문의를 보내주셔서 감사합니다! 팀원이 곧 연락드리겠습니다.
Thank you for sending your booking! One of our team members will contact you shortly.
Course Outline
AI를 위한 Python 개요
- AI의 주요 개념과 범위
- AI 개발을 위한 Python 라이브러리
- AI 프로젝트의 구조와 워크플로우
AI를 위한 데이터 준비
- 데이터 정제, 변환 및 특징 공학
- 결측치 및 불균형 데이터 처리
- 특징 스케일링 및 인코딩
Supervised Learning 기법
- 회귀 및 분류 알고리즘
- 앙상블 방법: Random Forest, Gradient Boosting
- 하이퍼파라미터 튜닝 및 교차 검증
Unsupervised Learning 기법
- 군집화 방법: K-Means, DBSCAN, 계층적 군집화
- 차원 축소: PCA, t-SNE
- 비지도 학습의 사용 사례
Neural Networks과 Deep Learning
- TensorFlow 및 Keras 소개
- 순전파 신경망 구축 및 학습
- 신경망 성능 최적화
Reinforcement Learning (소개)
- 에이전트, 환경 및 보상의 핵심 개념
- 기본 강화 학습 알고리즘 구현
- 강화 학습의 응용
AI 모델 배포
- 학습된 모델 저장 및 로드
- API를 통해 애플리케이션에 모델 통합
- 생산 환경에서 AI 시스템 모니터링 및 유지 관리
요약 및 다음 단계
Requirements
- Python 프로그래밍 기본 개념에 대한 철저한 이해
- NumPy와 pandas와 같은 데이터 분석 라이브러리 경험
- 머신러닝 개념과 알고리즘에 대한 기본 지식
대상
- AI 개발 기술을 확장하려는 소프트웨어 개발자
- 복잡한 데이터셋에 AI 기술을 적용하려는 데이터 분석가
- AI 기반 애플리케이션을 구축하는 R&D 전문가
35 Hours
회원 평가 (3)
우리 프로젝트에서 사용하는 것과 더 유사한 데이터를 사용하여 더 실용적인 연습을 할 수 있다는 사실(래스터 형식의 위성 이미지)
Matthieu - CS Group
Course - Scaling Data Analysis with Python and Dask
기계 번역됨
Very good preparation and expertise of a trainer, perfect communication in English. The course was practical (exercises + sharing examples of use cases)
Monika - Procter & Gamble Polska Sp. z o.o.
Course - Developing APIs with Python and FastAPI
Trainer develops training based on participant's pace
