미래인재양성을위한머신러닝
- 안양대학교
- 김진수
페이스북
트위터
카카오톡
네이버밴드
링크복사
-
- 주제분류
- 공학 >컴퓨터ㆍ통신 >컴퓨터과학
-
- 강의학기
- 2021년 2학기
-
- 조회수
- 3,928
-
- 강의계획서
- 강의계획서
최근에 머신러닝은 AI의 발전에 따라 점차 유행하는 학문으로 컴퓨터관련학과 뿐만 아니라 다양한 학과와의 융복합을 통해 다양한 분석을 필요로 하고 있다. 머신러닝의 개념을 학습하여 융복합의 다양한 분야에서 협력적으로 분석하여 다양한 각도로 문제를 해결하고자 한다.
- 수강안내 및 수강신청
- ※ 수강확인증 발급을 위해서는 수강신청이 필요합니다
오리엔테이션
차시별 강의
| 1. | |
오리엔테이션 | 학습 과정 소개 |  |
|
머신러닝 | 머신러닝의 개념 | |
|
|
파이썬 설치 | 개발 환경 구축 | |
|
| 2. | |
머신러닝 실습 | Teachable Machine 활용 | |
|
파이썬 문법(1) | 기본 문법(1) | |
|
|
파이썬 문법(2) | 기본 문법(2) | |
|
| 3. | |
파이썬 문법(3) | 기본 문법(3) | |
|
파이썬 문법(4) | 기본 문법(4) | |
|
|
판다스(1) | 판다스 설치 및 시리즈/데이터프레임 | |
|
| 4. | |
파이썬 문법(5) | 기본 문법(5) | |
|
파이썬 문법(6) | 고급 자료형 | |
|
|
판다스(2) | 데이터프레임 만들기와 조작 | |
|
| 5. | |
파읿 불러오기 | CSV, JSON 파일 처리 | |
|
통계 함수 | 기본 통계 함수 구현 | |
|
|
통계 함수와 데이터 전처리 | 데이터프레임에서의 데이터 전처리 | |
|
| 6. | |
데이터 시각화(1) | matplotlib 설치 및 차트 그리기 | |
|
데이터 시각화(2) | 차트 설정 및 seaborn 설치 | |
|
|
데이터 시각화(3) | 붓꽃의 시각화와 워드클라우드 | |
|
| 7. | |
파이썬 문법(7) | 함수 정의와 호출 | |
|
파이썬 문법(8) | 함수내의 지역변수, 전역변수 | |
|
|
데이터 시각화(4) | 모듈 임포트와 시각화 | |
|
| 8. | |
데이터 전처리(1) | 결측치 처리(평균, 중앙값, ...) | |
|
데이터 전처리(2) | 범주형 데이터/비범주형 데이터 매핑 | |
|
|
데이터 전처리(3) | 원핫인코딩 | |
|
| 9. | |
다양한 머신러닝의 학습 | 훈련 집합과 테스트 집합 | |
|
분류(1) | 결정트리 개념 | |
|
|
분류(2) | 결정트리의 분류(붓꽃) | |
|
| 10. | |
다양한 평가 방법들 | 정확도, 재현율, F1 스코어 개념 | |
|
붓꽃 분류 | 사이킷런을 이용한 분꽃 분류 | |
|
|
분류(3) | k-NN 알고리즘 | |
|
| 11. | |
분류(4) | Gaussian Na�ve Bays, Perceptron | |
|
분류(5) | SVM(Support Vector Machine)와 앙상블 학습 | |
|
|
분류(6) | Gaussian Naïve Bays, Perception, SVM 구현 | |
|
| 12. | |
회귀(1) | 선형회귀 | |
|
회귀(2) | 키와 몸무게의 관계를 이용한 예측 | |
|
|
회귀(3) | 회귀를 이용한 유방암/집값 예측 | |
|
| 13. | |
군집화(1) | 비지도학습 | |
|
군집화(2) | k 평균 알고리즘 활용 | |
|
|
군집화(3) | DBSCAN 활용 | |
연관 자료
