머신러닝과 딥러닝의 원리와 이론

[실습으로 배우는 머신러닝과 딥러닝 개념 및 활용]

본 코스는 머신러닝과 딥러닝의 기본적인 개념과 이론을 학습하실 수 있는 강의입니다. 강의를 통해 머신러닝 및 딥러닝의 핵심적인 이론 및 주요 모델들에 대한 이해 및 실습을 통한 활용 방법을 배우실 수 있습니다.

대략적인 머신러닝과 딥러닝의 개념 및 이론들에 대한 지식이 필요한 분들은 모두 수강할 수 있지만, 가능하면 파이썬과 기초 통계 및 행력 등 수학적 지식에 대한 기본적인 이해와 활용이 가능하신 분들이 수강하시면 좋습니다.

본 코스는 다음과 같은 내용들로 구성되어 있습니다.

[목차]

<머신러닝>

• 머신러닝 개념 및 정의

• 머신러닝 용어 및 라이브러리 정리

• 선형 회귀 모델

• 다중 선형 회귀

• 선형 회귀 모델 구현, colab 설명

• 로지스틱 회귀 모델 구현

• 의사 결정 나무 구현

• 랜덤 포레스트 구현

• knn 구현

• train valid test 데이터 나누기

• 데이터 전처리

• 최종 실습 - 타이타닉

<딥러닝>

• 딥러닝 개념 및 정의

• 퍼셉트론

• XOR 문제

• 코랩 사용법

• 행렬 기본

• 신경망

• 오차 역전파

• 출력층

• 신경망 실습

• CNN 개념

• CNN 실습

• RNN 개념

• RNN 실습

머신러닝과 딥러닝 학습이 필요하신 분들은 본 강의를 통해 많은 도움 얻어가시기 바랍니다.