학습목차

[AICE] 인공지능활용능력향상을 위한 데이터 모델링

제 01 단원 01.인공지능과 머신러닝 개요

• 01. 인공지능과 머신러닝 개요

제 02 단원 02.scikit-learn #1. 라이브러리 개요 및 주요 모듈 소개

• 01. scikit-learn #1. 라이브러리 개요 및 주요 모듈 소개

제 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)

제 04 단원 04.회귀(Regression) #1. 캘리포니아 주택 데이터로 배우는 회귀 기초

• 01. 회귀(Regression) #1. 캘리포니아 주택 데이터로 배우는 회귀 기초

제 05 단원 05.회귀(Regression) #2. 다양한 회귀 알고리즘 및 성능지표의 이해

• 01. 회귀(Regression) #2. 다양한 회귀 알고리즘 및 성능지표의 이해

제 06 단원 06.분류(Classification) #1. 결정트리 개념의 이해

• 01. 분류(Classification) #1. 결정트리 개념의 이해

제 07 단원 07.분류(Classification) #2. 결정트리 실습 - 타이타닉 생존자 예측

• 01. 분류(Classification) #2. 결정트리 실습 - 타이타닉 생존자 예측

제 08 단원 08.앙상블 #1. 앙상블 개념의 이해

• 01. 앙상블 #1. 앙상블 개념의 이해

제 09 단원 09.앙상블 #2. 부스팅 앙상블

• 01. 앙상블 #2. 부스팅 앙상블

제 10 단원 10.앙상블 #3. XGBoost

• 01. 앙상블 #3. XGBoost

제 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)

제 12 단원 12.비지도학습 #1. 클러스터링 기초(K-means를 활용한 음악 취향 분석)

• 01. 비지도학습 #1. 클러스터링 기초(K-means를 활용한 음악 취향 분석)

제 13 단원 13.비지도학습 #2. 클러스터링 심화(DBScan, 계층적 클러스터링)

• 01. 비지도학습 #2. 클러스터링 심화(DBScan, 계층적 클러스터링)

제 14 단원 14.비지도학습 #3. 협업 필터링

• 01. 비지도학습 #3. 협업 필터링

제 15 단원 15.딥러닝 #1. 신경망 기초 및 Tensorflow 소개

• 01. 딥러닝 #1. 신경망 기초 및 Tensorflow 소개

제 16 단원 16.딥러닝 #2. 인공신경망 심화(다층 퍼셉트론과 심층신경망)

• 01. 딥러닝 #2. 인공신경망 심화(다층 퍼셉트론과 심층신경망)

제 17 단원 17.딥러닝 #3. 합성곱 신경망(CNN)

• 01. 딥러닝 #3. 합성곱 신경망(CNN)

제 18 단원 18.딥러닝 #4. 순환 신경망(RNN)

• 01. 딥러닝 #4. 순환 신경망(RNN)

제 19 단원 19.실전 실습 #7. 자동차 보험 제안 수락 예측

• 01. 실전 실습 #7. 자동차 보험 제안 수락 예측

제 20 단원 20.실전 실습 #8. 비트코인 가격 예측

• 01. 실전 실습 #8. 비트코인 가격 예측