파이썬 머신러닝 완벽 가이드

파이썬 머신러닝 완벽 가이드

(12개의 수강평)

276명의 수강생
99,000원
지식공유자 · 권 철민
119회 수업 · 총 25시간 47분 수업
평생 무제한 시청
수료증 발급 강의
수강 난이도 '초급, 중급, 활용'
권 철민의 다른 강의
연관 로드맵
아직 다른 강의가 없어요 ㅠㅠ
연관 로드맵이 없어요 ㅠㅠ

이런 걸 배울 수 있어요

  • 파이썬 머신러닝을 구성하는 기반 패키지인 넘파이, 판다스, 사이킷런 익히기
  • 머신러닝을 구성하는 핵심 개념을 직접 파이썬 코드로 구현하기
  • 분류, 회귀, 차원 축소, 클러스터링 등 핵심 머신러닝 알고리즘에 대한 깊이 있는 설명
  • 실무에 머신러닝 애플리케이션을 직접 적용할 수 있는 수준에 이르도록 다양한 실전 예제 익히기
  • 데이터 전처리, 머신러닝 알고리즘 적용, 하이퍼 파라미터 튜닝, 성능 평가 등 최적 머신러닝 모델 구성 방안
  • XGBoost, LightGBM, 스태킹 등 머신러닝 최신 기법에 대한 상세한 설명과 활용법 난이도 높은 캐글 문제를 직접 따라해 보면서 실무 머신러닝 애플리케이션 개발 방법 체득
  • 난이도 높은 캐글 문제를 직접 따라해 보면서 실무 머신러닝 애플리케이션 개발 방법 체득((산탄데르 은행 고객 만족 예측, 신용카드 사기 검출, 부동산 가격 예측 고급 회귀 기법, Mercari 쇼핑몰 가격 예측 등)
  • 텍스트 분석과 NLP를 위한 기반 이론과 다양한 실습 예제 학습 (텍스트 분류, 감성 분석, 토픽 모델링, 문서 군집화, 문서 유사도, KoNLPy를 이용한 네이버 영화 감성 분석 등)
  • 다양한 추천 시스템을 직접 파이썬 코드로 구축 할 수 있으며 파이썬 추천 패키지인 Surprise 사용법 제시



perfect guide


상세한 설명과 풍부한 예제로 매우 많은 사랑을 받고 있는
'파이썬 머신러닝 완벽 가이드' 
이제 인프런에서 동영상 강의로 만나 보세요.

안녕하십니까, 파이썬 머신러닝 완벽 가이드의 저자 권철민 입니다. 이번에 제가 쓴 책 파이썬 머신러닝 완벽 가이드를 인프런을 통해 동영상 강의로 만들었습니다.

파이썬 머신러닝 완벽 가이드 강의는  상세한 설명과 쉬운 도표로 핵심 이론을 정리하고, 다양한 실전 문제를 머신러닝으로 해결해 가면서 머신러닝을 체득할 수 있게 만들었습니다. 이론 위주의 머신러닝 강의가 아닌, 파이썬 라이브러리를 활용하여 실전 업무에 머신러닝을 적용할 수 있는 가이드를 제공해 드립니다.

이를 이해 모든 것이 잘 정제된 데이터가 아닌 캐글과 UCI 머신러닝 리포지토리에서 난이도가 있는 실습 데이터를 기반으로 데이터 전처리에서부터 머신러닝 알고리즘 적용, 하이퍼 파라미터 튜닝 등 머신러닝 모델 구성을 위한 전반적인 프로세스를 예제를 통해 직접 수행해 보면서 머신러닝 능력치를 최대한으로 끌어올릴 수 있도록 내용을 구성했습니다.

또한 XGBoost, LightGBM, 스태킹 기법 등 캐글의 많은 데이터 사이언스에서 애용하는 최신 알고리즘과 기법에 대해 매우 상세하게 설명드리고 있습니다.

🤖 실무에 머신러닝 애플리케이션을 자신있게 적용하는 전문가 수준으로 가이드 해드릴 것입니다.

머신러닝 코딩 구현은 단순히 머리나 눈으로 이해한다고 되는게 아닙니다. 직접 구현해 보지 않으면 결코 머신러닝 전문가가 될 수 없습니다. 잘 정의된 핵심 개념의 설명과 풍부한 응용및 실습 예제를 통해 여러분을 실무에 머신러닝 애플리케이션을 자신있게 적용하는 전문가 수준으로 가이드 해드릴 것입니다.

이번 강의에서는 책에서 지면의 제약상 하기 어려웠던 많은 부분들에 대해서 보다 상세한 설명을 강화하였고, 특히 👨🏻‍💻 예제 코드들에 대해서는 Line by Line, 차근차근 풀어가면서 최대한 쉽게 이해 시켜드릴 수 있게 많은 노력을 기울였습니다.

