fbpx
machine 2019-01-05T22:45:43+00:00
머신러닝 과정

난이도 : ●○○

머신러닝이라는 분야를 기초부터 응용까지 정확하게 이해하는 강의입니다.

머신러닝에 대한 지식을 활용해 이를 데이터 사이언스에 적용하는 올바른 방법에 대해 배우게 됩니다.

강사는 국내 2곳의 스타트업과 머신러닝 부분에서 협업을 진행하고 있고, 현재는 GRADIENT를 운영중입니다.

강의 장소는 강남역 마이캠퍼스이고 강의 시간은 토요일 오후 2시 ~ 6시입니다.

[3기] 잔여 8석 / 15석

(수강 문의 : help@gradient.co.kr)

1주차: 프로그래밍과 수학 기초 (1월 19일)

머신러닝에 필요한 수학들에 대해 간단히 배우고, 경사 하강법에 대해 배웁니다.

R 프로그래밍에 대해 배우고 데이터를 다루는 방법을 익힙니다.

경사 하강법을 코드로 구현해봅니다. 

2주차: 기계의 학습 (1월 26일)

머신러닝이 풀고자 하는 문제를 엄밀하게 정의합니다.

학습의 본질에 대해 고찰하고 가장 간단한 모형, 즉 선형 회귀 모형을 만들어 학습시켜봅니다.

그렇게 만든 선형 회귀 모형의 학습 결과를 관찰합니다.

3주차: 분류와 신경망 (2월 16일)

분류 문제를 풀기 위해 확률론과 최대 우도 추정법에 대해 배웁니다.

선형 회귀모형을 로지스틱, 소프트맥스 회귀모형과 신경망으로 확장합니다.

신경망 모형의 필요성과 표현력, 결정 경계에 대해 배웁니다.

4주차: 일반화 (2월 23일)

학습의 목표와 한계에 대해 생각해보고, 결과의 좋고 나쁨을 판단하는 법에 대해 배웁니다.

과적합 문제에 대해 배우고, 이를 완화하기 위해 변수 선택, 제약화 등 여러 방법론에 대해 배웁니다

4주차 강의의 과제는 ‘머신러닝 기초 질문 모음‘ 포스팅에서 확인할 수 있습니다..

5주차: 의사결정나무와 앙상블 (3월 2일)

의사결정나무에 대해 배웁니다.

의사결정나무의 설능을  더 높이기 위해 배깅, 랜덤 포레스트, 부스팅 등의 앙상블 기법을 적용하는 방법에 대해 배웁니다.

XGBoost 라이브러리의 사용법에 대해 익힙니다.

6주차: 데이터 사이언스 (3월 9일)

데이터 전처리와 Feature Engineering에 대해 배웁니다.

Kaggle 경진대회를 통해 머신러닝을 이용한 데이터 모델링을 익힙니다.

590,000 won

수강 신청
홈으로
문의 : help@gradient.co.kr    |    사업자등록번호 : 263-41-00360    |    대표 : 유준형    |    © GRADIENT 2018