Thumbnail
BEST
인공지능 딥러닝 · 머신러닝

[개정판] 파이썬 머신러닝 완벽 가이드 대시보드

(4.9)
343개의 수강평 ∙  7,069명의 수강생
99,000원

월 19,800원

5개월 할부 시
지식공유자: 권 철민
총 192개 수업 (37시간 38분)
수강기한: 
무제한
수료증: 발급
난이도: 
입문
-
초급
-
중급이상
지식공유자 답변이 제공되는 강의입니다
폴더에 추가 공유

초급자를 위해 준비한
[데이터 분석] 강의입니다.

이론 위주의 머신러닝 강좌에서 탈피하여 머신러닝의 핵심 개념을 쉽게 이해함과 동시에 실전 머신러닝 애플리케이션 구현 능력을 갖출 수 있도록 만들어 드립니다.

✍️
이런 걸
배워요!
파이썬 머신러닝을 구성하는 기반 패키지인 넘파이, 판다스, 사이킷런 익히기
머신러닝을 구성하는 핵심 개념을 직접 파이썬 코드로 구현하기
분류, 회귀, 차원 축소, 클러스터링 등 핵심 머신러닝 알고리즘에 대한 깊이 있는 설명
실무에 머신러닝 애플리케이션을 직접 적용할 수 있는 수준에 이르도록 다양한 실전 예제 익히기
데이터 전처리, 머신러닝 알고리즘 적용, 하이퍼 파라미터 튜닝, 성능 평가 등 최적 머신러닝 모델 구성 방안
XGBoost, LightGBM, 스태킹 등 머신러닝 최신 기법에 대한 상세한 설명과 활용법 난이도 높은 캐글 문제를 직접 따라해 보면서 실무 머신러닝 애플리케이션 개발 방법 체득
난이도 높은 캐글 문제를 직접 따라해 보면서 실무 머신러닝 애플리케이션 개발 방법 체득((산탄데르 은행 고객 만족 예측, 신용카드 사기 검출, 부동산 가격 예측 고급 회귀 기법, Mercari 쇼핑몰 가격 예측 등)
텍스트 분석과 NLP를 위한 기반 이론과 다양한 실습 예제 학습 (텍스트 분류, 감성 분석, 토픽 모델링, 문서 군집화, 문서 유사도, KoNLPy를 이용한 네이버 영화 감성 분석 등)
다양한 추천 시스템을 직접 파이썬 코드로 구축 할 수 있으며 파이썬 추천 패키지인 Surprise 사용법 제시


상세한 설명과 풍부한 예제로 매우 많은 사랑을 받고 있는
'파이썬 머신러닝 완벽 가이드' 
이제 인프런에서 동영상 강의로 만나 보세요.

최신 개정판으로 만나는
파이썬 머신러닝 완벽 가이드

안녕하십니까, 파이썬 머신러닝 완벽 가이드의 저자 권철민 입니다.

2022년 4월, 어느덧 파이썬 머신러닝 완벽 가이드 책의 두번째 개정판을 출간하게 되었습니다. 

책을 개정함에 따라 본 '파이썬 머신러닝 완벽 가이드' 강의도 새롭게 제작하여 출시합니다. 

이번에 출시하는 개정판 강의는 기존 강의의 70~ 80% 이상을 새로운 강의로 만들었습니다(섹션 1에서 섹션 5(회귀)까지는 90% 이상을 새롭게 만들었습니다). 강의 영상은 기존 28시간에서 37시간으로 늘어났으며, 더욱 향상되고 추가된 내용을 설명드릴 것입니다. 

개정판 강의는 책의 개정판 내용을 반영함과 동시에 초판 강의보다 더 뛰어난 내용으로 구성하기 위해서 많은 노력을 기울였습니다. 그동안 강의에 보내주신 Feedback을 기반으로 더욱 쉽고, 상세한 설명으로 가득 채웠습니다.

강의 소개

권 철민, 파이썬 머신러닝 완벽 가이드

파이썬 머신러닝 완벽 가이드 강의는  상세한 설명과 쉬운 도표로 핵심 이론을 정리하고, 다양한 실전 문제를 머신러닝으로 해결해 가면서 머신러닝을 체득할 수 있게 만들었습니다. 이론 위주의 머신러닝 강의가 아닌, 파이썬 라이브러리를 활용하여 실전 업무에 머신러닝을 적용할 수 있는 가이드를 제공해 드립니다.