머신러닝을 아예 모르시는 분을 위한 입문자용 강의는 아니지만, 머신러닝의 기본 개념을 입문서나 다른 동영상 강의로 익히신 뒤에 이 강의를 들으신 다면 매우 빠르게 머신러닝 실력을 업그레이드할 수 있을 것입니다.  가까운 대형 서점에 방문하셔서 파이썬 머신러닝 완벽 가이드 책을 가볍게 리뷰해 보신다면 본 강의가 여러분께 적합할 지 쉽게 판단하실 수 있을 것입니다.

강의에 사용되는 소스 코드는 https://github.com/chulminkw/PerfectGuide 에서 다운로드 받으 실 수 있습니다.


🧗🏻‍♂️

길을 아는 것과 그 길을 걷는 것은 다릅니다. 본 강의는 여러분들이 머신러닝을 실무에 적용할 수 있는 경지에 도달하도록 도와주는 훌륭한 가이드가 될 것입니다.

수강 대상

  • 머신러닝에 관심있는 모든 이
  • 머신러닝의 어려운 알고리즘의 벽을 넘지 못하셨던 분
  • 이론 위주의 머신러닝으로 겉만 맴돌았던 분들
  • 실무에 어떻게 머신러닝을 적용할 지를 고민해 온 분
  • 캐글(Kaggle)과 같은 데이터 분석/머신러닝 컨테스트에 도전해 보기를 원하는 분
  • 현재 본인의 머신러닝 스킬을 한 차원 더 업그레이드 하기를 원하시는 분

