바로가기

모두를 위한 열린 강좌 KOCW

주메뉴

강의사진
  • 주제분류
    공학 >컴퓨터ㆍ통신 >소프트웨어공학
  • 강의학기
    2022년 2학기
  • 조회수
    2,805
  •  
강의계획서
강의계획서
회귀분석의 기본 개념을 학습하고, 파이썬 scikit-learn 라이브러리를 사용하여 linear regression, support vectregression 등 다양한 회귀분석을 실습한다.
인공지능, 머신러닝의 개념
배속
  • 이전차시
  • 다음차시

차시별 강의

PDF VIDEO SWF AUDIO DOC AX
1. 문서 강의자료 강의자료 소스URL
1. 비디오 인공지능, 머신러닝의 개념 인공지능, 머신러닝 프로그래밍에 필요한 Python library에 대해 알아본다. / 인공지능과 머신러닝의 개념을 이해한다. URL
비디오 회귀분석의 개념 회귀분석의 개념과 프로세스를 이해한다. URL
비디오 pandas 라이브러리의 활용 머신러닝 프로그래밍에서 활용하는 pandas library에 대해 알아본다. URL
2. 비디오 NumPy 라이브러리 활용하기 머신러닝 프로그래밍에서 활용하는 NumPy library에 대해 알아본다. URL
3. 비디오 scikit-learn 라이브러리 활용하기 머신러닝 프로그래밍에서 활용하는 scikit-learn library에 대해 알아본다. URL
비디오 matplotlib 라이브러리 활용하기 머신러닝 프로그래밍에서 활용하는 matplotlib library에 대해 알아본다. URL
4. 비디오 선형회귀모델의 개념과 cost function(1) Linear regression의 특성 및 원리를 이해한다. URL
비디오 선형회귀모델의 개념과 cost function(2) Linear regression의 cost function과 cost function을 최소화할 수 있는 최적의 가중치 및 편향을 찾는 학습 (learning) 프로세스를 이해한다. URL
비디오 gradient descent 최적의 머신러닝 모델을 찾을 수 있는 경사하강법 (Gradient descent)의 개념과 원리, 프로세스를 이해한다. URL
비디오 simple linear regression 구현 sklearn을 이용하여, 주어진 1차원 특징 X와 타겟 y의 linear regression model을 생성할 수 있다. / 생성된 linear regression model에 새로운 데이터 X를 적용하여 예측값을 확인할 수 있다. URL
5. 비디오 multiple linear regression 구현하기 sklearn을 이용하여, 주어진 다차원 특징 데이터와 타겟 값에 대한 linear regression model을 생성할 수 있다. URL
6. 비디오 overfitting과 underfitting, polynomial regression underfitting과 overfitting의 개념을 이해한다. / Polynomial regression의 개념을 이해한다. / Polynomial regression을 통해 model을 생성할 때, degree의 영향을 이해한다. URL
비디오 polynomial regression 구현하기 sklearn을 이용하여, polynomial regression을 구현할 수 있다. / Polynomial regression의 degree가 regression model에 미치는 영향을 이해할 수 있다. URL
7. 비디오 회귀 모델의 평가 Regression model 성능을 평가할 수 있는 척도 mean absolute error, mean squared error, root mean squared error, R2의 개념과 특성을 이해한다. URL
비디오 regrularization 개념, ridge regression, lasso regression Bias와 variance의 개념을 파악하고, underfitting과 overfitting과의 관계를 이해한다. /Overfitting을 개선할 수 있는 regularization의 개념과 원리를 이해한다. URL
비디오 ridge regression, lasso regression 구현 sklearn을 이용하여, ridge regression과 lasso regression을 구현할 수 있다. / ridge regression과 lasso regression의 α 파라미터가 regression model 성능에 미치는 영향을 파악할 수 있다. URL
8. 비디오 SVR개념과 라그랑주 승수법(1) Support vector regression의 특성과 원리, objective function(목적함수)와 constraints(제약)을 이해할 수 있다. URL
비디오 SVR개념과 라그랑주 승수법(2) 제약식이 포함된 최적화 문제를 해결하는 lagrange multiplier method에 대해 이해한다. URL
비디오 SVR의 optimal solution Lagrange multiplier method를 이용하여 Support vector regression의 primal problem에 대한 dual problem을 찾을 수 있다. URL
9. 비디오 support vector의 특성 Support vector regression에 의해 생성된 model을 구성하는 데이터의 기하학적 의미를 파악한다. URL
비디오 kernel trick의 개념 Kernel trick의 원리와 효과를 이해하고, support vector regression에 적용할 수 있다. URL
10. 비디오 linear SVR, kernel SVR 구현, 시각화, 성능 비교하기(1) sklearn을 이용하여, support vector regression model을 생성할 수 있다. URL
비디오 linear SVR, kernel SVR 구현, 시각화, 성능 비교하기(2) sklearn을 이용하여, 생성된 support vector regression model을 평가한다. URL
비디오 linear SVR, kernel SVR 구현, 시각화, 성능 비교하기(3) support vector regression의 attribute를 알아본다. URL
11. 비디오 decision tree 개념과 학습 프로세스 Decision tree를 통해 regression model을 생성하는 원리와 구조, 학습 프로세스에 대해 이해한다. URL
비디오 decision tree 구현하기(1) sklearn을 이용하여, decision tree regression model을 생성한다. URL
비디오 decision tree 구현하기(2) decision tree regression model 파라미터 변경의 영향을 파악한다. URL
12. 비디오 random forest 개념과 학습 프로세스 Random forest regression model의 원리와 구조, 학습 프로세스를 이해한다. / Decision tree와 차별화된 Random forest의 특성을 이해한다. URL
비디오 random forest 구현하기 sklearn을 이용하여 random forest regression model을 구현하고, 성능을 평가할 수 있다. / 구현한 random forest를 구성하고 있는 decision tree를 확인할 수 있다. URL
13. 비디오 gradient boosting 개념과 학습 프로세스 Gradient boosting의 원리와 특성을 이해한다. / Gradient boosting의 학습 프로세스를 이해한다. URL
비디오 gradient boosting 구현하기 sklearn을 이용하여, gradient boosting regression model을 설계할 수 있다. / 설계한 gradient boosting regressor의 성능을 평가하고, regression model을 구성하는 decision tree를 확인할 수 있다. URL

연관 자료

loading..

사용자 의견

강의 평가를 위해서는 로그인 해주세요.

이용방법

  • 동영상 유형 강의 이용시 필요한 프로그램 [바로가기]


    ※ 강의별로 교수님의 사정에 따라 전체 차시 중 일부 차시만 공개되는 경우가 있으니 양해 부탁드립니다.

이용조건