파이썬 머신러닝 완벽 가이드

기간: 무제한

진도율 : 0강/119강 (0%) | 시간 : 0분/1548분 0%

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

판다스 데이터 셀렉션과 필터링 - 02

질문 게시판

(0)

ix연산

print(data_df.ix[1:2 , 'Name']) two Eunkyung Name: Name, dtype: object여기서 1포함 2미포함으로 1의 name값 chulmin이 나와야하는거 아닌가요???? 헷갈리네요 ㅠ
(0)

loc 슬라이싱

loc 인덱싱시에 명칭기반 해석시, 1:2에서 앞의수는 포함 뒤에수는 미포함 아닌가요? 왜 2개가 나오는지 궁금합니다. ix 인덱싱시에는 같은 명칭기반으로 1:2가 1포함, 2 미포함으로 해석이 된것같아서 헷갈립니다.. ㅜㅜ
(0)

권철민 강사님!!

다음 책은 언제 또 내시나요?!ㅎㅎ 열혈 팬입니다!!!!!!♥️