선수 지식

  • 파이썬 언어 사용 경험
  • 머신러닝에 대한 얇은 기반 지식

지식공유자 소개

(전) 엔코아 컨설팅

(전) 한국 오라클

Kx Systems 기술 이사

교육과정

모두 펼치기 119 강의 25시간 47분
섹션 0. 강좌 소개
1 강의 08 : 03
섹션 1. 파이썬 기반의 머신러닝과 생태계 이해
19 강의 221 : 12
머신러닝의 개념
14 : 44
파이썬 기반 머신러닝의 특징및 장점과 구성요소
10 : 15
파이썬기반 머신러닝을 위한 SW의 설치
14 : 34
주피터 노트북 사용법과 넘파이/판다스의 필요성
19 : 45
강의에 사용될 예제 소스 코드 다운로드 받기
03 : 11
넘파이 배열 ndarray 소개
10 : 40
넘파이 배열 ndarray 초기화 방법과 ndarray차원과 크기를 변경하는 reshape()의 이해
08 : 14
넘파이 ndarray의 인덱싱(Indexing)을 통한 데이터 세트 선택하기 - 01
07 : 19
넘파이 ndarray의 인덱싱(Indexing)을 통한 데이터 세트 선택하기 - 02
09 : 29
넘파이 ndarray의 정렬과 선형대수 연산
13 : 51
판다스(Pandas) 개요와 기본 API - 01
10 : 38
판다스(Pandas) 개요와 기본 API - 02
16 : 07
판다스 DataFrame의 변환, 컬럼 세트 생성/수정, 삭제 및 Index 객체 소개
20 : 39
판다스 데이터 셀렉션과 필터링 - 01
07 : 59
판다스 데이터 셀렉션과 필터링 - 02
19 : 37
판다스 Aggregation함수와 Group by 수행
15 : 22
판다스 결손 데이터 처리하기
05 : 17
판다스 람다식 적용하여 데이터 가공하기
09 : 27
파이썬 기반의 머신러닝과 생태계 이해 Summary
04 : 04
섹션 2. 사이킷런으로 시작하는 머신러닝
8 강의 102 : 03
사이킷런 소개와 첫번째 머신러닝 애플리케이션 만들어 보기 - 붓꽃(Iris) 품종 예측
16 : 15
사이킷런의 기반 프레임 워크 익히기 - 주요 API/모듈 및 내장 예제 데이터 세트 소개
08 : 54
학습과 테스트 데이터 세트의 분리
09 : 55
교차검증 - K-Fold와 Stratified K-Fold
15 : 36
교차검증 성능평가 cross_val_score()와 하이퍼 파라미터 튜닝을 위한 GridSearchCV
13 : 28
데이터 전처리 - 인코딩과 스케일링 - 01
07 : 37
데이터 전처리 - 인코딩과 스케일링 - 02
09 : 40
사이킷런으로 수행하는 타이타닉 생존자 예측
20 : 38
섹션 3. 평가(Evaluation)
6 강의 67 : 46
분류(Classification) 성능 평가지표 개요와 정확도(Accuracy) 소개
13 : 45
오차행렬(Confusion Matrix), 정밀도(Precision), 재현율(Recall) 소개
09 : 35
정밀도와 재현율의 트레이드오프(Trade off) - 01
08 : 14
정밀도와 재현율의 트레이드오프(Trade off) - 02
12 : 07
F1 Score와 ROC-AUC 소개
10 : 42
평가 실습 - 피마 인디언 당뇨병 예측
13 : 23
섹션 4. 분류(Classification)
17 강의 226 : 22
분류(Classification) 개요와 결정트리(Decision Tree) 소개
12 : 31
결정트리의 주요 하이퍼 파라미터와 결정 트리 모델의 시각화
20 : 04
결정트리의 과적합 이해 및 사용자 행동 인식데이터를 이용한 결정트리 실습
18 : 50
앙상블 학습의 개요와 보팅(Voting)의 이해
10 : 40
배깅(Bagging)의 이해와 랜덤 포레스트(Random Forest) 소개 및 실습
10 : 53
부스팅(Boosting)의 이해와 그래디언트 부스팅 소개 및 실습
09 : 44
XGBoost 소개
15 : 54
XGBoost를 이용한 위스콘신 유방암 예측
17 : 18
LightGBM 소개
08 : 13
LightGBM을 이용한 위스콘신 유방암 예측
07 : 37
분류 실습 1 : 캐글경연대회의 산탄데르 은행 고객 만족 예측
17 : 46
분류 실습 2: 신용카드 사기 예측 실습 - 01
08 : 56
분류 실습 2: 신용카드 사기 예측 실습 - 02
22 : 51
분류 실습 2: 신용카드 사기 예측 실습 - 03
18 : 04
스태킹 모델 소개 - 기본 스태킹
06 : 54
스태킹 모델 소개 - 교차검증 스태킹
17 : 05
분류(Classification) Summary
03 : 02
섹션 5. 회귀(Regression)
18 강의 228 : 41
회귀(Regression)의 이해
13 : 15
회귀 비용함수 RSS와 경사하강법의 이해
12 : 26
경사하강법을 통한 비용함수 RSS 최소화 - RSS함수의 편미분
08 : 31
경사하강법을 통한 비용함수 RSS 최소화 - 파이썬 코드로 경사 하강법 구현하기
12 : 54
사이킷런 LinearRegression 클래스와 회귀 평가지표 소개
08 : 40
사이킷런 LinearRegression을 이용한 보스턴 주택가격 예측
09 : 07
다항회귀(Polynomial Regression)의 이해와 다항회귀를 이용한 보스턴 주택가격 예측
17 : 09
다항회귀를 이용한 과소적합 및 과적합 이해
16 : 13
규제 선형회귀(Regularized Linear Regression)의 개요
07 : 09
릿지(Ridge) 회귀의 이해
08 : 59
라소(Lasso)와 엘라스틱넷(Elastic Net) 회귀의 이해
07 : 41
선형 회귀모델을 위한 데이터 변환
09 : 26
로지스틱 회귀의 이해와 위스콘신 유방암 예측 실습
10 : 48
회귀 트리의 개요와 회귀 트리를 이용한 보스턴 주택가격 예측
14 : 04
회귀 실습 1: 자전거 대여(공유) 수요 예측
20 : 39
회귀 실습 2: 캐글경연 주택가격 예측 - Advanced Regression Techniques - 01
23 : 47
회귀 실습 2: 캐글경연 주택가격 예측 - Advanced Regression Techniques - 02
23 : 38
회귀 Summary
04 : 15
섹션 6. 차원 축소(Dimension Reduction)
7 강의 72 : 14
차원 축소 개요
08 : 31
PCA(Principal Component Analysis)의 이해
10 : 02
PCA를 이용한 붓꽃 데이터 세트의 차원 축소 실습
10 : 00
PCA를 이용한 신용카드 데이터 세트의 차원 축소 실습
10 : 23
LDA의 이해와 붓꽃 데이터 세트의 차원 축소 실습
06 : 48
SVD의 이해
13 : 15
SVD를 이용한 행렬 분해 실습 및 NMF(Non Negative Matrix Factorization)의 이해
13 : 15
섹션 7. 군집화(Clustering)
11 강의 150 : 19
군집화 개요 및 K-Means 군집화의 이해
11 : 20
사이킷런을 이용한 K-Means 군집화 실습
18 : 18
군집화 성능평가(Evaluation)의 이해와 실루엣 분석 평가 실습
13 : 50
군집별 평균 실루엣 계수의 시각화를 통한 군집 개수 최적화 방법
12 : 22
MeanShift 군집화의 이해
10 : 46
KDE(Kernel Density Estimation)의 이해와 사이킷런을 이용한 MeanShift 군집화 실습
14 : 33
GMM(Gaussian Mixture Model) 군집화의 이해
09 : 24
사이킷런을 이용한 GMM 군집화 실습
12 : 49
DBSCAN 군집화의 이해
12 : 11
사이킷런을 이용한 DBSCAN 군집화 실습
09 : 28
군집화 실습 1: 고객 세그먼테이션 구현 실습
25 : 18
섹션 8. 텍스트 분석
20 강의 283 : 53
텍스트 분석의 개요
15 : 04
텍스트 데이터의 다양한 전처리(Preprocessing) 실습
13 : 25
텍스트의 피처 벡터화 이해 - BOW(Bag of words)모델의 단순 Count 및 TF-IDF 피처 벡터화
16 : 44
사이킷런의 주요 피처 벡터화(Feature Vectorization) 클래스 소개
15 : 03
희소행렬의 이해
08 : 05
텍스트 분류 실습 - 20 Newsgroup 분류
19 : 53
감성 분석의 이해와 지도학습기반의 IMDB영화리뷰 감성분석 실습
12 : 09
감성어휘 사전 기반의 감성 분석 이해와 이를 이용한 IMDB 영화리뷰 감성분석 실습
12 : 57
토픽 모델링과 LDA의 이해
14 : 23
사이킷런 LDA를 이용한 20 Newsgroup 토픽 모델링 실습
18 : 56
문서 군집화의 이해와 Opinion Review 데이터 세트를 이용한 문서 군집화 실습
20 : 34
문서 유사도 개요와 코사인 유사도 소개
08 : 52
Opinion Review 데이터 세트를 이용한 문서 유사도 구현 실습
16 : 01
한글 NLP 개요와 한글 형태소 엔진 KoNLPy 소개
08 : 55
한글 형태소 엔진 KoNLPy 설치하기
09 : 31
한글 NLP 실습 - 네이버 영화리뷰 감성 분석
14 : 15
텍스트 분석 실습 1: 캐글 경연 Mercari Price Suggestion 실습 개요 및 Google Colab 사용 설명
21 : 58
텍스트 분석 실습 1: 캐글 경연 Mercari Price Suggestion 실습 - 01
16 : 28
텍스트 분석 실습 1: 캐글 경연 Mercari Price Suggestion 실습 - 02
16 : 51
텍스트 분석 Summary
03 : 49
섹션 9. 추천(Recommendation)
12 강의 187 : 03
추천 시스템의 이해
11 : 58
콘텐츠기반 필터링의 이해와 TMDB5000 데이터 세트를 이용한 콘텐츠기반 필터링 구현 실습 - 01
17 : 19
TMDB5000 데이터 세트를 이용한 콘텐츠기반 필터링 구현 실습 - 02
19 : 42
협업 필터링의 개요와 최근접 이웃방식 협업 필터링의 이해
15 : 24
아이템기반 최근접 이웃 협업필터링 영화 추천 구현 실습
28 : 37
잠재요인 기반의 협업필터링 이해와 경사하강법을 이용한 행렬 분해
20 : 13
파이썬 코드를 이용한 경사하강법 기반의 행렬 분해 구현과 잠재요인 협업 필터링 기반 영화 추천 구현 실습
19 : 39
파이썬의 추천 시스템 패키지인 Surprise 개요 - 주요 모듈 소개
11 : 17
Surprise를 이용한 추천 시스템 기본 구현
16 : 06
Surprise의 추천 알고리즘 소개 및 교차 검증과 하이퍼 파라미터 튜닝 개요
11 : 16
Surprise를 이용하여 개인화 영화 추천 시스템 구축
11 : 34
추천 Summary
03 : 58

