솔직히 아직도 이해가 안가는 수식이나, 시각화 부분들은 많지만,
그래도 이런 상황에서는 이런모델을 사용하면 좋겠구나~ 그리고 전반적으로 머신러닝 및 딥러닝 코딩을 이런식으로 하는구나를 이해했습니다. 그리고 실제 업무에 랜덤포레스트 머신러닝을 도입하였는데, 삽질도 많이하고, 힘들었지만 실제로 구현하니, 예전 생각도 나고 재밌었습니다. 앞으로 강사님 커리큘럼에 있는 AI 관련 모든 강의 수강 예정입니다.

최범준

데이터의 세계로 첫발을 내딛고 싶으신가요? AI의 핵심 기술인 머신러닝과 딥러닝을 파이썬과 함께 배워보세요. 이 강의는 머신러닝과 딥러닝의 기초부터 실제 응용까지, 단계별로 친절하게 안내합니다. 전통적인 머신러닝과 딥러닝은 많은 부분에서 동일한 원리와 기술 체계에 기반하고 있습니다. 따라서 본 강의에서는 두 가지를 별도의 과목으로 분리하지 않고 하나의 연결된 과정으로 구성하여 입문자가 머신러닝 전반에 걸친 이해도를 높일 수 있도록 하였습니다.

YoungJea Oh

파이썬을 활용한 머신러닝 딥러닝 입문

좋은 평각 감사합니다. 특히, 실무에 적용하셨다니 정말 반가운 이야기 입니다. 많은 도움 되셨기 바랍니다.

입문

초급

중급이상

Machine Learning(ML)

머신러닝

Deep Learning(DL)

딥러닝

파이썬

Python

넘파이

Numpy

판다스

Pandas

실습 준비 및 머신 러닝 개요

머신 러닝에 필요한 기본 지식 습득

전통적 머신 러닝 - 지도 학습 모델 part 1

데이터 세트 분할 및 모델 성능 평가 지표

전통적 머신러닝 - 지도 학습 모델 part 2

전통적 머신러닝 - 비지도 학습 모델

신경망 (Neural Network)과 딥러닝(Deep Learning)

CNN (Convolutional Neural Network) - 합성곱 신경망

RNN (Recurrent Neural Network) - 순환 신경망

비지도 학습 - Autoencoder

GAN(Generative Aniversarial Network) - 생성적 적대 신경망

머신러닝 모델 Server 배포