로그인 후 신청할 수 있으며, 정원이 찼거나 이미 신청한 강의는 신청할 수 없습니다. 신청 내역은 [마이페이지 > 학습정보]에서 확인합니다.
| 회차 | 주제 | 내용 |
|---|---|---|
| 1 | 인공지능과 머신러닝， 딥러닝 이해 코랩과 주피터 노트북으로 손코딩하기(구글 코랩， 텍스트 셀， 코드 셀， 노트북) 마켓과 머신러닝(생선 분류 문제， 첫 번째 머신러닝 프로그램， [문제해결 과정] 도미와 빙어 분류) 데이터 다루기1 훈련 세트와 테스트 세트(지도 학습과 비지도 학습， 훈련 세트와 테스트 세트， 샘플링 편향， 넘파이， [문제해결 과정] 훈련 모델 평가) 데이터 다루기2 데이터 전처리(넘파이로 데이터 준비하기， 사이킷런으로 훈련 세트와 테스트 세트 나누기， 수상한 도미 한 마리， 기준을 맞춰라， 전처리 데이터로 모델 훈련하기， [문제해결 과정] 스케일이 다른 특성 처리) | 이론 및 실습 · 자체교재 |
| 2 | 회귀 알고리즘과 모델 규제1 k-최근접 이웃 회귀(데이터 준비， 결정계수(R2)， 과대적합 vs 과소적합， [문제해결 과정] 회귀 문제 다루기) 회귀 알고리즘과 모델 규제2 선형 회귀(k-최근접 이웃의 한계， 선형 회귀， 다항 회귀， [문제해결 과정] 선형 회귀로 훈련 세트 범위 밖의 샘플 예측) 회귀 알고리즘과 모델 규제3 특성 공학과 규제 (다중 회귀(데이터 준비， 사이킷런의 변환기， 다중 회귀 모델 훈련하기， 규제， 릿지 회귀， 라쏘 회귀， [문제해결 과정] 모델의 과대적합을 제어하기) 다양한 분류 알고리즘1 로지스틱 회귀(럭키백의 확률， 로지스틱 회귀， [문제해결 과정] 로지스틱 회귀로 확률 예측) 다양한 분류 알고리즘2 확률적 경사 하강법(점진적인 학습， SGDClassifier， 에포크와 과대/과소적합， [문제해결 과정] 점진적 학습을 위한 확률적 경사 하강법) | 이론 및 실습 · 자체교재 |
| 3 | 트리 알고리즘1 결정 트리( 로지스틱 회귀로 와인 분류하기， 결정 트리， [문제해결 과정] 이해하기 쉬운 결정 트리 모델 ) 트리 알고리즘2 교차 검증과 그리드 서치(검증 세트， 교차 검증， 하이퍼파라미터 튜닝， [문제해결 과정] 최적의 모델을 위한 하이퍼파라미터 탐색) 트리 알고리즘3 트리의 앙상블(정형 데이터와 비정형 데이터， 랜덤 포레스트， 엑스트라 트리， 그레이디언트 부스팅， 히스토그램 기반 그레이디언트 부스팅， [문제해결 과정] 앙상블 학습을 통한 성능 향상) 비지도 학습1 군집 알고리즘(과일 사진 데이터 준비하기， 픽셀값 분석하기， 평균값과 가까운 사진 고르기， [문제해결 과정] 비슷한 샘플끼리 모으기) 비지도 학습2 k-평균(k-평균 알고리즘 작동 방식을 이해하고 비지도 학습 모델 만들기)k-평균 알고리즘 소개，KMeans 클래스， 클러스터 중심，최적의 k 찾기， [문제해결 과정] 과일을 자동으로 분류하기 | 이론 및 실습 · 자체교재 |
