연락처 정보
 기간 35 시간

코스 개요

Python에서의 AI 개요

  • AI의 핵심 개념 및 범위
  • AI 개발용 Python 라이브러리
  • AI 프로젝트 구조 및 워크플로

AI용 데이터 준비

  • 데이터 정리, 변환, 특징 공학
  • 누락 데이터 및 불균형 데이터 처리
  • 특징 스케일링 및 인코딩

유전학습 기법

  • 회귀 및 분류 알고리즘
  • 앙상블 방법: 랜덤 포레스트, 그래디언트 부스팅
  • 하이퍼파라미터 튜닝 및 교차 검증

무전학습 기법

  • 클러스터링 방법: K-Means, DBSCAN, 계층적 클러스터링
  • 차원 축소: PCA, t-SNE
  • 무전학습의 사용 사례

신경망 및 딥러닝

  • TensorFlow 및 Keras 입문
  • 피드포워드 신경망 구축 및 학습
  • 신경망 성능 최적화

강화학습 (입문)

  • 에이전트, 환경, 보상의 핵심 개념
  • 기본 강화학습 알고리즘 구현
  • 강화학습의 응용 분야

AI 모델 배포

  • 학습된 모델 저장 및 로드
  • API를 통해 애플리케이션에 모델 통합
  • 프로덕션 환경에서 AI 시스템 모니터링 및 유지보수

요약 및 다음 단계

요건

  • Python 프로그래밍 기초에 대한 탄탄한 이해
  • NumPy, pandas와 같은 데이터 분석 라이브러리 사용 경험
  • 기계 학습 개념 및 알고리즘에 대한 기본 지식

대상 독자층

  • AI 개발 기술을 확장하고자 하는 소프트웨어 개발자
  • 복잡한 데이터셋에 AI 기술을 적용하고자 하는 데이터 분석가
  • AI 기반 애플리케이션을 구축하는 R&D 전문가

참가자 수


참가자별 가격

회원 평가 (2)

예정된 코스

관련 카테고리