문의를 보내주셔서 감사합니다! 팀원이 곧 연락드리겠습니다.
예약을 보내주셔서 감사합니다! 저희 팀 멤버 중 한 분이 곧 연락드리겠습니다.
기간 14 시간
코스 개요
1. 머신러닝 개요
- 머신러닝이란 무엇인가?
- 데이터 분석과의 관계 및 확장성
-
일반적인 비즈니스 활용 사례:
- 매출 예측
- 고객 세그먼트화
- 이탈률 예측
2. 데이터 분석에서 머신러닝으로의 전환
- 복습: Pandas를 활용한 데이터 처리
- 기술 설명 중심 분석에서 예측 중심 분석으로의 전환
- 머신러닝 문제 정의하기
3. 간략한 머신러닝 워크플로우
- 데이터셋 준비하기
- 데이터 분할: 훈련용 및 테스트용 데이터
- 모델 학습시키기
- 예측 수행하기
4. 머신러닝을 위한 데이터 준비
- 결측값 처리 방법
- 범주형 변수 인코딩 기법
- 기본적인 특징 선택 방법
- 스케일링 개념에 대한 설명
5. 지도 학습 실습
회귀 분석
- 선형 회귀의 원리와 사용법
- 활용 사례: 수치 데이터 예측 (예: 매출액, 수요량)
분류 분석
- 로지스틱 회귀의 원리와 사용법
- 활용 사례: 이진 결과 예측 (예: 고객 이탈 여부, 사기 발생 가능성)
6. 비지도 학습
클러스터링
- K-평균 클러스터링 알고리즘
- 활용 사례: 고객 그룹화 및 세그먼트화
7. 간단한 모델 평가 방법
- 훈련용 데이터와 테스트용 데이터에서의 성능 비교
- 분류 작업 시 정확도 측정법
- 회귀 분석 시 오차에 대한 기본적 이해
8. 결과 해석하기
- 모델 출력값을 올바르게 이해하는 방법
- 데이터 내 패턴 및 경향성 파악법
- 결과를 비즈니스 인사이트로 전환하는 방법
9. 실제 전체 과정 예시
- 데이터셋 로드하기
- 데이터 준비 및 정리하기
- 모델 학습시키기
- 성능 평가 수행하기
- 유용한 인사이트 추출하기
요건
선수 조건
- 파이썬에 대한 기초 지식
- Pandas 및 데이터셋 다루기에 익숙해야 합니다
- 기본적인 데이터 분석 개념을 이해하고 있어야 합니다
대상자
- 데이터 분석가
- 파이썬 기초 지식을 갖춘 비즈니스 분석가
- ‘데이터 분석을 위한 파이썬’ 과정 또는 이와 동등한 교육을 이수한 전문가
- 머신러닝 입문자
회원 평가 (2)
AI를 전혀 사용하지 않은 사용자에게 프롬프팅 시 반복 전략을, AI를 이미 활용하고 있는 사용자에게는 다양한 사용 방법과 접근 방식을 고려하도록 안내하는 것입니다.
Matthew Gay - Tarsus Pharmaceuticals
코스 - Artificial Intelligence (AI) Overview
기계 번역됨
초점 있게 근본 원칙을 바탕으로 작업하고, 같은 날 내부 사례 연구를 적용하는 것
Maggie Webb - Department of Jobs, Regions, and Precincts
코스 - Artificial Neural Networks, Machine Learning, Deep Thinking
기계 번역됨
