본 강의는 TEAMLAB과 Inflearn이 함께 구축한 데이터 사이언스 과정의 두 번째 강의인 밑바닥 부터 시작하는 머신러닝 입문 입니다. 밑바닥부터 시작하는 머신러닝 입문은 Part I과 Part II로 구성되어 있습니다.

본 강의는 TEAMLAB과 Inflearn이 함께 준비한 WADIZ 펀딩의 지원을 받아제작되었습니다.

매 주차별로 1개 섹션씩 오픈됩니다.

1. 강좌소개

본 머신러닝 입문 강좌는 TEAMLAB과 Inflearn이 함께 구축한 데이터 사이언스 과정의 두 번째 강의인 밑바닥 부터 시작하는 머신러닝 입문 강좌 입니다. 밑바닥부터 시작하는 머신러닝 입문은 Part I과 Part II로 구성되어 있습니다.
이 강의는 TEAMLAB과 Inflearn이 함께 준비한 WADIZ 펀딩의 지원을 받아제작되었습니다. 아래 목록에 대한 강의를 개발할 예정입니다.

또한 기존 K-MOOC 과정은 아래 목록을 참고하시기 바랍니다.

학습목표 도움이 되는 분들
머신러닝에 대한 기초개념과 주요 알고리즘들에 대해 이해하고 구현하는 것을 목적으로 하며, 본 과정을 통해 수강자는 데이터 과학에서 사용되는 다양한 용어에 대한 기본적인 이해를 할 수 있습니다. 프로그래밍 입문하고 싶은 분
데이터 과학을 배우고 싶은 초보자
머신러닝 시작 전 기초를 다지고 싶은 분
데이터과학 분야 취업 준비생
아무나

 2. 강좌 특징

  • 본 과정의 기본적인 구성은 알고리즘에 대한 설명, Numpy를 사용한 구현, Scikit-Learn을 사용한 패키지 활용으로 이루어 져 있습니다.
  • 수강자는 머신러닝에서 주로 사용되는 알고리즘을 구현하기 위해 고등학교 수준의 통계학과 선형대수학의 이해가 필요합니다.
  • 수강자는 본 과정을 통해 Numpy, Pandas, Matplotlib, Scikit-Learn 등 데이터 분석을 위한 기본적인 파이썬 패키지를 이해하게 됩니다.

3. 머신러닝으로 할 수 있는 것들

4. 참고자료

  • Machine Learning (Couera) by Andrew Ng
  • 모두를 위한 딥러닝 by Sung Kim
  • C++로 배우는 딥러닝 by Sung Kim
  • Machine Learning From Scratch[https://github.com/eriklindernoren/ML-From-Scratch]

코드과제 분석 기술지원 : 래블업(www.lablup.com)

Textbooks

Reading materials
밑바닥부터 시작하는 데이터 과학(조엘 그루스, 2016)
파이썬 머신러닝(세바스티안 라슈카, 2016)
Hands-On Machine Learning with Scikit-Learn and TensorFlow(Aurélien Géron, 2017, PDF)
Data Mining: Concepts and Techniques(Jiawei Han, Micheline Kamber and Jian Pei , 2011, PDF)
Supplementary textbooks
파이썬 라이브러리를 활용한 데이터 분석(웨스 맥키니, 2013)
머신러닝 인 액션(피터 해링턴, 2013)
데이터 과학 입문(레이철 슈트 | 캐시 오닐, 2014)
머신러닝 인 파이썬(마이클 보울즈, 2015)
머신러닝 이론 입문(나카이 에츠지, 2016)

Prerequisites – 수강전 이수 또는 수강중 들었으면 하는 교과들

입문 수준의 통계학
세상에서 가장 쉬운 통계학(고지마 히로유키, 2009)
세상에서 가장 쉬운 베이즈통계학입문(고지마 히로유키, 2017)
확률과통계(한양대학교 이상화 교수, 2014)
Reading Materials: Data Science from the Scratch – Ch.5, Ch.6, Ch.7
고교 이과 수준의 선형대수학 (Matrix와 Vector의 기본개념은 Review 필요)
Essence of linear algebra(3Blue1Brown, 2017)
Linear Algebra(Khan Academy)
선형대수학(한양대 이상화 교수, 2013) – Advance Course
Reading Materials – Data Science from the Scratch – Ch.4
고교 이과 수준의 미적분학 (개념에 대한 이해 필요)
Essence of calculus(3Blue1Brown, 2017)
파이썬 기초
데이터 과학을 위한 파이썬 입문 (TEAMLAB, 2017)
Git
Pro Git (스캇 샤콘 | 벤 스트라웁, 2016)
Git & Github (TEAMLAB, 2016)
Git 강의 (생활코딩, 2014)

5. 강사 소개

가천대학교 산업경영공학과 최성철 교수
(sc82.choi@gachon.ac.kr, Director of TEAMLAB)

