패밀리 서비스
goormEDU
로그인회원가입
전체
루트공지사항Q&A

가장 쉽게 배우는 머신러닝 - 가장 쉽게 그러나 가장 꼼꼼하게

강좌 소개
난이도
보통
카테고리
프로그래밍 - 인공지능
태그
데이터 분석, 데이터베이스, 딥러닝, 머신러닝, 빅데이터, 인공지능, 장고, 텐서플로우, 통계, 파이썬
소요 시간
약 35시간
추천 수강대상
- 머신러닝의 다양한 수식들 앞에서 좌절하고 학습을 멈추셨던 분
- 전통적인 머신러닝의 대표 모델들을 이론과 실습 모든 관점에서 꼼꼼히 배우고 싶은 분
- 인공지능 & 머신러닝 전반의 중심에 놓인 코어 개념들을 가장 쉬운 설명으로 배우고 싶은 분
- 통계 분석을 배워 데이터를 기반으로 그로스 해킹을 적용하고 싶은 분
- SQL 문법을 배워 데이터베이스를 다루기 위한 핵심 스킬을 배우고 싶은 분

🤖

가장 쉽게 배우는 머신러닝
#가장 쉽게 그러나 가장 꼼꼼하게

🎁



💡 언젠가 배워야겠다고 계속 미뤄두었던 파이썬, 어디서부터 어떻게 학습을 시작해야 할지 길을 찾아 헤매셨다면 바로 여기서 시작해보세요!

💡 삼성전자 삼성리서치, 페이스북 이노베이션랩, 멀티캠퍼스 & 패스트캠퍼스, 서울대학교 등 5,000명이 넘는 수강생을 대상으로 검증을 마친 강의를 한 곳에 모았습니다!

💡 파이썬의 기본 문법부터 웹 스크레이핑, 데이터 분석 & 시각화, 머신러닝 & 딥러닝, 웹 프로그래밍, 업무 자동화까지, 170시간이 넘는 강의를 통해 차근차근 꼼꼼하게, 그러나 가장 쉽게 정복해보세요!





📖
가장 쉽게 배우는 머신러닝 과정은?

인공지능 프로그래밍에 대한 중급 수준의 과정으로
이론, 실습, 동영상 강의로 구성되어 코딩 초보자도 무리 없이 완주하실 수 있습니다.





🎓
과정 소개



📖

Chapter 2 : 가장 쉽게 배우는 머신러닝 - 가장 쉽게 그러나 가장 꼼꼼하게 PART 4-1 | 파이썬을 활용한 기초 통계 분석 (5시간+) PART 4-2 | 파이썬 기반 SQL 프로그래밍 (8시간+) PART 5 | 머신러닝 핵심 이론 & Scikit-learn 실습 (22시간+)