이를 이해 모든 것이 잘 정제된 데이터가 아닌 캐글과 UCI 머신러닝 리포지토리에서 난이도가 있는 실습 데이터를 기반으로 데이터 전처리에서부터 머신러닝 알고리즘 적용, 하이퍼 파라미터 튜닝 등 머신러닝 모델 구성을 위한 전반적인 프로세스를 예제를 통해 직접 수행해 보면서 머신러닝 능력치를 최대한으로 끌어올릴 수 있도록 내용을 구성했습니다.

또한 XGBoost, LightGBM, 스태킹 기법 등 캐글의 많은 데이터 사이언스에서 애용하는 최신 알고리즘과 기법에 대해 매우 상세하게 설명드리고 있습니다.

기존 내용과 더불어 개정판에서는 아래의 내용을 추가적으로 다루고 있습니다. 

  1.  최신 사이킷런 버전(1.0.2)을 포함해 강의에서 사용하는 모든 라이브러리를 최신 버전으로 업그레이드한 실습 코드 구현
  2. 다양한 유형의 하이퍼파라미터를 가지는 XGBoost나 LightGBM 모델의 최적 하이퍼파라미터 튜닝을 위한 베이지안 최적화(Bayesian Optimization) 실습 강의 추가
  3. 머신러닝 관련 데이터 분석에 널리 쓰이는 시각화 라이브러리인 matplotlib과 seaborn의 활용법을 상세하게 다룬 '시각화' 세션 추가

🤖 실무에 머신러닝 애플리케이션을 자신있게 적용하는 전문가 수준으로 가이드 해드릴 것입니다.

머신러닝 코딩 구현은 단순히 머리나 눈으로 이해한다고 되는게 아닙니다. 직접 구현해 보지 않으면 결코 머신러닝 전문가가 될 수 없습니다. 잘 정의된 핵심 개념의 설명과 풍부한 응용및 실습 예제를 통해 여러분을 실무에 머신러닝 애플리케이션을 자신있게 적용하는 전문가 수준으로 가이드 해드릴 것입니다.

이번 강의에서는 책에서 지면의 제약상 하기 어려웠던 많은 부분들에 대해서 보다 상세한 설명을 강화하였고, 특히 👨🏻‍💻 예제 코드들에 대해서는 Line by Line, 차근차근 풀어가면서 최대한 쉽게 이해 시켜드릴 수 있게 많은 노력을 기울였습니다.

머신러닝을 아예 모르시는 분을 위한 입문자용 강의는 아니지만, 머신러닝의 기본 개념을 입문서나 다른 동영상 강의로 익히신 뒤에 이 강의를 들으신 다면 매우 빠르게 머신러닝 실력을 업그레이드할 수 있을 것입니다.  가까운 대형 서점에 방문하셔서 파이썬 머신러닝 완벽 가이드 책을 가볍게 리뷰해 보신다면 본 강의가 여러분께 적합할 지 쉽게 판단하실 수 있을 것입니다.

강의에 사용되는 소스 코드는 https://github.com/chulminkw/PerfectGuide 에서 다운로드 받으 실 수 있습니다.

인프런이 만난 사람
권철민님 인터뷰를 읽어보세요 | 보러가기

-

🧗🏻‍♂️

길을 아는 것과 그 길을 걷는 것은 다릅니다. 본 강의는 여러분들이 머신러닝을 실무에 적용할 수 있는 경지에 도달하도록 도와주는 훌륭한 가이드가 될 것입니다.
 

이런 분들께 추천드려요!

