【한글자막】 머신러닝의 모든 것 with Python, R

Rating 4.44 out of 5 (80 ratings in Udemy)

What you'll learn

Python과 R로 Machine Learning 핵심 모델 완벽 마스터
다양한 모델의 디테일한 동작 원리와 개념들(Regression, SVM, Random Forest, Logistic Regression, k-NN, Naive Bayes, Clustering, 인공신경망, CNN, PCA 등)
차원 축소(PCA)의 핵심 개념
Machine Learning 모델의 성능 향상을 위한 과정(XGBoost, k-Fold Cross Validation, Grid Search)
문제에 따라 적용할 적절한 Machine Learning 모델을 선택하는 방법
강화학습과 Deep Learning의 핵심 모델 일부(UCB, 톰슨 샘플링, 인공신경망, CNN 등)
Machine Learning 모델을 통해 비즈니스를 성장시키는 법

Description

30여개의 머신 …

Rating 4.44 out of 5 (80 ratings in Udemy)

What you'll learn

Python과 R로 Machine Learning 핵심 모델 완벽 마스터
다양한 모델의 디테일한 동작 원리와 개념들(Regression, SVM, Random Forest, Logistic Regression, k-NN, Naive Bayes, Clustering, 인공신경망, CNN, PCA 등)
차원 축소(PCA)의 핵심 개념
Machine Learning 모델의 성능 향상을 위한 과정(XGBoost, k-Fold Cross Validation, Grid Search)
문제에 따라 적용할 적절한 Machine Learning 모델을 선택하는 방법
강화학습과 Deep Learning의 핵심 모델 일부(UCB, 톰슨 샘플링, 인공신경망, CNN 등)
Machine Learning 모델을 통해 비즈니스를 성장시키는 법

Description

30여개의 머신러닝 주요 모델 및 이론, 개념에 대한 깊이 있는 설명
실제 데이터를 바탕으로 한 실습으로 머신러닝 모델 완벽 이해
Python, R 을 사용해 실제 머신러닝 프로젝트에 적용

—---------

[머신러닝에 입문하기 위한 가장 확실한 방법]

머신 러닝에 관심은 많지만 방대한 학습량과 높은 난이도로 첫 발을 떼기가 망설여지셨나요?

<머신러닝의 모든 것>은 머신러닝에 관심은 많고, 한 번쯤 배워보고 싶다는 생각은 가지고 있지만, 수학과 프로그래밍에 대해 깊이 있게 다뤄본 적이 없는 사람들을 위해 기획 되었습니다.

코딩 경험이 많지 않아도, 고등학교 이후로 수학을 해보지 않았어도, 누구라도 머신러닝에 쉽게 접근할 수 있도록 도와드립니다.

[머신러닝 입문을 위한 단계별 학습 커리큘럼]

설명은 쉽게, 그러나 코스에서 다루는 학문적 깊이는 절대 얕지 않습니다. 전문 데이터 사이언스 강사님이 각 머신러닝 모델에 대한 개념을 깊이 있게 파고듭니다. 가장 기본적인 머신 러닝 모델부터 심화된 방법론까지 체계적으로 학습하세요!

데이터 전처리 : 머신러닝에 적합한 데이터 전처리 방법론의 이해
회귀 : 회귀분석의 각종 모델에 대한 이론 및 데이터 실습 (단순선형회귀, 다중선형회귀, 다항회귀, SVM, 의사결정 트리, 랜덤 포레스트)
분류 : 분류 문제를 해결하기 위한 머신러닝의 각종 모델에 대한 이해 및 데이터 실습(로지스틱 회귀, K-NN, SVM, 커널 SVM, 나이브 베이즈, 의사결정 트리, 랜덤 포레스트)
클러스터링 : 군집화를 위한 각종 모델의 이해 및 데이터 실습(k-means 클러스터링, Hierarchical 클러스터링)
연관 규칙 학습 : 변수 간의 관계를 발견하기 위한 규칙 기반 기계 학습 방법론(Apriori, Eclat)
강화 학습 : 강화학습의 개념 및 주요 이론에 대한 이해 및 간단한 실습(UCB, 톰슨 샘플링)
자연어 처리: NLP 주요 개념 및 Bag-of-words 알고리즘
딥 러닝 : 인공 신경망 기초와 CNN 모델의 이해
차원 축소 : PCA, LDA, 커널 PCA의 주요 개념
모델 선택 및 부스팅 : 문제에 대한 적절한 모델 선정 및 성능 향상을 위한 방법론(k-fold 교차 검증, 매개변수 조정, 그리드 검색, XGBoost)

[200만 수강생들의 데이터사이언스 입문을 도운
Kirill Eremenko, Hadelin de Ponteves 강사의 한 마디]

한국 수강생 여러분 안녕하세요!

이 과정은 우리의 지식을 공유하고 복잡한 이론, 알고리즘 및 코딩 라이브러리를 쉽게 배울 수 있도록, 전문 데이터 사이언티스트인 저희가 초심자의 눈높이에 맞춰 직접 설계했습니다.

모든 튜토리얼을 통해 데이터 사이언스의 각 분야를 높은 수준으로 이해시켜 드리겠습니다.

더 나아가, 이 강의에는 실제 데이터를 기반으로 실용적인 실습 예제들이 가득합니다. 따라서 이론을 지식적으로만 배울 뿐 아니라, 직접 데이터셋을 가지고 모델을 구축하는 실습도 하게 됩니다.

그리고 보너스로, 이 강의에는 직접 자신의 프로젝트에서 사용할 수 있는 Python 및 R 코드 템플릿이 모두 포함되어 있습니다.

머신러닝과 데이터사이언스에 입문하고 싶은 분들에게 많은 도움이 되길 바랍니다.

강의에서 만나요!

- Kirill Eremenko, Hadelin de Ponteves

Duration 44 Hours 58 Minutes

Paid

Self paced

All Levels

Korean

923

Rating 4.44 out of 5 (80 ratings in Udemy)

Go to the Course
We have partnered with providers to bring you collection of courses, When you buy through links on our site, we may earn an affiliate commission from provider.