R로 무작정 해보는 data science 대시보드

중급자를 위해 준비한
[데이터 분석, 딥러닝 · 머신러닝] 강의입니다.

R을 통해 무작정 datascience를 해보는 강의 입니다. 데이터를 불러오는 것부터 모델 구축 및 모델 성능 전략까지 한줄한줄 쳐보면서 배웁니다.

🙆🏻‍♀ R을 통해 무작정 datascience를 해보는 강의입니다.
데이터를 불러오는 것부터 모델 구축 및 모델 성능 전략까지 한줄한줄 쳐보면서 배웁니다..🙆🏻‍♂

"99.9% livecoding, 한 줄 한 줄 따라쳐보면서 배우는 DataScience"

✅ 주의사항

이 강의는 이론보다 실습에 초점이 맞춰져 있는 강의입니다.
R에 대한 기본적인 지식과 머신러닝에 대한 전반적인 지식이 있으셔야 합니다.

🗒 강의소개

R도 배웠고, 머신러닝도 배웠는데  데이터 분석을 할 줄 모르시나요? 
이 강의는 데이터 입력부터 머신러닝 모델 구축 및 모델 성능 향상 전략까지 직접 한 줄 한 줄 코드를 쳐보면서 배우는 강의입니다. 

🌈 머신러닝 모델 무작정 적합해보기

• R의 기본 데이터로 Linear regression과 Decision tree를 적합해봅니다.
• 회귀모델을 해석하고 학습 검증 데이터를 나누는 방법에 대해 이야기합니다.

🌈 심장 질병 예측 모델 구축해보기(Linear regression)

• 로지스틱 회귀분석을 통해 심장 질병 예측 모델을 구축해봅니다. 
• 변수선택법에 대해 배우고 stepwise/forawrd/backward regression을 각각 적합해봅니다.

🌈 영화 리뷰 감성분석으로 해보는 머신러닝

• 영화 리뷰 데이터 수집부터 감성모델 구축까지 모두 해봅니다.
• 가장 기본적으로 쓰이는 텍스트 전처리 방법인 Dcoument Term Matrix를 통해 모델을 구축해봅니다.
• Ensemble learning 기법을 적용해 봅니다.
• Word2vec을 활용하여 review를 vector화 시키고 이를 통해 머신러닝 모델을 적합해봅니다.

🌈 kaggle 데이터 분석으로 배우는 머신러닝

• Class가 불균형한 데이터를 다루는 방법에 대해 이야기 합니다.
• RandomOversampling/SMOTE/DBSMOTE 등을 적합해봅니다.
• 문제에 따라 모델의 성능을 높일 수 있는 방안에 대해 고민해보고 직접 구현해 봅니다.

🙋🏻‍♂️ 궁금해요!

Q. R을 어느 정도 할 줄 알아야 하나요?
A. 기본적으로 데이터를 불러들이고 전처리할 줄 아셔야 합니다. R프로그래밍 기초 강의는 필수로 수강을 하셔야 하며, 중급강의는 선택사항입니다.

Q. 머신러닝과 통계학은 어느 정도 알아야 하나요?
A. 기초적인 통계학(t.test/anova 등, 학부 교양수업 수준)을 알고 계시고, 머신러닝에 대한 이론적인 지식(학부 전공 수업 수준)이 있으셔야 듣기 수월하십니다.

이런 분들께 추천드려요!