🎓
학습 대상은
누구일까요?
머신러닝에 관심있는 모든 이
머신러닝의 어려운 알고리즘의 벽을 넘지 못하셨던 분
이론 위주의 머신러닝으로 겉만 맴돌았던 분들
실무에 어떻게 머신러닝을 적용할 지를 고민해 온 분
캐글(Kaggle)과 같은 데이터 분석/머신러닝 컨테스트에 도전해 보기를 원하는 분
현재 본인의 머신러닝 스킬을 한 차원 더 업그레이드 하기를 원하시는 분
📚
선수 지식,
필요할까요?
파이썬 언어 사용 경험
머신러닝에 대한 얇은 기반 지식

안녕하세요
권 철민 입니다.
권 철민의 썸네일

(전) 엔코아 컨설팅

(전) 한국 오라클

AI 프리랜서 컨설턴트

파이썬 머신러닝 완벽 가이드 저자

커리큘럼 총 192 개 ˙ 37시간 38분의 수업
이 강의는 영상이 제공됩니다. 미리보기를 통해 콘텐츠를 확인해보세요.
섹션 0. 강의 소개
섹션 1. 파이썬 기반의 머신러닝과 생태계 이해
머신러닝의 개념 미리보기 07:49 머신러닝의 유형과 데이터의 중요성 미리보기 11:45 파이썬 기반 머신러닝의 특징및 장점과 구성요소 미리보기 10:57 파이썬기반 머신러닝을 위한 SW의 설치 미리보기 10:34 사이킷런 업그레이드 수행 및 XGBoost와 LightGBM 설치 미리보기 12:32 주피터 노트북 사용법과 넘파이/판다스의 필요성 미리보기 19:45 강의에 사용될 예제 소스 코드 다운로드 받기 미리보기 02:42 넘파이 배열 ndarray 소개 미리보기 10:58 넘파이 배열 ndarray 생성, shape, 차원, 타입 실습 미리보기 08:04 numpy ndarray의 axis 축 이해 미리보기 07:17 넘파이 배열 ndarray 초기화 방법과 ndarray차원과 크기를 변경하는 reshape()의 이해 - 01 미리보기 07:59 넘파이 배열 ndarray 초기화 방법과 ndarray차원과 크기를 변경하는 reshape()의 이해 - 02 미리보기 07:55 넘파이 ndarray 인덱싱(Indexing) 이해 - 단일값과 슬라이싱 인덱싱 미리보기 11:21 넘파이 ndarray 인덱싱(Indexing) 이해 - 팬시와 불린 인덱싱 미리보기 08:18 넘파이 ndarray 인덱싱 실습 - 01 미리보기 11:05 넘파이 ndarray 인덱싱 실습 - 02 미리보기 07:35 넘파이 ndarray의 sort와 argsort 미리보기 14:06 넘파이 ndarray의 내적과 전치행렬 미리보기 05:09 판다스(Pandas) 개요와 기본 API - 01 미리보기 12:22 판다스(Pandas) 개요와 기본 API - 02 미리보기 15:36 판다스 value_counts 메소드 소개 미리보기 06:03 판다스 DataFrame의 변환, 컬럼 세트 생성/수정 미리보기 12:22 판다스 DataFrame의 데이터 삭제하기 미리보기 10:57 판다스 Index객체 이해 미리보기 16:25 판다스 데이터 인덱싱과 필터링 - 01 미리보기 08:29 판다스 데이터 인덱싱과 필터링 - 02 미리보기 15:06 판다스 DataFrame의 정렬 그리고 Aggregation함수와 Group by 수행 미리보기 17:30 DataFrame의 Groupby시 Named Aggregation적용 미리보기 06:56 판다스 결손 데이터 처리하기 미리보기 05:17 판다스 nunique와 replace의 활용 미리보기 04:28 판다스 람다식 적용하여 데이터 가공하기 미리보기 09:27 파이썬 기반의 머신러닝과 생태계 이해 Summary 미리보기 04:04
섹션 2. 사이킷런으로 시작하는 머신러닝
사이킷런 소개와 머신러닝 분류 예측 모델 개요 미리보기 11:00
첫번째 머신러닝 모델 만들어 보기 - 붓꽃(Iris) 품종 예측 10:35
사이킷런의 기반 프레임 워크 익히기 - 주요 API/모듈 및 내장 예제 데이터 세트 소개 08:54
학습과 테스트 데이터 세트의 분리 09:55
교차검증 - K-Fold와 Stratified K-Fold의 이해 - 01 06:42
