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

Number of participants


Price per participant

회원 평가 (3)

Upcoming Courses

Related Categories