
파이썬 데이터시각화 분석 실전 프로젝트
노마드크리에이터
보스톤 마라톤 빅 데이터를 파이썬을 이용하여 원하는 형태로 가공하여 다양한 차트와 기술을 이용하여 가치있는 정보로 만드는 머신러닝, 딥러닝 프로젝트 준비 과정입니다.
초급
Python, Pandas
ボストンマラソンのビッグデータに基づいて、PythonとTensorflow 2を利用して、多様で有用な機械学習回帰(Regression)と分類(Classification)プロジェクトを理論とともに学ぶ機械学習総合プロジェクトコースです。

機械学習モデルとプログラム制作
テンサフローによる問題解決
機械学習分類(Classification)結果値の予測
機械学習回帰(Regression)結果値の予測
人工知能、機械学習、ディープラーニングの理解
機械学習、ディープラーニングのためのデータ処理
Pythonパンダスによるデータ処理の分析
Pythonを使用したデータ分析
PythonとTensorFlow2(Tensorflow2)を使って、機械学習の概念と実践技術の両方を学びましょう。
主なテーマごとに5つの異なるプロジェクトを一緒にしながら、あなたのスキルをキーワードにします。
ボストンマラソンビッグデータをPythonとテンソルフローを利用して
機械学習の基本概念とともに、回帰(Regression)と分類(Classification)の重要なテーマ別
5つのプロジェクトを一緒に学びながら概念と実践活用能力を育てる
面白くて便利な機械学習プロジェクトコースです。
機械学習の基本である線形回帰の概念を学びます。

Multi Variable回帰(Regression)問題を理解し、解決方法を習得します。

Multi Variable、Output 回帰(Regression)問題を理解し、解決方法を習得します。

Logistic Regression/Classificationの基本であるBinary Classificationの概念を理解し、解決方法を習得します。

Logistic Regression/ClassificationのMultinomial Classificationの概念を理解し、解決方法を習得します。

'モデル精度99% 以上 上げる」という特別講義を追加しました。この講義は「 [ ラズベリーファイ] IoT ディープラーニングComputer Vision 本番 プロジェクト「コース受講生の方々は、MNISTの手書きモデルが下の写真のように「7をなぜ7とは言えませんか」という質問から始まりました。もちろん、モデルの精度だけでなく、プログラム例外処理、MNIST生データなど様々な要因がありますが、既存のNueral Networkモデルが学習用に単純で、これを99.38%まで精度を高めるためにNueral Networkモデルを再構成する内容を作ってみました。
今後、機械学習を活用したディープラーニング、IoTなど様々な講義をお楽しみください。
講義に使用された資料とプログラムのソースは、私が運営する知識を学ぶためのクリアフル(www.creapple.com)サイトで入手できます。
Pythonの基本とデータの視覚化、分析のためのコースを聞くと、プロジェクトの実行に大きな助けになります。
PythonのPandas、Matplotlib、Seabornを使った機械学習、
ディープラーニングなど様々なプロジェクトで活用できる
データの可視化と分析技術を一度に学びましょう。
学習対象は
誰でしょう?
人工知能を本番で活用したい方
ディープラーニングのための基本知識を育てる方
データ科学を学びたい方
テンサフローを直接活用したい方
機械学習の概念と実践能力を一緒に育てたい人
データ分析プロジェクトを進める方
機械学習ディープラーニングプロジェクトを準備する方
前提知識、
必要でしょうか?
Pythonデータ処理、可視化 - Pythonデータ視覚化分析実践プロジェクト
Pythonの基本知識 - Python 100分コア講義
一生懸命学びたい意志
22,144
受講生
472
受講レビュー
556
回答
4.4
講座評価
25
講座
대한민국과 NVIDIA가 인정한 딥테크, 싱가포르가 선택한 핀테크 스타트업, 글로벌 무대에서 당신의 가능성을 실현합니다.
노마드크리에이터는 개인의 성장을 넘어, 스타트업으로 도약하며 전 세계를 무대로 전문적인 IT 강의를 제공하고 있습니다.
2019년, 싱가포르 정부의 Entrepass Innovator 프로그램을 통해 시작된 우리의 여정은 곧 혁신적인 스타트업의 이야기로 확장되었습니다.
2020년에는 대한민국에서 인공지능 핀테크 솔루션을 개발하며 딥테크 분야의 선두주자로 자리매김했고, NVIDIA 협업 프로그램 최우수 프로젝트와 ASUS Global Startup Challenge Award를 포함한 다양한 글로벌 인정과 성과를 이뤘습니다.
2023년에는 NVIDIA의 지원으로 미국에 회사를 설립하며 글로벌 시장을 향한 도약을 시작했습니다.

