중급자를 위해 준비한
[데이터 분석] 강의입니다.

인공지능의 공용어인 케라스와 파이썬을 이용하여 다양하고 유용한 머신러닝 회귀(Regression), 분류(Classification) 및 딥러닝 Neural Network 프로젝트를 이론과 함께 배우는 케라스 이론과 실전 종합 과정입니다.

케라스, 인공지능의 공용어 완전정복 

케라스 Keras, 인공지능의 공용어로 각광받고 있는 파이썬 기반 머신러닝, 딥러닝 라이브러리입니다. 특히 텐서플로 2.0(Tensorflow)부터는 공식 고급언어로 채택되어 보다 범용적으로 각광받는 언어입니다. 인공지능, 머신러닝, 딥러닝을 배우려고 꼭 알아야하는 케라스를 기초부터 실전 프로젝트 능력은 물론 고급기술까지 모두 같이 익힐 수 있는 과정입니다.

케라스 시작하기

케라스가 무엇인지, 왜 쓰는지 모르신다고요? 걱정하지마세요. 케라스나 인공지능을 처음 접하더라도 케라스가 무엇인지, 텐서플로를 비롯한 머신러닝 프레임워크와는 어떤 차이가 있는지, 설치는 어떻게 하는지 시작부터 꼼꼼이 알려드립니다.
 

케라스 기본다지기

케라스가 딥러닝에 최적화되었다고 처음부터 딥(Deep)러닝으로 다이빙하지 마세요! 케라스와 인공지능은 암기과목이 아닙니다. 수영에 앞서 차분히 준비운동하 듯이 케라스를 사용하기에 앞서 케라스의 구조, Model, Layer, Summary, Compile, Fit의 기본 개념과 사용법을 익힙니다.  
 

네 가지 실전 프로젝트 

실전에 활용할 수 있는 다양한 머신러닝, 딥러닝 프로젝트를 케라스로 만들고 텐서플로 코드와도 비교하며 여러분의 실력을 키워드립니다.

선형회귀의 기본개념을 배우고, 파이썬 텐서플로를 사용하여 보스톤 마라톤 데이터를 케라스로 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. 

이번에는 Multi Variable을 입력받아 Multi Output을 출력하는 회귀(Regression) 문제의 기본과 해결방법을 배웁니다. 

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

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 케라스로 예측합니다.  

딥러닝 Neural Network을 이용한 MNIST Digit Recognition을 만들어서 손으로 쓴 숫자 이미지를 인식하는 프로젝트를 수행합니다.

Deep Learning  Multi Layers Neural Network 기법을 이용하여 7만 건의 손으로 쓴 숫자 이미지를 학습하고 인식하는 프로젝트를 프로젝트를 단계 별로 수행합니다.

특별강의

'Model 정확도 99%이상 높이기'라는 특별강의를 추가했습니다. 이 강의는 '[라즈베리파이] IoT 딥러닝 Computer Vision 실전 프로젝트'과정 수강생 분들이 MNIST 손글씨 모델이 아래 사진처럼 '7을 왜 7이라 하지 못하나요?'라는 질문에서 시작되었습니다. 물론 모델의 정확도 뿐 아니라 프로그램 예외처리, MNIST원시데이터 등 다양한 요인이 있지만 기존 Nueral Network 모델이 학습용으로 단순해서 이걸 99.38%까지 정확도를 높이기 위해  Nueral Network 모델을 다시 구성하는 내용을 만들어 봤어요.

케라스 강화하기

케라스를 실전에서 사용하기 위해 History, EarlyStoping, ModelCheckPoint 및 Graphic User Interface 등 다양하고 유용한 고급 기술을 알려드립니다. 여러 분의 케라스 프로젝트를 좀 더 가치있게 될 것입니다.

앞으로 딥러닝, Tensorflow.js 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/분석, 머신러닝 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.

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.

이런 분들께 추천드려요!