Course Outline
소개
이 섹션에서는 '머신러닝'을 언제 사용해야 하는지, 고려해야 할 사항은 무엇인지, 장단점을 포함하여 모든 것이 무엇을 의미하는지에 대한 일반적인 소개를 제공합니다. 데이터 유형(구조화/비구조화/정적/스트리밍), 데이터 유효성/볼륨, 데이터 기반 대 사용자 중심 분석, 통계 모델 대 기계 학습 모델/비지도 학습의 과제, 편향-분산 균형, 반복/평가, 교차 검증 접근 방식 , 감독/비지도/강화.
주요 주제
1. 나이브 베이즈 이해
- 베이지안 방법의 기본 개념
- 개연성
- 결합확률
- 베이즈 정리를 이용한 조건부 확률
- 나이브 베이즈 알고리즘
- 나이브 베이즈 분류
- 라플라스 추정량
- Naive Bayes와 함께 숫자 기능 사용
2. 의사결정나무 이해하기
- 분열시켜 정복하라
- C5.0 의사결정 트리 알고리즘
- 최고의 분할 선택
- 의사결정 트리 가지치기
3. 신경망 이해
- 생물학적 뉴런에서 인공 뉴런까지
- 활성화 기능
- 네트워크 토폴로지
- 레이어 수
- 정보 여행의 방향
- 각 레이어의 노드 수
- 역전파를 사용한 신경망 훈련
- Deep Learning
4. 서포트 벡터 머신 이해
- 초평면을 이용한 분류
- 최대 마진 찾기
- 선형 분리 가능한 데이터의 경우
- 비선형적으로 분리 가능한 데이터의 경우
- 비선형 공간에 커널 사용
5. 클러스터링 이해
- 기계 학습 작업으로 클러스터링
- 클러스터링을 위한 k-평균 알고리즘
- 거리를 사용하여 클러스터 할당 및 업데이트
- 적절한 수의 클러스터 선택
6. 분류를 위한 성능 측정
- 분류 예측 데이터 작업
- 혼동 행렬 자세히 살펴보기
- 혼동 행렬을 사용하여 성능 측정
- 정확성을 넘어서 - 성능의 다른 측정
- 카파 통계
- 민감도와 특이도
- 정밀도와 재현율
- F-측정
- 성능 장단점 시각화
- ROC 곡선
- 미래 성과 예측
- 홀드아웃 방법
- 교차 검증
- Bootstrap 샘플링
7. 더 나은 성능을 위해 스톡 모델 조정
- 자동화된 매개변수 조정을 위해 캐럿 사용
- 간단한 조정 모델 만들기
- 튜닝 프로세스 사용자 정의
- 메타러닝을 통한 모델 성능 향상
- 앙상블의 이해
- 배깅
- 부스팅
- 랜덤 포레스트
- 랜덤 포레스트 훈련
- 랜덤 포레스트 성능 평가
사소한 주제
8. 최근접이웃을 이용한 분류 이해
- kNN 알고리즘
- 거리 계산
- 적절한 k 선택
- kNN에 사용할 데이터 준비
- kNN 알고리즘이 게으른 이유는 무엇입니까?
9. 분류 규칙 이해
- 분리하여 정복하라
- 하나의 규칙 알고리즘
- RIPPER 알고리즘
- 의사결정나무의 규칙
10. 회귀 이해
- 단순 선형 회귀
- 일반 최소제곱 추정
- 상관관계
- 다중 선형 회귀
11. 회귀 트리 및 모델 트리 이해
- 트리에 회귀 추가
12. 연관 규칙 이해
- 연관 규칙 학습을 위한 Apriori 알고리즘
- 규칙 관심도 측정 - 지원 및 신뢰도
- Apriori 원리를 사용하여 일련의 규칙 구축
엑스트라
- Spark/PySpark/MLlib 및 Multi-armed bandits
회원 평가 (5)
짧고 간단하게 유지하세요. 개념에 대한 직관 및 시각적 모델 생성(의사결정 트리 그래프, 선형 방정식, y_pred를 수동으로 계산하여 모델 작동 방식 증명)
Nicolae - DB Global Technology
Course - Machine Learning
Machine Translated
ML을 이해하려는 목표를 달성하는 데 도움이 되었습니다. 이 주제에 대한 적절한 소개를 제공한 Pablo에게 깊은 존경심을 표합니다. 3일 간의 교육 후에 이 주제가 얼마나 광대한지 분명해지기 때문입니다. 나는 또한 귀하가 제공한 가상 머신에 대한 아이디어를 많이 즐겼으며 대기 시간이 매우 좋았습니다! 이를 통해 모든 쿠저가 자신의 속도에 맞춰 실험을 수행할 수 있었습니다.
Silviu - DB Global Technology
Course - Machine Learning
Machine Translated
The way practical part, seeing the theory materializing into something practical is great.
Lisa Fekade - Vodacom
Course - Machine Learning
It's just great that all material including the exercises is on the same page and then it gets updated on the fly. The solution is revealed at the end. Cool! Also, I do appreciate that Krzysztof took extra effort to understand our problems and suggested us possible techniques.
Attila Nagy - L M ERICSSON LIMITED
Course - Machine Learning
I liked the lab exercises.