함께 만든 사람들

감동근, 강남구, 강동훈, 강민구, 강승형, 강신현, 강정모, 강천성, 견은경, 고상규, 고태영, 고형주, 곽병우, 곽준규, 곽효은, 권기웅, 권수림, 권준호, 김강한, 김기범, 김기현, 김대현, 김동수, 김범영, 김상호, 김석, 김설화, 김성선, 김영곤, 김영복, 김완, 김우재, 김원준, 김유준, 김재훈, 김종철, 김주호, 김준엽, 김준철, 김준태, 김지훈, 김진영, 김태일, 김태형, 김현수, 김현일, 김현표, 김형수, 김희정, 남궁영, 노동흔, 노정철, 노진선, 노태주, 류재국, 류지환, 목정환, 문종배, 문진솔, 문진원, 박경화, 박동희, 박두강, 박민준, 박선호, 박세원, 박수연, 박신영, 박재호, 박제민, 박준혇, 박진태, 박찬진, 박철홍, 박태균, 박태욱, 박혜원, 박홍성, 박훈범, 박흥주, 배윤성, 배이환, 배진의, 백길호, 백상일, 변경섭, 서기용, 서동진, 서동화, 서윤희, 서재원, 석민호, 성정모, 손기창, 손백모, 손유연, 손정훈, 송민규, 송은정, 송지훈, 신동수, 신명석, 신익순, 신재근, 신정현, 신진규, 신헌섭, 안병훈, 안중희, 양제열, 오성우, 오승재, 옥재우, 우지원, 원선, 원하리, 위재혁, 유영호, 윤병길, 윤석채, 윤석필, 윤성현, 윤준서, 윤진환, 이경록, 이경미, 이경은, 이기용, 이대규, 이덕기, 이돈중, 이민선, 이상엽, 이성주, 이성한, 이성훈, 이수환, 이승규, 이승준, 이신애, 이연준, 이영숙, 이영일, 이용민, 이유정, 이은섭, 이자호, 이재준, 이재현, 이정연, 이정호, 이종석, 이주웅, 이주원, 이지선, 이지오, 이창섭, 이형범, 임세민, 임원균, 임종태, 임지홍, 임채현, 장석원, 장우일, 장우철, 장준혁, 장현정, 장홍기, 전경환, 전용진, 전종열, 전진명, 정광윤, 정광호, 정대환, 정동렬, 정동민, 정성욱, 정수정, 정승현, 정영교, 정윤기, 정찬모, 정향원, 정현철, 조광제, 조민하, 조수정, 조영만, 조용준, 조원석, 조재문, 조중현, 주정석, 진소라, 차동철, 차진만, 채호진, 최경민, 최웅식, 최인보, 최정원, 최제호, 최준식, 최한동, 추정호, 하준수, 한보람, 한성욱, 한성현, 한형섭, 현승철, 홍미나, 홍심희, 홍준원, 홍태환, 황대성, 황의영, 황지영, 효주, eric, Sunghuek Park, 래블업(Lablup), 신정규, TeamLab, 최수경, 리세리

강좌 평가

4.5

2 개의 수강평
  • 5 점1
  • 4 점1
  • 3 점0
  • 2 점0
  • 1 점0
  1. 김진솔의 프로필 사진

    SVM 이후 강좌는 언제 업데이트 되나요?

    4

    SVM 이후 강좌는 언제 업데이트 되나요?