교차검증 - K-Fold와 Stratified K-Fold의 이해 - 02 11:47
교차검증 성능평가 cross_val_score()와 하이퍼 파라미터 튜닝을 위한 GridSearchCV - 01 05:19
교차검증 성능평가 cross_val_score()와 하이퍼 파라미터 튜닝을 위한 GridSearchCV - 02 12:16
데이터 전처리 - 인코딩 - 01 09:01
데이터 전처리 - 인코딩 - 02 10:42
데이터 전처리 - 스케일링 - 01 06:03
데이터 전처리 - 스케일링 - 02 13:08
사이킷런으로 수행하는 타이타닉 생존자 예측 - 01 25:55
사이킷런으로 수행하는 타이타닉 생존자 예측 - 02 17:24
섹션 3. 평가(Evaluation)
분류(Classification) 성능 평가지표 개요와 정확도(Accuracy) 소개 미리보기 13:45
오차행렬(Confusion Matrix), 정밀도(Precision), 재현율(Recall) 소개 15:11
정밀도와 재현율의 트레이드오프(Trade off) - 01 08:14
정밀도와 재현율의 트레이드오프(Trade off) - 02 12:07
F1 Score와 ROC-AUC 이해 - 01 13:13
F1 Score와 ROC-AUC 이해 - 02 08:47
평가 실습 - 피마 인디언 당뇨병 예측 20:03
섹션 4. 분류(Classification)
분류(Classification) 개요와 결정트리(Decision Tree) 소개 미리보기 12:22
결정트리 모델 시각화를 위한 Graphviz 설치하기 10:34
시각화를 통한 결정 트리 모델의 구조 이해 12:04
결정 트리 주요 하이퍼 파라미터의 이해 12:36
결정트리 피처 중요도의 이해 05:08
결정트리 과적합의 이해 10:52
사용자 행동 인식 데이터를 이용한 결정 트리 실습 - 01 11:59
사용자 행동 인식 데이터를 이용한 결정 트리 실습 - 02 12:35
앙상블 학습의 개요와 보팅(Voting)의 이해 10:40
배깅(Bagging)과 랜덤 포레스트(Random Forest)의 이해 13:07
랜덤 포레스트 실습 07:25
부스팅(Boosting)의 이해와 그래디언트 부스팅 소개 및 실습 11:28
XGBoost 소개 15:54
XGBoost를 이용한 위스콘신 유방암 예측(파이썬 Native XGBoost 사용) 23:56
XGBoost를 이용한 위스콘신 유방암 예측(사이킷런 Wrapper XGBoost 사용) 11:46
LightGBM 소개 08:13
LightGBM을 이용한 위스콘신 유방암 예측 11:21
그리드 서치(Grid Search) 기반의 하이퍼 파라미터 튜닝 문제점 07:40
베이지안 최적화 개요 11:16
베이지안 최적화를 위한 HyperOpt 패키지 소개 06:26
HyperOpt 기본 실습 17:11
HyperOpt를 이용한 XGBoost 하이퍼 파라미터 튜닝 16:22
분류 실습 1 : 캐글경연대회의 산탄데르 은행 고객 만족 예측 - 01 17:08
분류 실습 1 : 캐글경연대회의 산탄데르 은행 고객 만족 예측 - 02 18:36
분류 실습 1 : 캐글경연대회의 산탄데르 은행 고객 만족 예측 - 03 08:39
분류 실습 2: 신용카드 사기 예측 실습 - 01 미리보기 08:56
분류 실습 2: 신용카드 사기 예측 실습 - 02 15:14
분류 실습 2: 신용카드 사기 예측 실습 - 03 13:47
분류 실습 2: 신용카드 사기 예측 실습 - 04 18:15
분류 실습 2: 신용카드 사기 예측 실습 - 05 09:26
스태킹 모델 소개 - 기본 스태킹 06:54
스태킹 모델 소개 - 교차검증 스태킹 17:05
분류(Classification) Summary 03:02
<신규> Feature Selection의 이해 09:23
<신규> Recursive Feature Elimination과 SelectFromModel 실습 09:16
