Kaggle 예제로 시작하는
머신러닝 입문

총 강의 회차

총 58개 수업˙총 7시간 19분

기간

평생 무제한 시청

장소

인프런을 활용한 온라인 강의

문의

help@aischool.ai
최대 1일 이내에 답변

Share on facebook
Share on twitter
Share on linkedin

다양한 Kaggle 예제를 통해 머신러닝(Machine Learning) 기초부터 차근차근 학습하고, 쉽게 접하기 힘든 현업 머신러닝 엔지니어의 생생한 프로젝트 경험담 및 실무 꿀팁까지 한번에 배워보세요. 😀 

이런 걸 배워요 ✍️

이런 분들께추천드려요! 🎓

선수 지식,필요한가요? 📚

커리큘럼

  • 머신러닝(Machine Learning)의 개념
  • 분류(Classification) 문제 vs 회귀(Regression) 문제
  • 지도학습(Supervised Learning), 비지도학습(Unsupervised Learning), 강화학습(Reinforcement Learning)
  • 트레이닝 데이터(Training Data), 테스트 데이터(Test Data)
  • 검증용 데이터(Validation Data), 오버피팅(Overfitting)
  • 머신러닝과 데이터 분석을 위한 도구 소개
  • numpy, 배열과 행렬을 다루는 도구
  • numpy 실습
  • pandas, 행과 열을 가진 테이블을 다루는 데이터 분석 도구
  • pandas 실습
  • 고급 pandas 함수들 – concat, groupby, query
  • 고급 pandas 함수 실습
  • 그래프를 그리는 plotting 도구 – matplotlib, seaborn
  • matplotlib, seaborn 실습
  • 선형회귀(Linear Regression) 소개
  • Regression 알고리즘의 성능평가 지표 – MSE, RMSE, MAE
  • scikit-learn 소개
  • Linear Regression으로 키에 대한 몸무게 예측해보기
  • Kaggle 및 Kaggle Competition 소개
  • 결정 트리(Decision Tree) 소개
  • Titanic 사고 데이터 소개
  • 범주형 컬럼(Categorical Column) & 수치형 컬럼(Numerical Column)
  • Categorical Column 다루기 – LabelEncoder
  • 결정 트리(Decision Tree)를 이용해서 타이타닉 생존자 예측해보기
  • K-Fold Cross Validation
  • Feature Engineering – Feature Selection
  • 상관 분석(Correlation Analysis) & regplot()
  • Regression 알고리즘으로 보스턴 부동산 가격 예측해보기 (EDA & Feature Selection)
  • Feature Engineering – Feature Normalization
  • Feature Engineering – Feature Generation
  • Ridge & Lasso & ElasticNet Regression
  • 보스턴 부동산 가격 예측 성능 향상시켜보기 (Feature Generation & Advanced Estimator)
  • 랜덤 포레스트(Random Forest) 소개
  • DataFrame의 .replace() 함수
  • 범주형(Categorical) 데이터 처리하기 – One-hot Encoding
  • Rain in Australia 데이터셋 소개
  • Random Forest Classifier로 내일 비가 올지 안올지 예측해보자 – Rain in Australia 데이터셋
  • 이상치(Outlier) 제거 기법
  • Outlier 제거를 통해 Random Forest Classifier 성능 향상 시켜보기 – Rain in Australia 데이터셋
  • XGBoost 소개
  • Stroke Prediction 데이터셋 소개
  • XGBoost를 이용해서 뇌졸중(Stroke) 발생유무 예측해보기 – Stroke Prediction 데이터셋
  • 현업 머신러닝 엔지니어 소개
  • 회사의 머신러닝 팀 구성원
  • 머신러닝 팀에서 업무를 분배해서 일하는 법
  • 현업 엔지니어의 하루 – 데이터 엔지니어(Data Engineer)
  • 현업 엔지니어의 하루 – 데이터 사이언티스트(Data Scientist)
  • 현업 엔지니어의 하루 – 머신 러닝 엔지니어(Machine Learning Engineer)
  • 머신러닝 업무에서의 어려웠던 점
  • 머신러닝 업무를 하면서 느낀 장/단점
  • 실제로 회사에서 진행하는 머신러닝 업무 프로세스
  • 가장 중요한 것은 데이터, 두 번째로 중요한 것도 데이터
  • Kaggle/데이콘과 다르게, 실제 업무에서 중요하게 여기는 것은?
  • 머신러닝 엔지니어, 일잘러로 거듭나보자
  • 더 똑똑하게 일 잘하는, 머신러닝 코드 만드는 방법
  • 가장 몸 값이 비싼 Role, 역량이 무엇일까?

강사 약력

SOLARIS 강사님

저서

강의 이력

Kaggle 예제로 시작하는
머신러닝 입문

 

정가

59,400원

5개월 할부 시

11,880

Kaggle 예제로 시작하는 머신러닝 입문

 11,880