어떤 강의를 하나요?

<aside> 🎯 머신러닝의 기본 원리를 배우고 모델링을 통해 심화

• 알고리즘을 처음 배우는 분을 위한 눈높이 기초 수업으로 전반적인 머신러닝의 알고리즘
• 분류에 필요한 결정트리 알고리즘 ( Decision Tree, Random Forest 등 )
• 회귀에 필요한 다양한 회귀분석 ( 선형회귀, K-최근접 이웃 회귀, 로지스틱 회귀, 확률적 경사 하강법 등 )
• 비지도 학습 ( 군집 알고리즘, KMeans, GMM, DBSCAN 등 ) </aside>

이런 분들에게 추천해요

<aside> 💻

머신러닝에 대해서 깊게 배우자!

• 모델링을 배워 자신만의 인공지능을 본격적으로 만들고 싶으신 분
• 파이썬을 통해 자신만의 인공지능을 본격적으로 만들고 싶으신 분
• 모델링을 배워 데이터 사이언티스트를 꿈꾸시는 분
• 파이썬은 가능하나, 모델을 다뤄본적이 없으신 분 </aside>

이전엔 어떤 수업을 했을까요?

<aside> 💡 데이터 분석 모델링반 맛보기

8기 2주차 강의

240310_B.D.A 8기 데이터 분석 모델링반(ML1) 강의 복습 영상 - 교차검증

8기 3주차 강의

240317_B.D.A 8기 데이터 분석 모델링반(ML1) 강의 복습 영상 - 교차검증(2)

</aside>

1주차 : 데이터 모델링이란

2주차 : 교차검증

3주차 : 머신러닝 평가지표 복습 (정확도, 정밀도, 재현율, f1 등)

4주차 : ML 임계점과 평가지표 정리

5주차 : KNN 알고리즘 실습

6주차 : Kmeans 알고리즘 실습

7주차 : Linear Regression (선형회귀 기초)

8주차 : Linear Regression 응용 1

9주차 : Linear Regression 응용 2

10주차 : Linear Regression 응용 3

11주차 : Logistic Regression

12주차 : Decision Tree 1

13주차 : Decision Tree 2

14주차 : RandomForest 1

15주차 : RandomForest 2

16주차 : 회귀, 분류 정리