<신규> Permutation Importance 소개 및 실습 12:41
<신규> 왜 feature importance는 feature selection의 절대 기준이 될 수 없는가? 10:29
섹션 5. 회귀(Regression)
회귀(Regression)의 이해 미리보기 13:15
회귀 비용함수 RSS와 경사하강법의 이해 12:26
경사하강법을 통한 비용함수 RSS 최소화 - RSS함수의 편미분 09:29
경사하강법을 통한 비용함수 RSS 최소화 - 파이썬 코드로 경사 하강법 구현하기 18:08
사이킷런 LinearRegression 클래스와 회귀 평가지표 소개 12:10
회귀 평가를 위한 사이킷런 API와 유의 사항 08:16
사이킷런 LinearRegression을 이용한 보스턴 주택가격 예측 미리보기 19:29
다항회귀(Polynomial Regression)의 이해와 다항회귀를 이용한 보스턴 주택가격 예측 17:09
다항회귀를 이용한 과소적합 및 과적합 이해 18:09
규제 선형회귀(Regularized Linear Regression)의 개요 07:09
릿지(Ridge) 회귀의 이해 11:34
라소(Lasso)와 엘라스틱넷(Elastic Net) 회귀의 이해 14:07
선형 회귀모델을 위한 데이터 변환 12:11
로지스틱 회귀의 이해 11:23
로지스틱 회귀를 이용한 위스콘신 암 예측 모델 실습 08:29
회귀 트리의 이해 05:12
회귀 트리를 이용한 보스톤 주택 가격 예측 11:31
회귀 실습 1: 자전거 대여(공유) 수요 예측 - 01 14:59
회귀 실습 1: 자전거 대여(공유) 수요 예측 - 02 22:10
회귀 실습 2: 캐글경연 주택가격 예측 - Advanced Regression Techniques - 01 20:12
회귀 실습 2: 캐글경연 주택가격 예측 - Advanced Regression Techniques - 02 17:54
회귀 실습 2: 캐글경연 주택가격 예측 - Advanced Regression Techniques - 03 18:11
회귀 실습 2: 캐글경연 주택가격 예측 - Advanced Regression Techniques - 04 13:35
회귀 Summary 04:15
섹션 6. 차원 축소(Dimension Reduction)
차원 축소 개요 08:31
PCA(Principal Component Analysis)의 이해 10:02
사이킷런 PCA 클래스의 이해 04:20
PCA를 이용한 붓꽃 데이터 세트의 차원 축소 실습 11:55
PCA를 이용한 신용카드 데이터 세트의 차원 축소 실습 11:45
LDA의 이해와 붓꽃 데이터 세트의 차원 축소 실습 06:48
SVD의 이해 13:15
SVD를 이용한 행렬 분해 실습 및 NMF(Non Negative Matrix Factorization)의 이해 13:15
섹션 7. 군집화(Clustering)
군집화 개요 및 K-Means 군집화의 이해 미리보기 11:20
사이킷런을 이용한 K-Means 군집화 실습 - 01 09:33
사이킷런을 이용한 K-Means 군집화 실습 - 02 08:41
사이킷런을 이용한 K-Means 군집화 실습 - 03 15:16
군집화 성능 평가 - 실루엣 분석의 이해 10:51
군집화 성능 평가 - 실루엣 분석 실습 06:34
군집별 평균 실루엣 계수의 시각화를 통한 군집 개수 최적화 방법 11:22
MeanShift 군집화의 이해 10:46
KDE(Kernel Density Estimation)의 이해와 사이킷런을 이용한 MeanShift 군집화 실습 14:33
GMM(Gaussian Mixture Model) 군집화의 이해 09:24
사이킷런을 이용한 GMM 군집화 실습 12:49
DBSCAN 군집화의 이해 12:11
사이킷런을 이용한 DBSCAN 군집화 실습 09:28
군집화 실습 1: 고객 세그먼테이션 구현 실습 25:18
섹션 8. 텍스트 분석
