[AICE] 인공지능활용능력향상을 위한 데이터 모델링

담당튜터 미배정
과정교재 -
복습기간 교육종료 후 1년
0.0 / 5.0
    -

과정소개

본 과정은 데이터 모델링의 기초부터 고급 기술까지 체계적으로 학습하여, 데이터 분석 및 인공지능 모델링의 성과를 극대화하는 것을 목표로 합니다. 데이터 모델링 과정에서는 데이터의 구조를 이해하고, 적절한 모델을 선택하여 데이터를 효과적으로 분석하는 방법을 배웁니다.
본 과정을 통해 학습자는 회귀 분석, 분류 모델, 클러스터링 기법 등 다양한 머신러닝 알고리즘을 이해하고, 이를 실제 데이터에 적용하여 모델을 구축하는 실습을 진행합니다. 또한, 모델의 성능을 평가하고 최적화하는 방법을 배우며, 데이터 모델링의 전반적인 프로세스를 경험할 수 있습니다.
실제 사례를 기반으로 한 프로젝트를 통해 학습자는 데이터 모델링의 실무적 적용 능력을 기르고, 결과를 시각적으로 표현하여 이해관계자에게 효과적으로 전달하는 방법을 익힐 수 있습니다

학습목표

    · 데이터 모델링의 기본 개념과 다양한 머신러닝 알고리즘을 이해하고 활용할 수 있다.
    · 실제 데이터를 기반으로 모델을 구축하고, 모델의 성능을 평가 및 최적화할 수 있다.
    · 데이터 분석 결과를 시각적으로 표현하여 인사이트를 도출하고, 이를 효과적으로 전달하는 능력을 기를 수 있다.

학습대상

    · 인공지능활용능력을 향상하고 싶은 분
    · 직장인 등 인공지능 관련 준전공자

학습내용

학습방법

웹+모바일 병행학습

수료기준 ※모든 평가항목에 응시하여야 수료 가능합니다.

평가항목 점수비중 과락기준 유의사항
진도 20 차시 100 % 0 % 이상
총계 - 100% 60 점 이상 총점 평균 60 점 미만 시 수료 불가

학습목차

[AICE] 인공지능활용능력향상을 위한 데이터 모델링

01 단원 01.인공지능과 머신러닝 개요
  • 01. 인공지능과 머신러닝 개요
02 단원 02.scikit-learn #1. 라이브러리 개요 및 주요 모듈 소개
  • 01. scikit-learn #1. 라이브러리 개요 및 주요 모듈 소개
03 단원 03.scikit-learn #2. iris 데이터를 활용한 모델링 실습(feat. train_test_split, 교차검증, 하이퍼파라미터 최적화)
  • 01. scikit-learn #2. iris 데이터를 활용한 모델링 실습(feat. train_test_split, 교차검증, 하이퍼파라미터 최적화)
04 단원 04.회귀(Regression) #1. 캘리포니아 주택 데이터로 배우는 회귀 기초
  • 01. 회귀(Regression) #1. 캘리포니아 주택 데이터로 배우는 회귀 기초
05 단원 05.회귀(Regression) #2. 다양한 회귀 알고리즘 및 성능지표의 이해
  • 01. 회귀(Regression) #2. 다양한 회귀 알고리즘 및 성능지표의 이해
06 단원 06.분류(Classification) #1. 결정트리 개념의 이해
  • 01. 분류(Classification) #1. 결정트리 개념의 이해
07 단원 07.분류(Classification) #2. 결정트리 실습 - 타이타닉 생존자 예측
  • 01. 분류(Classification) #2. 결정트리 실습 - 타이타닉 생존자 예측
08 단원 08.앙상블 #1. 앙상블 개념의 이해
  • 01. 앙상블 #1. 앙상블 개념의 이해
09 단원 09.앙상블 #2. 부스팅 앙상블
  • 01. 앙상블 #2. 부스팅 앙상블
10 단원 10.앙상블 #3. XGBoost
  • 01. 앙상블 #3. XGBoost
11 단원 11.실전 실습 #6 금융 데이터 분석 (산탄데르 은행 고객 거래 예측)
  • 01. 실전 실습 #6 금융 데이터 분석 (산탄데르 은행 고객 거래 예측)
12 단원 12.비지도학습 #1. 클러스터링 기초(K-means를 활용한 음악 취향 분석)
  • 01. 비지도학습 #1. 클러스터링 기초(K-means를 활용한 음악 취향 분석)
13 단원 13.비지도학습 #2. 클러스터링 심화(DBScan, 계층적 클러스터링)
  • 01. 비지도학습 #2. 클러스터링 심화(DBScan, 계층적 클러스터링)
14 단원 14.비지도학습 #3. 협업 필터링
  • 01. 비지도학습 #3. 협업 필터링
15 단원 15.딥러닝 #1. 신경망 기초 및 Tensorflow 소개
  • 01. 딥러닝 #1. 신경망 기초 및 Tensorflow 소개
16 단원 16.딥러닝 #2. 인공신경망 심화(다층 퍼셉트론과 심층신경망)
  • 01. 딥러닝 #2. 인공신경망 심화(다층 퍼셉트론과 심층신경망)
17 단원 17.딥러닝 #3. 합성곱 신경망(CNN)
  • 01. 딥러닝 #3. 합성곱 신경망(CNN)
18 단원 18.딥러닝 #4. 순환 신경망(RNN)
  • 01. 딥러닝 #4. 순환 신경망(RNN)
19 단원 19.실전 실습 #7. 자동차 보험 제안 수락 예측
  • 01. 실전 실습 #7. 자동차 보험 제안 수락 예측
20 단원 20.실전 실습 #8. 비트코인 가격 예측
  • 01. 실전 실습 #8. 비트코인 가격 예측
수강후기
0.0 / 5.0
등록된 수강후기가 없습니다.
100,000
-
할인교육비 100,000