공개 일자

2019년 9월 30일 (마지막 업데이트 일자 : 2019년 9월 16일)

수강 후기

5.0
12개의 수강평
sangjin0202 2달 전
파이썬 머신러닝 완벽 가이드가 동영상 강의로 나와 바로 구매했습니다. 국내 저자가 쓴 머신러닝 책으로는 최고라고 생각합니다. 책도 설명이 자세해서 도움을 많이 받았는데, 동영상 강의는 설명 뿐만 아니라 코드 해설까지 더 상세하게 되어 있군요. 좋은 강의 감사합니다~ 혹시 또 다른 강의도 찍으시면 그것도 듣고 싶습니다! (개인적으로 sql 관련해서 더 들어보고 싶습니다.)
회사막내 2달 전
주말부터 보기 시작했는데 설명이 정말 자세하네요. 통계 잘 몰라도 현업에서 쓰고 싶은 사람에게 필요한 강의 아닐까 싶어요... 수포자 입장에서...
지식공유자 되기
많은 사람들에게 배움의 기회를 주고,
경제적 보상을 받아보세요.
지식공유참여
기업 교육을 위한 인프런
“인프런 비즈니스” 를 통해 모든 팀원이 인프런의 강의들을
자유롭게 학습하는 환경을 제공하세요.
인프런 비즈니스