텍스트 분석의 개요 미리보기 15:04
텍스트 데이터의 다양한 전처리(Preprocessing) 실습 13:25
텍스트의 피처 벡터화 이해 - BOW(Bag of words)모델의 단순 Count 및 TF-IDF 피처 벡터화 16:44
사이킷런의 주요 피처 벡터화(Feature Vectorization) 클래스 소개 15:03
희소행렬의 이해 08:05
텍스트 분류 - 20 Newsgroup 분류 실습 - 01 09:14
텍스트 분류 - 20 Newsgroup 분류 실습 - 02 11:41
텍스트 분류 - 20 Newsgroup 분류 실습 - 03 09:01
감성 분석의 이해와 지도학습기반의 IMDB영화리뷰 감성분석 실습 12:09
감성어휘 사전 기반의 감성 분석 이해와 이를 이용한 IMDB 영화리뷰 감성분석 실습 12:57
토픽 모델링과 LDA의 이해 14:23
사이킷런 LDA를 이용한 20 Newsgroup 토픽 모델링 실습 - 01 13:45
사이킷런 LDA를 이용한 20 Newsgroup 토픽 모델링 실습 - 02 07:18
문서 군집화의 이해와 Opinion Review 데이터 세트를 이용한 문서 군집화 실습 - 01 12:28
Opinion Review 데이터 세트를 이용한 문서 군집화 실습 - 02 17:45
문서 유사도 개요와 코사인 유사도 이해 미리보기 10:05
코사인 유사도를 이용한 문서 유사도 구현 실습 09:42
Opinion Review 데이터 세트를 이용한 문서 유사도 구현 실습 12:02
한글 NLP 개요와 한글 형태소 엔진 KoNLPy 소개 06:53
한글 형태소 엔진 KoNLPy 설치하기 13:30
한글 NLP 실습 - 네이버 영화리뷰 감성 분석 - 01 11:49
한글 NLP 실습 - 네이버 영화리뷰 감성 분석 - 02 05:35
실전 텍스트 분석: 01 - 캐글 경연 Mercari Price Suggestion 실습 개요 04:39
실전 텍스트 분석: 02 - Mercari Price Suggestion 데이터 세트 다운로드 및 Kaggle 커널 사용법 09:54
실전 텍스트 분석: 03 - Mercari Price Suggestion 데이터 세트 분석 및 변환 15:14
실전 텍스트 분석: 04 - Mercari Price Suggestion 피처 인코딩과 피처 벡터화 수행 16:44
실전 텍스트 분석: 05 - Mercari Price Suggestion 모델 학습과 예측, 평가 10:20
텍스트 분석 Summary 03:49
섹션 9. 추천(Recommendation)
추천 시스템의 이해 미리보기 11:58
콘텐츠기반 필터링의 이해와 TMDB5000 데이터 세트를 이용한 콘텐츠기반 필터링 구현 실습 - 01 17:19
TMDB5000 데이터 세트를 이용한 콘텐츠기반 필터링 구현 실습 - 02 19:42
협업 필터링의 개요와 최근접 이웃방식 협업 필터링의 이해 미리보기 15:24
아이템기반 최근접 이웃 협업필터링 영화 추천 구현 실습 28:37
잠재요인 기반의 협업필터링 이해와 경사하강법을 이용한 행렬 분해 20:13
파이썬 코드를 이용한 경사하강법 기반의 행렬 분해 구현과 잠재요인 협업 필터링 기반 영화 추천 구현 실습 19:39
파이썬의 추천 시스템 패키지인 Surprise 개요 - 주요 모듈 소개 11:17
Surprise를 이용한 추천 시스템 기본 구현 16:06
Surprise의 추천 알고리즘 소개 및 교차 검증과 하이퍼 파라미터 튜닝 개요 11:16
Surprise를 이용하여 개인화 영화 추천 시스템 구축 11:34
추천 Summary 03:58
섹션 10. 시각화
시각화를 시작하며 03:04
Matplotlib과 Seaborn 개요 및 비교 11:57
Matplotlib의 이해 - Figure와 Axes 11:30
Matplotlib Figure와 Axes 실습 11:32
Matplotlib의 여러 구성 요소를 이용한 시각화 실습 - 01 13:59
