니다. (Model Building: SGDClassifier, OneVsOneClassifier, ForestClassifier, ErrorVisualization: ConfusionMatrix-Matshow, Multiple Labels Classification)
    MNIST 데이터 불러오기/Y lable작성/lable 원인확인/Random Forest Classifier 만들기/ConfusionMatrix 확인/ConfusionMatrix 가시화
  • 07.34분 Regression Part 1
    Linear Regression에 대한 학습을 수행합니다.(Normal Equation, Batch Gradient Descent, Stochastic Gradient Descent, Minibatch Gradient Descent)
    Normal Equation - 정규방정식/Linear Regression 그리기/Batch Gradient Descent - 경사하강법/Stochastic Gradient Descent - 확률/Minibatch Gradient Descent-미니 배치경사
  • 08.34분 Regression Part 2
    Other Regression에 대한 학습을 수행합니다.(Polynomial Regression, Logistic Regression)
    Polynomial Regression/Polynomial Regression2/Polynomial Regression3/모델비교하기/Logistic Regression/Logistic Regression2/Logistic Regression3
  • 09.37분 SVM Part 1
    SVM 모델 학습을 수행합니다. (Comparison between Good & Bad model, Large margin classification, Sensitivity to features scale & outliers)
    SVM 모델 빌딩하기/Linear SVM의 좋은모델과 나쁜모델/Linear SVM의 좋은모델과 나쁜모델2/Large Margin classification/Large Margin classification2/Large Margin classification3/Large Margin classification4
  • 10.58분 SVM Part 2
    Nonlinear Dataset의 SVM 모델 학습을 수행합니다. (Polynomial Kerneal, Similarity Characteristic, Gaussian RBF Kernel)
    Non-linear이란?/Nonlinear Dataset 제작/Nonlinear Dataset 제작2/Polynomial Kerneal -다항특성/Similarity Characteristic/Kerneal Trick 이용/Gaussian RBF Kernel/Gaussian RBF Kernel - plot표시/Gaussian RBF Kernel - plot표시2/SVM모델만들기
  • 11.30분 SVM Part 3
    SVM 회귀(SVM Regression) 모델 학습을 수행합니다. (Linear SVR, Polynomial Kernal Trick)
    import 작업 및 데이터 생성/Linear SVR/Linear SVR2/Linear SVR3/Polynomial Kernal Trick/Polynomial Kernal Trick2
  • 12.49분 SVM Part 4
    SVM Background에 대해 학습을 수행합니다. (Decision Function, Objective Function, Hinge Loss, Training Time)
  • 13.54분 DecisionTree Part 1
    Decision Tree에 대해 학습을 수행합니다. (Training, Visualization, Prediction Class, Sensitivity, Restriction)
  • 14.26분 DecisionTree Part 2
    Regression Decision Tree에 대해 학습을 수행합니다. (TreeRegressor, Comparision(DecisionTree: Classification vs. Regression), Restriction)
  • 15.34분 EnsembleLearning Part 1
    Ensemble Learning 중 Voting, Bagging 방법에 대해 학습을 수행합니다. (Voting Classifier, Bagging Classifier)
  • 16.28분 EnsembleLearning Part 2
    Bagging 방법의 대표적인 알고리즘인 Random Forest에 대해 학습을 수행합니다. (Random Forest, Out-of-bag Evaluation, Feature Importance)
  • 17.59분 EnsembleLearning Part 3
    Boosting 방법에 대해 학습을 수행합니다. (Ada Boosting, Gradient Boosting)
  • 18.27분 Dimension Reduction Part 1
    차원축소 방법에 대해 학습을 수행합니다. (Projection with PCA, Manifold Learning)
  • 19.24분 Dimension Reduction Part 2
    차원축소 방법에 대해 학습을 수행합니다. (PCA, MNIST compression, Incremental PCA)
  • 20.25분 Dimension Reduction Part 3
    차원축소 방법에 대해 학습을 수행합니다. (Kernal PCA, LLE(Locally Linear Embedding))

강의목록 다운로드                        1:1 강의 질문&답변