인프런 업데이트 소식 🔨👷🏼‍♂️
파이썬 머신러닝 완전정복 - 마라톤 기록예측 프로젝트

파이썬 머신러닝 완전정복 - 마라톤 기록예측 프로젝트

(0개의 수강평)

38명의 수강생

33,000원

평생
초급, 중급, 활용
수료증
28회 수업, 총 5시간 7분
위시리스트 추가

이런 걸 배울 수 있어요

  • 머신러닝 모델과 프로그램 제작
  • 텐서플로를 이용한 문제해결
  • 머신러닝 분류(Classification) 결과값 예측
  • 머신러닝 회귀(Regression) 결과값 예측
  • 인공지능, 머신러닝, 딥러닝에 대한 이해
  • 머신러닝, 딥러닝을 위한 데이터 가공
  • 파이썬 판다스로 데이터 가공 분석
  • 파이썬을 이용한 데이터 분석

파이썬 머신러닝 완전정복 - 마라톤 기록예측 프로젝트

파이썬과 텐서플로(Tensorflow)를 이용하여 머신러닝의 개념과 실전기술을 모두 배우세요.
핵심 주제 별 다섯 가지 다양한 프로젝트를 같이하면서 여러 분의 실력을 키워드립니다.

보스톤 마라톤 빅 데이터를 파이썬과 텐서플로우를 이용하여

머신러닝의 기본개념과 함께 회귀(Regression)와 분류(Classification) 핵심 주제 별

다섯 가지 프로젝트를 같이 배우면서 개념과 실전활용 능력을 키우는

재미있고 유용한 머신러닝 프로젝트 과정입니다.

 

프로젝트 1. 선형회귀(Linear Regression)의 기본
: 마라톤 남은 구간 기록 예측 

머신러닝의 기본인 선형회귀의 개념을 배웁니다.

선형회귀의 기본개념을 배우고, 파이썬 텐서플로를 사용하여 보스톤 마라톤 데이터를 머신러닝으로 분석하고 예측해 보세요.

약 8만 건의 보스톤 마라톤 빅데이터를 이용하여 원하는 주자를 선택하면 30km까지의 기록을 머신러닝이 학습합니다. 그리고 잔여 구간인 35, 40, 42.195km의 기록을 선형회귀를 이용하여 예측하고 실제 데이터와 비교합니다. 우리는 텐서플로를 이용하여 선형회귀 문제를 해결하는 개념과 기법을 배웁니다. 

 

프로젝트 2. Multi Variable 회귀(Regression)
: 마라톤 완주 기록 예측

Multi Variable 회귀(Regression)문제를 이해하고 해결방법을 익힙니다.

Multi Variable 회귀(Regression) 문제의 기본과 해결방법을 배워서 성별, 나이, Pace자료를 입력하여 여러 분과 친구들의 보스톤 마라톤 대회 완주기록을 예측하세요.

Multi Variable 회귀(Regression)기법을 이용하여 성별, 나이, Pace 값을 입력받고 약 8만 건의 보스턴 마라톤 빅데이터를 학습한 머신러닝의 완주기록 예측 결과를 확인해 보세요. 마라톤을 뛰지않고도 머신러닝을 학습하고 분석한 데이터를 기반으로 기록을 예측합니다.

 

프로젝트 3. Multi Variable, Output 회귀(Regression)
: 마라톤 구간 기록 예측

Multi Variable, Output 회귀(Regression)문제를 이해하고 해결방법을 익힙니다.

이번에는 Multi Variable을 입력받아 Multi Output을 출력하는 회귀(Regression) 문제의 기본과 해결방법을 배웁니다. 성별, 나이, Pace자료를 입력하면 보스톤 마라톤 대회 완주기록 뿐 아니라 10, 20, 30Km 구간 별 예상 기록도 함께 예측하세요.

Multi Variable입력과 Multi Output 출력 회귀(Regression)기법을 이용하여 성별, 나이, Pace 값을 입력받고 약 8만 건의 보스턴 마라톤 빅데이터를 학습한 머신러닝이 완주기록 뿐 아니라 10, 20, 30km 구간 별 기록을 예측합니다.

 

프로젝트 4. Binary Logistic 분류(Classification)
: 마라톤 Qualifying 여부 확인

Logistic Regression/Classification의 기본인 Binary Classification의 개념을 이해하고 해결방법을 익힙니다.

마라톤에 참여여하기 전에 성별, 나이, Pace자료를 입력하여 Qualifying 여부를 확인해 보세요. 지난 보스톤 마라톤 대회 기록을 바탕으로 여러 분의 Qualifying여부를 예측합니다. 

Logistic Regression의 기본인 Binary Classification 기법을 이용하여 마라톤의 Qualifying 여부를 예측합니다. 파이썬 판다스(pandas) 고급기술을 활용하여 약 8만 건의 기존 보스턴 마라톤 데이터에 Qualifying여부를 추가하는 기술도 함께 배웁니다. 

 

프로젝트 5. Multinomial Logistic 분류(Classification)
: 마라톤 기록등급 예측

Logistic Regression/Classification의 Multinomial Classification의 개념을 이해하고 해결방법을 익힙니다.

마라톤에 참여여하기 전에 성별, 나이, Pace자료를 입력하여 예상되는 기록등급을 확인해 보세요. 지난 보스톤 마라톤 대회 기록을 바탕으로 여러 분의 기록등급을 예측합니다. 