스타트업 창업 이전, LG CNS와 티머니 등에서 25년간 System Engineer, Project Manager, IT Consultant로서 글로벌 프로젝트를 이끌며 실전 경험과 전문성을 쌓았습니다.
PMP, SAP BW, SCJP, MCSE+DBA, OCP-DBA와 같은 전문 자격을 기반으로, 프로그램 개발, 프로젝트 관리, IT 솔루션 설계 등 다양한 분야에서 성공적인 도전을 이어왔습니다.
이제, 노마드크리에이터는 이러한 경험과 노하우를 집약하여 누구나 쉽고 재미있게 배울 수 있는 교육 콘텐츠를 제공합니다. 실무 중심의 강의부터 최신 기술 트렌드를 반영한 전문 과정까지, 개인의 성장을 위한 맞춤형 학습을 제안합니다.
기술과 교육의 융합으로 더 많은 사람들이 자신만의 가능성을 실현하도록 돕습니다.
노마드크리에이터와 함께라면, 당신의 꿈은 더 이상 멀리 있지 않습니다.
지금 이 순간에도 누군가는 새로운 것을 배우고, 더 나은 자신이 되기 위해 노력하고 있습니다.
하지만 정보의 홍수 속에서 필요한 지식을 찾는 데 소중한 시간을 잃는 일이 얼마나 많습니까?
노마드크리에이터는 이 문제를 해결하고자 합니다.
우리는 지식을 창의적으로 엮어내어, 시간을 아끼고, 가치를 극대화하는 경험을 제공합니다. 우리의 목표는 단순한 정보 전달을 넘어, 지식을 작품처럼 아름답게 전달하는 것입니다.
노마드크리에이터와 함께라면, 당신의 배움은 더 쉽고, 빠르며, 가치 있는 결과를 만들어낼 것입니다.
"배움의 여정에 가치를 더하다, 노마드크리에이터."
이것이 우리가 꿈꾸는 미래입니다.
全体
42件 ∙ (8時間 51分)
1. 人工知能、機械学習、深層学習とは?
17:37
2. マシンラーニングの定義
10:04
3. 学習の種類
08:01
5. 学習戦略 - データセット
07:45
6. うさぎとかめが教えてくれる回帰
11:40
7. 線形回帰を理解する
11:11
8. 線形回帰モデル作成
07:52
9. 問題解決の手順
06:00
全体
25件
4.1
25件の受講レビュー
受講レビュー 5
∙
平均評価 4.4
3
선수 강좌를 듣지 않으면 이해를 하는 것이 매우 힘이 듭니다. Keras 강좌를 신청하고 이전 강의를 선수해야 이해하는 부분이 많아서 머신러닝 완전정복 강좌를 신청했었는데.... 또 이전강의를 신청해야하는 일이 발생해서 공부의 효율성이 매우 떨어졌습니다. 선수 강의의 수강이 옵션이 아닌 의무가 되어야 정확하게 아웃풋을 수반하는 강좌가 될 것 같습니다
안녕하십니까? 좋은 의견 감사드립니다. 말씀하신 부분은 강사로 많은 고민이 되는 부분입니다. 예전에 All in One식의 강의를 만들었을때 독자분들의 수준이 달라 본인이 아시는 내용이 많다는 의견도 있고, 강의를 모듈화하면 원하는 부분만 수강하고 수강생들의 비용을 줄이지 않을까하여 강의를 모듈화하고 있습니다. 그래서 앞으로 딥러닝이나 Tensorflow.js, Tensorflow IOT 등을 별도 강의로 모듈화할 계획입니다. 그러나 이러다보니 독자님이 말씀하신데로 여러 과목을 수강해야하는 불편도 고민됩니다. 그래서 지금 제 크리애플(www.creapple.com)에 정기구독하여 모든 강의를 이용할 수 있는 기능을 만들고 있습니다. 이번 달 중에 개편 오픈 예정인데 도움이 되시길 바랍니다. 감사합니다.
노마드크리에이터 강사님 답변 감사드립니다. 말씀 주신 대로 정기구독의 형태라면 보다 나은 아웃풋이 수반될 것 같습니다. 그리고 강사님 강좌의 개별 내용은 정말 도움이 되고 모티베이션도 업이됩니다. 다만, 현재에는 어밴저스의 앞편을 보지 않고 뒷편을 봐야하는 그런 기분입니다.
受講レビュー 3
∙
平均評価 4.3
受講レビュー 24
∙
平均評価 4.5
受講レビュー 4
∙
平均評価 5.0
受講レビュー 15
∙
平均評価 4.9
¥4,193
知識共有者の他の講座を見てみましょう!
同じ分野の他の講座を見てみましょう!