머신러닝
데이터분석을 위한 머신러닝의 모든것.
교육과정의 개월수를 선택하여 세부과정을 볼 수 있습니다.
머신러닝을 위한 파이썬 기초
실습 환경 준비 : 파이썬 인터프리터 / Visual Studio Code 설치, Visual Studio Code 사용법 파이썬 인터프리터 : 실행 결과를 돌려주는 인터프리터, 실행 결과를 다른곳으로(redirection)표준 입/출력, 출력을 제어하는 방법 변수와 타입 : 별거아닌 것의 차이, 기본 데이터 타입, 리스트, 튜플, 딕셔너리, 집합 문자열 : 문자열의 이해, 눈에 보이는 것이 전부가 아닌 문자열, 파일 입/출력
조건문과 반복문 : 명령어의 실행을 제어하는 방법, 변수 값의 변화를 추적하자 함수 : 돌려주는 함수와 그렇지 않은 함수, 함수의 매개변수와 입력값 전달, 익명함수의 사용법
파이선 모듈 : 모듈에 대한 이해와 Import사용법 클래스1 : 클래스의 정의 및 객체에 대한 이해, 생성자의 정의 하기, 변수의 영역 클래스2 : 상속과 연산자의 재정의
예외처리 : 허락보다 용서를 구하는 것이 더 쉽다. 제너레이터 : iterable , iterator , itertools module
머신러닝 모형
실습환경 준비 : 파이썬 가상환경의 이해, jupyter 설치, jupyter 사용법 단순선형회귀 : scikit-learn과 statsmodel을 이용한 단순선형회귀를 적합해봅니다. 다항회귀 : 다항회귀를 이용해서 비선형 모형을 적합해 봅니다. 다중선형회귀 : scikit-learn과 statemode를 이용한 다중선형회귀를 적합해봅니다.
로지스틱회기(분류) : 분류모형을 적합해 봅니다.
지도학습 기반모형 : 지도학습 기반의 머신러닝 모형을 적합해보는 내용입니다. 나이브 베이즈, KNN, SVM, Decision Tree
비지도학습 기반모형 : 비지도학습 기반의 머신러닝 모형을 적합해보는 내용입니다. DBCAN, K-means
머신러닝을 위한 기초
선형대수 : numpy를 이용한 선형대수 이해하기 미분 : numpy를 이용한 미분 이해하기
함수 이해하기 : 다항함수, 지수함수, 로그함수, 삼각함수를 다뤄봅시다. 어렵지만 들어두면 평생가는 수업
확률과 확률분포 : 기본적인 확률과 확률분포에 대해서 배웁니다. 머신러닝이 사용하는 확률분포들 확률분포가 중요한 이유 통계기초 : 데이터 분석과 뗄레야 뗄 수 없는 통계, 유의확률? 검정 통계량? 무엇인지 확인해봅시다
선형회귀 :직접 만들어보는 선형회귀
머신러닝과 데이터 분석
머신러닝 기초 과정에서 배운것들을 실제 데이터에 적용해봅니다. 앞에서 배운 내용들을 적용하여 모형의 정확도를 높여 봅시다. EDA : pandas 및 시각화 라이브러리(matplotlib, seaborn)을 활용한 EDA의 기초 실습 데이터 전처리 : 분석된 내용을 바탕으로 머신러닝 문제에 맞는 적절한 형태로 변환 feature engineering : 분석된 내용을 바탕으로 설명력이 높은 변수를 찾아내는 작업 모델링 : 전처리가 완료된 데이터를 바탕으로 모형을 적합하고, 정확도를 높이는 작업 실습형 수업 : 별도의 실습 시간을 갖지 않고, 매 시간이 실습 위주로 진행됩니다.
프로젝트
프로젝트 문제를 정의하고, 정의된 문제에 따라서 데이터를 수집하고, 분석하여 최종 보고서를 만듭니다. 실습형 수업 따로 실습 시간을 갖지 않고, 매 시간이 실습 위주로 진행됩니다. 빅데이터 전문기업 모비젠 에서 실무자와 함께 프로젝트 크리틱을 진행합니다. 모비젠에 취업을 희망하는 학생일 경우 서류면접 합격과, 인턴쉽 기회제공 됩니다.
대한민국 입시 No1. 메가스터디 교육그룹에서 4차 산업혁명의 성장과 미래에 발맞추기 위하여 메가스터디IT아카데미를 런칭하였습니다.
더보기
더보기
더보기