Logistic Regression의 Multinomial Classification 기법을 이용하여 마라톤의 완주 기록을 'Outstanding(>25%)', 'Average(25~75%)'와 'Below(<75%)' 세 가지 등급으로 나누어 여러 분의 예상등급을 예측합니다.  

 

앞으로 머신러닝을 활용한 딥러닝, IoT 등 다양한 강의를 기대해 주세요.
강의에 사용한 자료와 프로그램 소스는 제가 운영하는 지식 배움의 터인 크리애플(www.creapple.com) 사이트에서 받으실 수 있습니다.

파이썬의 기본과 데이터시각화, 분석을 위한 과정을 들으시면 프로젝트 수행에 큰 도움이 됩니다.

파이썬 100분 핵심강의
파이썬의 핵심적이고 기본적인
기술을 익히시면 다른 과정에서 큰 힘이 됩니다.
파이썬 데이터시각화 분석 실전 프로젝트

파이썬의 Pandas, Matplotlib, Seaborn 을 이용하여 머신러닝,
딥러닝 등 다양한 프로젝트에서 활용할 수 있는
데이터 시각화와 분석 기술을 한번에 배워 보세요.

수강 대상

  • 인공지능을 실전에서 활용하고자 하는 분
  • 딥러닝을 위한 기본지식을 키우는 분
  • 데이터 과학을 배우고 싶은 분
  • 텐서플로를 직접 활용하고자 하시는 분
  • 머신러닝의 개념과 실전능력을 같이 키우고자 하는 분
  • 데이터 분석 프로젝트를 진행하시는 분
  • 머신러닝 딥러닝 프로젝트를 준비하시는 분

선수 지식

  • 파이썬 데이터 가공, 시각화 - 파이썬 데이터시각화 분석 실전 프로젝트
  • 파이썬 기본지식 - 파이썬 100분 핵심강의
  • 열심히 배우고자하는 의지

지식공유자 소개

노마드크리에이터

두 아이를 둔 아빠로 아이들의 교육과 취미인 프로그램을 접목하기 위해 이 강의를 기획했습니다. 약 25년 동안 System Engineer, Project Manager, Business Developer 등으로 다양한 경험을 해왔으며, 현재는 외국에서 IT컨설팅 프로젝트의 Project Manager로 일하고 있습니다. 

프로그램 개발과 프로젝트 관리에 관심이 많아 PMP(Project Management Professional by PMI), SAP Business Warehouse, SCJP(Sun Certified Java Programmer), MCSE(Microsoft Certified System Engineer)와 OCP(Oracle Certified Professional-DBA) 등의 자격과 관련 경험을 바탕으로 다양한 영역에 도전을 이어가고 있습니다. 

경험과 도전을 공유하고 발전시키기 위해 '노마드크리에이터' 유튜브 채널과 크리애플(www.creapple.com) 사이트를 운영하면서 새로운 기술과 이를 응용하는 창의적인 애플리케이션의 교육과 보급에 힘쓰고 있습니다. 

교육과정

모두 펼치기 28 강의 5시간 7분
섹션 0. 머신러닝 이해하기
5 강의 57 : 13
인공지능, 머신러닝, 딥러닝이란?
머신러닝의 정의
10 : 04
학습의 종류
32 : 29
회귀(Regression)과 분류(Classification) 문제
06 : 55
학습전략 - Data Set
07 : 45
섹션 1. 머신러닝 문제해결
4 강의 25 : 03
토끼와 거북이가 알려주는 회귀
선형회귀 이해하기
11 : 11
선형회귀 모델제작
07 : 52
문제해결 절차
06 : 00
섹션 2. 텐서플로(Tensorflow) 사용하기
4 강의 21 : 54
텐서플로(Tnsorflow) 소개
머신러닝 개발환경 : 아나콘다, 텐서플로우 설치
기본개념과 상수(Constant)
13 : 56
변수(Variable)과 플레이스 홀더(Place holder)
07 : 58
섹션 3. 회귀(Regression) 프로젝트
6 강의 82 : 22
[프로젝트 1] 마라톤 남은기록 예측 소개
[프로젝트 1] 마라톤 남은기록 예측 모델 만들기
18 : 05
Multi Variable의 개념
12 : 14
[프로젝트 2] Multi Variable 완주기록 예측 초기모델
17 : 03
[프로젝트 2] Matrix를 이용하여 모델개선
14 : 41
[프로젝트3]Multi Output 구간별 기록예측 모델 제작
20 : 19
섹션 4. 분류(Classification) 프로젝트
7 강의 107 : 14
Logistic Regression의 개념
19 : 30
Binary Classification 비용 최적화
12 : 59
판다스로 Qualifying 데이터 만들기
09 : 08
[프로젝트4]Qualifying 여부 예측 모델 제작
21 : 16
Multinomial Classification 개념
21 : 11
[프로젝트5]기록등급 데이터 만들기
09 : 01
[프로젝트5]기록등급 예측 모델 제작
14 : 09
섹션 5. 머신러닝 강화하기
2 강의 13 : 27
머신러닝 최적화
13 : 27
텐서플로2.0 대비 - RC기준

공개 일자

2019년 9월 2일 (마지막 업데이트 일자 : 2019년 9월 19일)

수강 후기

첫 수강평의
주인공이 되어주세요! ✏️