Thank you for sending your enquiry! One of our team members will contact you shortly.
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
Machine Translated
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