| 4 | 비지도 학습3 주성분 분석 ▶차원을 알고 차원 축소 알고리즘 PC 모델 만들기(차원과 차원 축소， 주성분 분석 소개， PCA 클래스， 원본 데이터 재구성， 설명된 분산， 다른 알고리즘과 함께 사용하기， [문제해결 과정] 주성분 분석으로 차원 축소) 딥러닝1 인공 신경망 ▶ 텐서플로로 간단한 인공 신경망 모델 만들기(패션 MNIST， 로지스틱 회귀로 패션 아이템 분류하기， 인공 신경망， 인공 신경망으로 모델 만들기， 인공 신경망으로 패션 아이템 분류하기， [문제해결 과정] 인공 신경망 모델로 성능 향상) 딥러닝2 심층 신경망 ▶인공 신경망에 층을 추가하여 심층 신경망 만들어 보기(2개의 층， 심층 신경망 만들기， 층을 추가하는 다른 방법， 렐루 활성화 함수， 옵티마이저， [문제해결 과정] 케라스 API를 활용한 심층 신경망) 딥러닝3 신경망 모델 훈련 ▶인경 신경망 모델 훈련의 모범 사례 학습하기(손실 곡선， 검증 손실， 드롭아웃， 모델 저장과 복원， 콜백， [문제해결 과정] 최상의 신경망 모델 얻기) 이미지를 위한 인공 신경망1 합성곱 신경망의 구성 요소 ▶합성곱 신경망의 개념과 동작 원리를 배우고 간단한 실습하기(합성곱， 케라스 합성곱 층， 합성곱 신경망의 전체 구조， [문제해결 과정] 합성곱 층과 풀링 층 이해하기) | 이론 및 실습 · 자체교재 |
| 5 | 이미지를 위한 인공 신경망2 합성곱 신경망을 사용한 이미지 분류 ▶케라스 API로 합성곱 신경망 모델 만들기(패션 MNIST 데이터 불러오기， 합성곱 신경망 만들기， 모델 컴파일과 훈련， [문제해결 과정] 케라스 API로 합성곱 신경망 구현) 이미지를 위한 인공 신경망3 합성곱 신경망의 시각화 ▶신경망이 이미지에서 학습하는 게 무엇인지 이해하기(가중치 시각화， 함수형 API， 특성 맵 시각화， [문제해결 과정] 시각화로 이해하는 합성곱 신경망) 텍스트를 위한 인공 신경망1 순차 데이터와 순환 신경망 ▶순차 데이터의 특징과 개념 이해하기(순차 데이터， 순환 신경망， 셀의 가중치와 입출력， [문제해결 과정] 순환 신경망으로 순환 데이터 처리) 텍스트를 위한 인공 신경망2 순환 신경망으로 IMDB 리뷰 분류하기 ▶텐서플로 순환 신경망으로 영화 리뷰 분류하기(IMDB 리뷰 데이터셋， 순환 신경망 만들기， 순환 신경망 훈련하기， 단어 임베딩을 사용하기， [문제해결 과정] 케라스 API로 순환 신경망 구현) | 이론 및 실습 · 자체교재 |
| 6 | 텍스트를 위한 인공 신경망3 LSTM과 GRU 셀 ▶순환 신경망의 중요 기술을 사용해 모델 만들어 보기(LSTM 구조， LSTM 신경망 훈련하기， 순환층에 드롭아웃 적용하기， 2개의 층을 연결하기， GRU 구조， GRU 신경망 훈련하기， [문제해결 과정] LSTM과 GRU 셀로 훈련) 머신러닝 알고리즘 심화 서프트 벡터 머신(SVM) 이해 및 실습 군집 알고리즘 심화 병합 군집， DBSCAN 이해 및 실습 딥러닝 알고리즘 심화 스타일을 변환하는 스타일 트랜스퍼 이해 및 실습 새로운 이미지를 생성하는 GAN 이해 및 실습 강화학습(Reniforcement Learning) 이해 및 실습 | 이론 및 실습 · 자체교재 |
