A-Z까지 배우는 머신러닝

ㆍ 머신러닝의 개요 및 현황을 습득합니다.

ㆍ 머신러닝의 다양한 활용 사례를 살펴봅니다.

ㆍ 머신러닝의 도구인 라이브러리를 학습합니다.

ㆍ 머신러닝에 필요한 데이터를 직접 얻어봅니다.

ㆍ 머신러닝에서 중요하고 많이 활용되는 분류모형을 확인합니다.

ㆍ 분류모형의 작동 방법을 알아봅니다.

ㆍ 분류모형 기법인 의사결정트리(Decision Tree)를 살펴봅니다.

ㆍ 의사결정 트리(Decision Tree)의 활용과 응용에 대해 파악합니다.

ㆍ 의사결정트리(Decision Tree)의 약점을 보완하는 Random Forest를 학습합니다.

ㆍ 추천 알고리즘의 기본 개념과 주요 구성 요소를 살펴봅니다.

ㆍ 추천 알고리즘에서 가장 중요한 유사도를 이해합니다.

ㆍ 협업 필터링을 구체적으로 이해하고 UBCF에 대해 알아봅니다.

ㆍ IBCF에 대해 살펴보고 UBCF와의 차이점을 비교합니다.

ㆍ surprise 라이브러리의 개념을 알아보고 설치하여, 데이터를 읽어봅니다.

ㆍ surprise 라이브러리를 이용해 구체적인 활용법을 파악합니다.

ㆍ 비지도학습의 개념과 비지도학습을 위한 데이터 형태를 이해합니다.

ㆍ 비지도학습의 한 종류인 군집과 그중 계층적 클러스터링의 개념을 구체적으로 습득합니다.

ㆍ K-means 클러스터링의 정의를 이해하고 군집 결과를 비교합니다.

ㆍ 군집에서 신경 써야 하는 부분을 살펴보고 직접 실습합니다.

ㆍ 패턴이란 무엇이고 발견은 어떻게 하는지 살펴봅니다.

ㆍ 연관규칙의 주요 개념을 구체적으로 알아봅니다.

ㆍ 연관규칙 분석을 통한 패턴 발견을 실습합니다.

ㆍ 머신러닝의 A부터 Z까지 전체 내용을 되돌아보고 리뷰합니다.