온라인

탄탄한 머신러닝 개념잡기

인공지능 · 중급

석준희

레슨 46개 · 60일 수강

동영상 46개 · 13시간 15분

수강생 147명

5.0 / 5명

정상가
250,000원

할인액
- 51,000원(20% 할인)

판매가
199,000원

3개월 할부시
월 66,333원

클래스 신청하기

소개

커리큘럼

강사

수료증

리뷰

질문답변

선수지식

・ 인공지능과 연관된 수학(확률, 통계, 선형대수 등)

무엇을 배울 수 있나요?

・ 머신러닝을 위한 데이터처리
・ 머신러닝에서 사용하는 학습모델
・ 학습모델의 선택과 확장방법

누가 들으면 좋나요?

・ 인공지능 분야를 희망하는 대학교 3~4학년 및 대학원생
・ 머신러닝을 적용하고 싶은 실무자

클래스 소개

커리큘럼

레슨 46개, 수강기간 60일

1. 기계학습 심화 - 개요

레슨 5개

1-1 인공지능과 기계학습

맛보기 15:49

1-2 학습의 목표와 문제

21:59

1-3 모델의 복잡성

16:40

1-4 기계학습의 분류

8:45

1-5 기계학습의 절차

25:51

2. 선형 회귀 모델

레슨 6개

2-1 단순 선형 회귀 (모델 파라메터의 추정)

18:03

2-2 일반적 선형 회귀 (회귀 모델의 평가)

17:44

2-3 일반적 선형 회귀 (예제: 광고비와 판매량)

16:04

2-4 일반적 선형 회귀 (범주형 변수의 표현)

15:11

2-5 상호작용, 다항 회귀, 커널

16:53

2-6 기계 학습 vs 통계 모델

10:23

3. 로지스틱 회귀

레슨 5개

3-1 분류문제의 표현 (이진 분류)

맛보기 13:04

3-2 파라메터 추정

17:12

3-3 일반적인 로지스틱 회귀, 분류 모델의 평가, 이진 분류 모델의 평가

13:25

3-4 이진 분류 모델의 평가 (예제: 부도 예측)

12:24

3-5 로지스틱 회귀와 퍼셉트론, 멀티클래스 분류

11:08

4. 최근접 이웃 기법

레슨 2개

4-1 최근접 이웃기법, KNN 1

13:39

4-2 최근접 이웃기법, KNN 2

11:49

5. 모델 선택

레슨 3개

5-1 학습 문제의 설정

13:10

5-2 검증 집합, 모델의 복잡도에 따른 성능의 변화

15:31

5-3 교차검증 (예제 : 자동차 데이터 셋)

15:33

6. 모델의 확장

레슨 4개

6-1 모델확장

9:37

6-2 입력변수 선택

14:30

6-3 차원 축소 (주성분 분석을 이용한 차원 축소)

19:42

6-4 규제화

22:08

7. 단순 분류 모델

레슨 3개

7-1 베이즈정리 기반 분류

16:05

7-2 나이브 베이지안 분류기

19:22

7-3 판별 분석

25:12

8. 의사결정나무

레슨 3개

8-1 결정나무 모델

13:32

8-2 회귀 나무 모델

21:20

8-3 분류나무 모델

20:19

9. 앙상블 학습

레슨 4개

9-1 스태킹

15:23

9-2 배깅

22:15

9-3 배깅의 변형

22:41

9-4 부스팅

19:40

10. 지지벡터머신

레슨 5개

10-1 최대 마진

24:43

10-2 최대 마진의 수학적 표현

9:05

10-3 소프트 마진

24:05

10-4 커널

13:30

10-5 SVC와 SVR

14:28

11. 퍼셉트론

레슨 4개

11-1 퍼셉트론의 개념

16:03

11-2 파라메터의 학습

28:09

11-3 이진 분류 모델

18:27

11-4 소프트맥스 회귀

25:12

12. 다계층 퍼셉트론

레슨 2개

12-1 다계층 퍼셉트론의 개념

15:05

12-2 역전파 알고리즘

24:19

최근 업데이트 날짜 2021.11.09 09:53

지식과 경험을 여러분과 공유하고 싶습니다

학력
- KAIST 전기전자공학부 졸업 (학사)
- 미국 Stanford 대학 졸업 (박사)

주요경력
- 미국 Stanford 대학 통계학과 박사후연구원
- 미국 Northwestern 대학 의생명정보학 조교수
- 고려대학교 전기전자공학부 부교수
- 미래에셋 인공지능금융연구소 소장

관심분야
- 인공지능과 기계학습
- 빅데이터 및 통계 분석

소개
이 세상에서는 다양하고 복잡한 데이터가 매 순간 생성되어 축적되고 있습니다.
이러한 빅데이터 속에서 새로운 가치와 정보를 찾기 위한 연구를 수행하고 있습니다.
복잡한 데이터의 분석을 위하여 새로운 통계 분석 방법 및 기계학습 방법을 개발하여 적용하고 있고, 결국에는 하나의 인공지능 서비스로 만드는 것을 목표로 하고 있습니다.
이와 같은 연구 과정에서 얻어진 많은 지식과 경험을 교육을 통해 여러분과 공유하고 싶습니다.