강좌 교육과정

Chapter 1 - Introduction to Machine Learning
Machine Learning Overview학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 미리보기 00:08:00
An Understanding of the Data Keywords학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 미리보기 00:15:00
How to Learn Machine Learning학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 미리보기 00:07:00
Types of Machine Learning학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 미리보기 00:09:00
A History of Data Analysis: In Perspective of Business학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:13:00
[Environment Setup] Python Ecosystem for Machine Learning학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:05:00
[Environment Setup] How to use Jupyter Notebook학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:11:00
[참고자료] 가상환경과 Package 활용하기학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:14:00
Chapter 2 - Warm Up Section: An understanding of data
Chapter Intro학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 미리보기 00:01:00
The concepts of a feature학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:13:00
Data types학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:10:00
Loading data with pandas학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:08:00
Representing a model with numpy학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:18:00
' Supplements - Linear algebra
Lab: Simple Linear algebra concepts학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:16:00
Lab: Simple Linear algebra codes학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:25:00
– 과제 제출 방법 : Linear algebra학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:08:00
– Code Assignment: Linear algebra with pythonic code Unlimited
Chapter 3 - Numpy Section
Chapter Intro – Numpy학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 미리보기 00:01:00
Numpy overview학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:04:00
ndarray학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:17:00
Handling shape학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:06:00
Indexing & Slicing학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:09:00
Creation functions학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:13:00
Opertaion functions학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:16:00
Array operations학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:14:00
Comparisons학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:11:00
Boolean & fancy Index학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:08:00
Numpy data i/o학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:06:00
Assignment: Numpy in a nutshell Unlimited
[Supplements] TF-KR 첫 모임: Zen of NumPy학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 미리보기 00:41:00
Chapter 4 - Pandas Section #1
Chapter Intro학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 미리보기 00:01:00
Pandas overview학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:03:00
Series학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:10:00
DataFrame학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:14:00
Selection & Drop학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:15:00
Dataframe operations학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:07:00
lambda, map apply학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:18:00
Pandas builit-in functions학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:13:00
Assignment: Build a matrix Unlimited
Chapter 5 - Pandas Section #2
Chapter 5 Intro학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:00:00
Groupby I학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:15:00
Groupby II학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:15:00
Casestudy학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:12:00
Pivot table & Crosstab학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:07:00
Merg & Concat학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:14:00
Database connection & Persistance학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:08:00
Chapter 6 - Matplotlib Section & Miniproject
Chapter 6 overview학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 미리보기 00:00:00
Matplotlib overview학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:02:00
Basic functions & operations학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:17:00
Graph학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:19:00
Matplotlib with pandas학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:16:00
Data Cleaning Problem Overview학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:03:00
Missing Values학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:18:00
Categorical Data Handling학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:22:00
Feature Scaling학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:16:00
Casestudy – KagglepProblems학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:26:00
Chapter 7 - Linear Regression
Chapter 7 Overview학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 미리보기 00:00:00
Linear regression overview학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:11:00
Cost functions학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:13:00
Normal equation학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:17:00
Lab Assignment: Normal equation Unlimited
Gradient descent approach학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:11:00
Linear regression wtih gradient descent학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:10:00
Linear regression implementation wtih Numpy학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:23:00
Multivariate linear regression models학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:12:00
Performance measure for a regression model학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:08:00
Linear regression implementation wtih scikit-learn학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:13:00
Lab Assignment: Gradient descent Unlimited
Chapter 8 - Linear Regression extended
Chapter 8 overview학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:00:00
Stochastic gradient descent학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:18:00
SGD implementation issues학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:16:00
Overfitting and regularization overview학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:11:00
Regularization – L1, L2학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:17:00
sklearn Linear Model family학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:20:00
Polynomial regression학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:18:00
Sampling method학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:31:00
Kaggle project : Bike demand학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:33:00
Chapter 9 - Logistics Regression
Chapter 9 intro학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 미리보기 00:01:00
Logistic regression overview학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:07:00
Sigmoid function학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:07:00
Cost function학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:18:00
Logistic regression implementation with Numpy학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:14:00
Maximum Likelihood Estimation학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:07:00
Logistic regresion with sklearn학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:18:00
Confusion matrix학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:06:00
Performance metrics for classification학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:12:00
ROC Curve학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:14:00
Chapter 10 - Logistics Regression extended
Chapter 10 overview학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:00:00
Multiclass Classification overview학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:05:00
Softmax function #1학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:10:00
Softmax function #2학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:23:00
Softmax regression with numpy학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:22:00
Performance metrics for classification학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:03:00
Multiclass classification with scikit-learn학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:19:00
Chapter 11 - Naive Bayesian Classifier
Chapter 11 overview학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 미리보기 00:01:00
Probability overview학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:05:00
Bayes’ theorem학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:14:00
Single variable bayes classifier학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:09:00
Navie bayesian Classifier학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:10:00
NB Classifier Implementation학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:09:00
Multinomial Naive Bayes학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:15:00
Gaussian Naive Bayes학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:08:00
NB classifier with sklearn학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:15:00
20news group classifaication 1학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:29:00
20news group classifaication 2학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:24:00
' Supplements : Text handling Lab: News categorization
Lab: News categorization 1학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:14:00
Lab: News categorization 2학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:35:00
Chapter 12 - Decision Tree
Chapter 12 overview학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 미리보기 00:01:00
Decision tree overview학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:05:00
The concept of entropy학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:06:00
The algorithme of growing decision tree학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:10:00
ID3 & Information gain학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:18:00
CART & Gini Index학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:22:00
Tree pruning학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:05:00
Decision Tree with sklearn학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:22:00
Handling a continuous attribute학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:09:00
Decision Tree for Regression학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:06:00
Chapter 13 - Ensemble
Chapter 13 intro학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:00:00
Ensemble model overview학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:06:00
Voting classifier학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:12:00
Bagging학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:19:00
Random Forest학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:13:00
AdaBoost학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:31:00
Gradient boosting #1학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:23:00
Gradient boosting #2학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:16:00
XGBoost, GBM & LightGBM학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:23:00
Installation guide on Windows학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:08:00
Stacking학습을 원하시면 최상단 '배우기 버튼을 클릭해주세요' 00:20:00
Chapter 14 - Support Vector Model
Chapter 15 - Neural Network
  • 가격 옵션 +
  • 무제한
  • 강좌 수료증
  • 123개 강의, 5개 과제, 총 1 일 1 시간
  • 위시리스트

우리는 성장기회의 평등 을 추구합니다.

경제적, 시간적 제약없는 양질을 교육으로 누구나에게 성장 기회를 균등하게 주는것. 그것이 우리의 목표입니다.

지식공유참여 고객센터
top
(주)인프랩 | 대표자:이형주 | TEL:070-4202-1180 | E-MAIL: course@inflearn.com | 사업자번호:499-81-00612
주소:성남시 분당구 삼평동 대왕판교로 645번길 12 경기창조경제혁신센터 8층 R10 | 개인정보보호책임자:이형주
통신판매업:2017-서울강남-01544 | ©INFLAB. ALL RIGHTS RESERVED