파이썬 A-Z 올인원 시리즈의 두번째 챕터, [ Chapter 2 : 가장 쉽게 배우는 머신러닝 ]은 크게 3가지 파트로 구성되어 있습니다. (35시간 이상의 콘텐츠) 💡 Part 4-1에서는 데이터분석의 중요한 도구 중 하나인 통계 분석을 파이썬을 통해 진행해보며 필수적인 통계 지식을 학습합니다. 파이썬 A-Z 올인원 시리즈의 첫번째 챕터에서 배웠던 Numpy & Pandas를 조금 더 확장하여 익히고, 주어진 데이터를 통계학적인 관점에서 들여다보고 분석하여 요약해낼 수 있는 힘을 기릅니다. 머신러닝 & 딥러닝 예측모델을 적용할 때 문제를 일으킬 수 있는 이상치(Outlier)들을 찾아내어 처리하는 방법도 꼼꼼히 익히고, 다양한 통계 검정 기법들을 배운 후 데이터를 기반으로 그로스 해킹을 해내기 위한 예제들을 통해 마케팅 분야에서 통계가 어떻게 활용될 수 있을지 배워보아요! 💡 Part 4-2에서는 파이썬을 통해 데이터분석의 또 다른 중요한 도구인 데이터베이스를 다뤄보며 대규모 데이터를 다룰 준비를 합니다. ER 다이어그램, 릴레이션 모델, 필드 & 튜플과 같은 외계어들을 이해하기 쉬운 용어들로 바꿔 차근차근 학습하고, 데이터베이스와 대화를 할 때 활용되는 프로그래밍 언어인 SQL을 기초 문법부터 실용적인 활용까지 단계별로 익혀보아요! 따분해지기 쉬운 SQL 학습 과정에서 가장 중요하게 포커스를 맞춰야 할 지점들을 정확하게 짚어가며 실습해봅니다. 첫번째 챕터에서 배운 웹 스크레이핑이 SQL과 만나면 웹 상에 존재하는 데이터를 빠르고 안전하게 수집하여 분석에 활용할 수 있습니다! 💡 Part 5에서는 드디어 인공지능을 가능케 한 가장 중요한 도구인 머신러닝을 만납니다! 딥러닝까지 아우르는 인공지능 & 머신러닝 전반의 중심에 놓인 코어 개념들을 가장 쉬운 설명들로 배워보세요! 수학과 어려운 프로그래밍 때문에 언제나 좌절했던 머신러닝, 바로 지금 여기서 함께 정복해 보겠습니다. 20시간이 넘는 콘텐츠를 통해 머신러닝에서 가장 중요한 역할을 하는 뼈대로서의 모델들과
놀랄만한 성능을 뽑아내는 대장 모델들을 이론과 실습 모든 측면에서 학습합니다. 머신러닝 연구자로 취업할 때 면접 & 코딩테스트에서 반드시 주의해야 하는 지점들과 실용적인 해결 방안들을 꼼꼼히 배우고, 클래스 불균형 해결, 결측치 제거, 데이터 전처리 파이프라인 구축, 하이퍼 파라미터 튜닝, 자동화된 머신러닝 등의 고급 기법들을 빼곡하게 가르쳐 드립니다!









🧑‍🏫
강사소개

조대연 강사
5,000명이 넘는 수강생들을 8,000시간 가까이 가르쳐 왔습니다.
차곡차곡 쌓인 노하우를 한 곳에 모아 프로그래밍의 P도 모르지만 파이썬도 배우고 싶고
머신러닝 & 딥러닝도 배워보고 싶은 분들을 위한 수업을 만들었습니다!
머신러닝과 딥러닝의 이해를 위한 가장 중심이 되는 개념들을 누구보다 쉽게 가르쳐드리고,
함께 단계별로 진행하는 실습과 방대한 추가 학습 자료들을 통해 강의 종료 후 스스로 학습해나가실 수 있도록 방향을 잡아드립니다 :)

비전공자 출신으로 프로그래밍을 처음 공부하는 입장에서 겪는 어려움을 잘 알고 있습니다.
문과생 & 인문학도의 자세로 세심하고 디테일하게, 무엇을 왜, 그리고 어떻게 배워야 하는지
가장 쉽고 직관적으로 이해할 수 있도록 차근차근 가르쳐드리겠습니다!


📚
강사 약력

✔삼성전자 삼성리서치 현직 엔지니어 대상 머신러닝 & 딥러닝 강의 (1,000명+)
✔고용노동부 K-Digital Training 인공지능 통합과정 1기~5기 교육
✔각종 기업 교육 진행 (KBS, KT DS, 페이스북 이노베이션랩, 솔트룩스, 패스트캠퍼스, 멀티캠퍼스, 멋쟁이사자처럼 등)
✔각종 대학 교육 진행 (서울대, 경희대, 연세대, 중앙대, 건국대, 가톨릭대, 서울예술대, 고려사이버대, 세종사이버대 등)
✔각종 기관 교육 진행 (서울산업진흥원, 한국콘텐츠진흥원, 한국인터넷진흥원, 한국정보화진흥원, 서울주택도시공사, 경찰청, 경기도 등)
✔(재)이노베이션아카데미 소프트웨어개발자 현업 멘토단 (42Seoul)
✔한국과학기술기획평가원 미래유망기술 후보 발굴 및 기술 분석단 (AutoML & Explainable AI)
✔서울대학교 영상의학과 연구원
✔오피스비긴 대표
✔서울대학교 경영학 전공



