인공지능

[개념부터 실습까지] 추천 시스템 입문편

추천 시스템의 기초 이론을 배우고, 영화 데이터 분석을 함께 실습해 봅니다.

밑바닥 부터 시작하는 머신러닝 입문

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.

DataScience와 AI의 개념 (공부하는 방법)

DS/AI를 처음 접하고 공부하고자 하는 사람들에게 도움을 드리고자 제작한 강의입니다. DS/AI의 개념 그리고 어떠한 분야가 있는지에 대해 알려드리고 공부를 하려면 무엇부터 어떻게 공부를 해야 하는지 알려드립니다.

실전 데이터 사이언스 Part 3. 머신러닝의 이해

기업의 디지털 전환(DT), 인공지능(AI) 도입은 머신러닝 모델 구축에서 시작합니다. 그러나 머신러닝 기술 범위는 매우 넓으며 최적의 방법을 선택하려면 기본 개념을 분명히 이해해야 합니다. 이 강의에서는 머신러닝의 기본 개념을 명확하게 이해하는데 필요한 핵심 내용을 다섯개의 예제를 중심으로 소개합니다.

R로 쉽게 배우는 강화학습

Q-learning부터 Deep Q-learning에 대해 배우고, 강화학습을 R로 구현해 보는 시간을 가집니다. Deep Q-network을 넘어서 Self-imitation learning과 Random Netowrk Distillation 까지 전체적인 강화학습 내용을 다룹니다.

[텐서플로2] 파이썬 머신러닝 완전정복 - 마라톤 기록예측 프로젝트

보스톤 마라톤 빅 데이터를 기반으로 파이썬과 텐서플로2를 이용하여 다양하고 유용한 머신러닝 회귀(Regression)와 분류(Classification) 프로젝트를 이론과 함께 배우는 머신러닝 종합 프로젝트 과정입니다.