Matplotlib의 여러 구성 요소를 이용한 시각화 실습 - 02 12:49
정보의 종류에 따른 시각화 유형 13:33
Seaborn의 Axis 레벨 함수와 Figure 레벨 함수의 이해 08:18
Seaborn 히스토그램 시각화 실습 15:24
Seaborn Bar 플롯 시각화 실습 - 01 08:38
Seaborn Bar 플롯 시각화 실습 - 02 10:58
Seaborn Violin 플롯 실습 07:01
Seaborn에서 subplots을 활용한 시각화 기법 익히기 18:39
Seaborn Box 플롯과 Scatter 플롯 실습 07:39
Seaborn 상관 Heatmap 실습 09:05
강의 게시일 : 2019년 09월 30일 (마지막 업데이트일 : 2024년 01월 17일)
수강평 총 343개
수강생분들이 직접 작성하신 수강평입니다.
4.9
343개의 수강평
5점
4점
3점
2점
1점
VIEW 추천 순 최신 순 높은 평점 순 낮은 평점 순 평점 순 높은 평점 순 낮은 평점 순
Baek Kyun Shin thumbnail
5
현재 7장 군집화까지 강의를 들었습니다. 퇴근 후 짬을 내어 공부를 하다 보니 3주 정도 걸렸습니다. 저는 강의, 교재를 모두 구매했습니다. 우선, 머신러닝에 대해 체계적으로 복습할 수 있어 굉장히 좋았습니다. 설명도 깔끔합니다. 책을 보니 얼마나 정성을 들여 집필을 하셨는지가 절실히 느껴졌습니다. 무엇보다 질문을 하면 저자분이 아주아주 상세하고 친절하게 답변해주시는 것이 좋았습니다. 다만, 머신러닝을 전혀 모르시는 분이 듣기에는 적합하지 않습니다. 기초적인 머신러닝 내용을 아시는 분이 수강을 하셔야 합니다. 캐글 Advanced 과정과 같은 저자 분의 다른 고급 강의를 기대해봅니다! 감사합니다.
2019-11-27
회사막내 thumbnail
5
주말부터 보기 시작했는데 설명이 정말 자세하네요. 통계 잘 몰라도 현업에서 쓰고 싶은 사람에게 필요한 강의 아닐까 싶어요... 수포자 입장에서...
2019-10-06
sangjin0202 thumbnail
5
파이썬 머신러닝 완벽 가이드가 동영상 강의로 나와 바로 구매했습니다. 국내 저자가 쓴 머신러닝 책으로는 최고라고 생각합니다. 책도 설명이 자세해서 도움을 많이 받았는데, 동영상 강의는 설명 뿐만 아니라 코드 해설까지 더 상세하게 되어 있군요. 좋은 강의 감사합니다~ 혹시 또 다른 강의도 찍으시면 그것도 듣고 싶습니다! (개인적으로 sql 관련해서 더 들어보고 싶습니다.)
2019-10-04
JeHeon Park thumbnail
5
해외에서 머신러닝관련 학과에서 석사를 진행중인 학생입니다. 이론적인 지식과 몇가지 프로젝트를 진행해보았지만, 워낙 빠르게 배우다보니 정리가 안되어 있어서 코드도 엉망이고 머리속의 카테고리 작업도 엉망이었는데 이 강의를 들으면서 많이 정리되고 코드도 적립이 되고 있습니다. 물론 정말 이론적인 부분을 배우고 싶다면 다른강좌를 찾아 듣는게 맞겠지만, 실제 코드를 통해서 배우고 싶다고 하시면 강력하게 추천드립니다. 정말 하루하루 즐거운 시간입니다. 머리속에 수식으로 정리되어 있던 부분들을 구현하면서 재밌게 수강하고 있습니다. 요약하자면, 1. 입문자를 위한 강좌는 아니지만 어느정도 머신러닝에 감각이 있으시지만 정리가 안된사람들에게 추천드립니다. 2. 복잡한 수식은 필요없고 코딩을 배우고 싶다면 강추드립니다. 3. 수식과 이론은 학교수업이나 공부를 통해 알고있지만, 실제 적용을 어떻게할줄 몰라서 고생하시는분들 추천드립니다. 비추천하는 분들은 1. 하드코어한 수학적 증명을 보고싶다. 비추천 드립니다. 머피의 머신러닝 혹은 비숍의 책을 추천드립니다. 2. 정말 아무것도 모르는데 이것만으로 입문하고 싶다. 조금 어려울것 같습니다.
2020-08-22
율언니 thumbnail
5
우주 최강이군요. 자세한 설명과 많은 실습 코드로 큰 도움이 되고 있습니다. 진작 알았으면 오프라인 강의로 시간과 돈을 낭비하지 않았을텐데,
2020-01-21