😍
강의 후기

✔ 알찬 내용에 감동, 눈높이에 맞춘 강의 과정도 만족
✔ 입사 이후 받았던 수많은 교육들 중 손꼽을 정도로 만족합니다.
✔ 식을 순차적으로 해석하며 이해를 높여주는 수업이라 좋습니다
✔ 강사님께서 입문자의 입장에서, 그리고 현재 수강생의 수준을 잘 파악하고 계신 것 같다는 생각이 들었습니다. 강의 내용도 잘 이해되어서 좋았습니다.
✔ 지금까지 강사님 중 가장 좋았습니다. 저희 수업 진도가 어디까지 나가있는지, 어느수준까지 배웠는지를 미리 파악해 오셔서 거기에 맞춘 수업을 진행해주셔서 진짜 알차게 시간 보낸 것 같습니다.
✔ 쉽게 설명을 잘 해주셔서 이해가 잘 되고 앞으로의 전망에 대해서도 추가적으로 말씀해주셔서 시야를 넓히면서 학습할 수 있어서 좋습니다
✔ 역대 강사님 중 최고.
✔ 딥러닝의 낯섦과 어려움의 콜라보 속에서도 한걸음 한걸음 나아갈 수 있게 이끌어 주셔서 만족스러운 강의였습니다. 엄선한 부가 공부 거리도 촤르륵 펼쳐주고 가신 점도 좋았습니다.
✔ 엄청 열정적으로 알아듣기 쉽게 강의해주셔서 감사드린다고 전해주세요.
✔ 교육 내용도 너무 이론적이지도 않고 너무 실무적이지도 않는 딱 균형잡힌 교육이었던것 같습니다.
✔ 복잡한 수식/알고리즘에 대한 완벽한 설명보다는 동작 방식에 대한 인사이트를 주는 방식의 설명을 해주어서 도움이 많이 된 수업같습니다.
✔ 실제로 적용 가능한 수준에서 다양한 실습을 통한 설명으로 쉽게 접근하고 이해하기에 좋았던 것 같습니다.
✔ 어렴풋이 알고 있던 내용에 대해서 조금 더 명확하게 이해할 수 있게 되었고, 전반적인 연구 동향 파악 및 심화 학습을 위한 자료들을 얻게 된 것 같습니다.
✔ 어려운 내용을 파고들기보다는 교육이 끝나고 나중에 필요할 때 혼자 보면서 실습해볼 만한 자료와 그에 대한 설명을 잘해주신 부분이 만족스럽습니다.



