인공지능과 머신러닝의 핵심 개념을 이해하고 실무에 바로 적용할 수 있는 모델링 역량을 기를 수 있는 과정이다
Scikit-learn을 활용한 회귀·분류·앙상블·군집화 모델부터 TensorFlow 기반의 ANN·CNN·RNN·강화학습까지 폭넓게 실습하며, 교차검증·하이퍼파라미터 튜닝 등 최적화 기법을 통해 모델 성능 향상 방법을 체계적으로 익힐 수 있다.
컨텐츠 내용
- 수강신청
- 과정정보
[AICE] 인공지능활용능력향상을 위한 데이터 모델링
과정소개
학습목표
인공지능과 머신러닝의 기본 개념을 이해하고 실무에서 활용할 수 있는 핵심 기술을 익힐 수 있다.
Scikit-learn을 활용하여 회귀, 분류, 앙상블, 군집화 등의 머신러닝 모델을 실습하고, TensorFlow를 통해 ANN, CNN, RNN, 강화학습을 포함한 다양한 딥러닝 모델을 구현할 수 있다.
교차검증과 하이퍼파라미터 튜닝 등의 최적화 기법을 익혀 모델 성능을 향상시킬 수 있다.
이론과 실습을 병행하여 데이터 분석 및 모델 구축 능력을 배양하며, 최신 AI 기술 트렌드를 반영한 실습을 통해 실무 적용 역량을 강화할 수 있다.
Scikit-learn을 활용하여 회귀, 분류, 앙상블, 군집화 등의 머신러닝 모델을 실습하고, TensorFlow를 통해 ANN, CNN, RNN, 강화학습을 포함한 다양한 딥러닝 모델을 구현할 수 있다.
교차검증과 하이퍼파라미터 튜닝 등의 최적화 기법을 익혀 모델 성능을 향상시킬 수 있다.
이론과 실습을 병행하여 데이터 분석 및 모델 구축 능력을 배양하며, 최신 AI 기술 트렌드를 반영한 실습을 통해 실무 적용 역량을 강화할 수 있다.
교육대상
대학생, 직장인 등 인공지능 관련 (준)전공자 등
수료기준
| 평가기준 | 진도율 | 총점 |
|---|---|---|
| 반영비율 | 100% | 100점 |
| 이수(과락)기준 | 80% | 100점 |
※ 수료기준은 각 평가항목의 점수가 수료기준 점수 이상이고 총점이 100점 이상이어야 합니다.
| 차시 | 강의명 |
|---|---|
| 1차시 | 인공지능과 머신러닝 개요 |
| 2차시 | scikit-learn #1. 라이브러리 개요 및 주요 모듈 소개 |
| 3차시 | scikit-learn #2. iris 데이터를 활용한 모델링 실습(feat. train_test_split, 교차검증, 하이퍼파라미터 최적화) |
| 4차시 | 회귀(Regression) #1. 캘리포니아 주택 데이터로 배우는 회귀 기초 |
| 5차시 | 회귀(Regression) #2. 다양한 회귀 알고리즘 및 성능지표의 이해 |
| 6차시 | 분류(Classification) #1. 결정트리 개념의 이해 |
| 7차시 | 분류(Classification) #2. 결정트리 실습 - 타이타닉 생존자 예측 |
| 8차시 | 앙상블 #1. 앙상블 개념의 이해 |
| 9차시 | 앙상블 #2. 부스팅 앙상블 |
| 10차시 | 앙상블 #3. XGBoost |
| 11차시 | 실전 실습 #6 금융 데이터 분석 (산탄데르 은행 고객 거래 예측) |
| 12차시 | 비지도학습 #1. 클러스터링 기초(K-means를 활용한 음악 취향 분석) |
| 13차시 | 비지도학습 #2. 클러스터링 심화(DBScan, 계층적 클러스터링) |
| 14차시 | 비지도학습 #3. 협업 필터링 |
| 15차시 | 딥러닝 #1. 신경망 기초 및 Tensorflow 소개 |
| 16차시 | 딥러닝 #2. 인공신경망 심화(다층 퍼셉트론과 심층신경망) |
| 17차시 | 딥러닝 #3. 합성곱 신경망(CNN) |
| 18차시 | 딥러닝 #4. 순환 신경망(RNN) |
| 19차시 | 실전 실습 #7. 자동차 보험 제안 수락 예측 |
| 20차시 | 실전 실습 #8. 비트코인 가격 예측 |
