머신러닝 깊게 배우기
머신러닝 깊게 배우기
별점 (평점 0점 ) 수강후기 0개
인공지능
New 총 40 강의 / 총 11시간 53분
Top10 지금 뜨는 강좌 순위 3위
처음에는 쉽게 배우는 머신러닝으로 시작하였으나 생각보다 깊이 강의하게 되어 “머신러닝 깊게 배우기” 되었습니다. 통계학적으로 바라보며 머신러닝을 배울 수 있습니다.

강좌소개

무엇을 배울 수 있나요?
  • 통계학적으로 바라본 머신러닝
  • 머신러닝에 대한 전반적인 내용
누가 배우면 좋을까요?
  • 머신러닝 얕게 배우신 분 중 깊게 알고 싶으신 분
  • 통계학적으로 머신러닝을 배우고 싶으신 분
필요한 배경 지식이 있나요?
  • 통계적 지식, 머신러닝에 대한 얕은 지식

본 강좌는 초급자를 위한
[머신러닝] 강좌입니다.

#1. 데이터 사이언티스트 필요한 역량이 무엇인가요?
: 바로 머신러닝/데이터마이닝, 통계학적 지식, SQL 스킬, 프로그래밍 스킬(R/Python) 입니다.

#2. 꼭 통계학적 지식이 필요한가요?
: 네! 머신러닝을 할 때 백그라운드 지식이 받쳐 줘야하기 때문에 통계적인 지식도 필요합니다.


그래서 저희가 준비했어요.
통계학으로 바라본 머신러닝 강좌

기존 입문 강의들과는 차원이 다릅니다. 통계학적으로 머신러닝을 배울 수 있습니다.
머신러닝을 전문적으로 배우고 싶으신 분들에게 적합합니다.
데이터 사이언티스트가 목표라면 본 강좌를 추천드립니다.
통계학적 지식이 필요한 비전공자 분들에게도 GOOD!

본 강의는 원문 서적으로 강의 진행합니다. 유명한 서적이라 한국어 번역 교재도 있습니다.

통계학적으로 접근한 머신 러닝 같이 시작해 볼까요? GO!


어떤 내용을 배우는지
살펴볼까요?

1) 통계학으로 바라본 머신러닝

  • 지도학습과 비지도 학습 대한 개념
  • MSE 손실함수

2) 로지스틱 회기 & 최우추정법

  • 로지스틱 회귀 직관적 이해
  • 최우추정법(MLE)

3) LDA & 베이즈 정리& 실습

  • LDA 개념 & 그림 보충설명
  • 베이즈 핵심 정리
  • Logit, LDA, QDA, KNN 비교
  • LAB: Classification 코드 실습

4) Resamping Methods

  • 회귀분석 Outlier 와 Leverage Statistics
  • Bootstrapping
  • LAB: Resamping Methods 코드 실습

5) Lasso, Ridge, PCA

  • 회귀분석 변수 쳐내기
  • 잔차, 베타 최소화
  • PCA 이해  

6) 비선형 모델

  • 구간별 다항식
  • Spline

7) 트리기반 알고리즘

  • Decision Tree
  • Greedy Algorithm
  • 앙상블
  • Adaboosting

8) 서포트 벡터 머신

  • 서포트 벡터 개념
  • Kernel 설명
  • Soft-penalizing
  • 서포트 벡터 추가적인 설명

본 강좌는 머신러닝을 깊게 배우고 싶으신 분들께 적합한 강의입니다. 
[아래는 실제 수업 화면입니다.]


강사소개

크리에이터 소개


커리큘럼

Part 1. 머신러닝


수강후기

별점 0점 수강후기 0개
별점 분포
  • 5점 0명
  • 4점 0명
  • 3점 0명
  • 2점 0명
  • 1점 0명

공지사항

등록된 공지사항이 없습니다.