교육 과정
모두 펼치기
  • 01
    part 4 - 1
    • 01강. [Recap] Numpy & Pandas 1 - Numpy Tutorial
    02강. [Recap] Numpy & Pandas 2 - Pandas Recap
    03강. 빈도 분석 & 기술 통계량 분석 1 - 데이터 탐색과 기술 통계 분석
    04강. 빈도 분석 & 기술 통계량 분석 2 - Outlier의 탐지 및 제거
    05강. 파이썬을 활용한 통계 검정 1 - 교차 검정
    06강. 파이썬을 활용한 통계 검정 2 - 평균 차이 검정 & 상관관계 분석
    07강. 그로스 해킹을 위한 파이썬 통계 분석 활용
  • 02
    part 4 - 2
    • 01강. DBMS & 3 Steps of Data Modeling
    02강. Intro to SQLite3 1 - SQL with Python
    03강. Intro to SQLite3 2 - DB Browser for SQLite
    04강. Intro to SQLite3 3 - DDL
    05강. SQL CRUD 1 - DML
    06강. SQL CRUD 2 - ORDER BY & DISTINCT
    07강. SQL CRUD 3 - WHERE & LIMIT
    08강. Merge & Adv. techniques 1 - JOIN
    09강. Merge & Adv. techniques 2 - GROUP BY & HAVING
    10강. Merge & Adv. techniques 3 - Subquery
    11강. Selenium & SQLite3 1 - 여행 상품 정보 DB 저장
    12강. Selenium & SQLite3 2 - 여행 상품 이미지 자동 다운로드
    13강. NoSQL & 추가 학습 자료 설명
  • 03
    part 5
    • 01강. 쉽게 풀어서 살펴보는 인공지능
    02강. 머신러닝 핵심 개념 이해 1 - 머신러닝의 대분류 3가지
    03강. 머신러닝 핵심 개념 이해 2 - Capacity & Overfitting
    04강. 머신러닝 핵심 개념 이해 3 - Cross-validation & K-Fold CV
    05강. 비용함수와 경사하강법 1 - Cost function & MSE
    06강. 비용함수와 경사하강법 2 - Gradient Descent
    07강. 비용함수와 경사하강법 3 - Learning rate & Hyper-parameter
    08강. Linear Regression 1 - Scikit-learn 소개 & One-hot encoding
    09강. Linear Regression 2 - 선형회귀 실습 (Boston house prices dataset)
    10강. Linear Regression 3 - 선형회귀 실습 (Diabetes dataset)
    11강. Logistic Regression 1 - Sigmoid function & Cutoff
    12강. Logistic Regression 2 - Cross-entropy & Softmax
    13강. Logistic Regression 3 - 로지스틱회귀 실습 & Confusion matrix
    14강. Logistic Regression 4 - ROC Curve & AUC
    15강. Adaboost & Gradient Boosting & XGBoost
    16강. Gradient Boosting 1 - 회귀분석 적용 & Feature Importance
    17강. Gradient Boosting 2 - 회귀분석 적용 & Permutation Importance
    18강. Gradient Boosting 3 - 분류분석 적용 & Classification Report
    19강. SVM 1 - Soft-margin Kernelized SVM
    20강. SVM 2 - SVM's Hyper-parameters
    21강. SVM 3 - Feature Normalization & StandardScaler
    22강. SVM 4 - HPO & GridSearchCV
    23강. K-Nearest Neighbor Algorithm
    24강. Clustering & K-Means Algorithm
    25강. 클러스터 수 결정 기법 - Elbow method & Silhouette score
    26강. Dimensionality Reduction & PCA
    27강. Scikit-learn 실습 요약 & Choosing the right estimator
    추가 학습 자료 - missingno를 활용한 결측치 분포 시각화
    추가 학습 자료 - Auto-Sklearn을 활용한 AutoML
    추가 학습 자료 - IQR 기반 Outlier 탐지 및 제거
    추가 학습 자료 - Class-imbalance & SMOTE 기반 Over-sampling
    추가 학습 자료 - Model Saving & Loading + Model Stacking
    추가 학습 자료 - Pipeline for StandardScaler & OneHotEncoder
    추가 학습 자료 - Stratified K-Fold CV & cross_val_score
마지막 업데이트|2023년 03월 30일
강의자 소개
구름캡틴
인스타그램페이스북유튜브홈페이지
구름은 '모두가 개발자가 된다'라는 비전으로 언제 어디서나 AI∙SW 개발을 배우고, 원하는 결과물을 구현할 수 있도록 '개발자 성장 중심'의 생태계를 만들어 나가고 있습니다. - 누구에게나 열린 기회를 제공하고 - 입문자의 진입장벽을 낮추며 - 상생하는 생태계를 만들어갑니다.
강좌 후기
￦
199,000
평균평점
0.0
난이도
보통
수강기간
평생 무제한
소요 시간
약 35시간