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
소개
- 통계학습(통계분석)과 머신러닝의 차이점
- 금융회사와 은행업의 머신러닝 기술 채택
다양한 종류 Machine Learning
- 지도 학습과 비지도 학습
- 반복 및 평가
- 편향-분산 트레이드오프
- 지도 학습과 비지도 학습 결합(반지도 학습)
Machine Learning Languages 및 도구 세트
- 오픈 소스와 독점 시스템 및 소프트웨어 비교
- R 대 Python 대 Matlab
- 라이브러리 및 프레임워크
Machine Learning 사례 연구
- 소비자 데이터와 빅데이터
- 소비자 및 기업 대출의 위험 평가
- 감정 분석을 통한 고객 서비스 개선
- 신원 사기, 청구서 사기, 자금 세탁 탐지
R 소개
- RStudio IDE 설치
- R 패키지 로드
- 데이터 구조
- 벡터
- 요인
- 기울기
- 데이터 프레임
- Matrixes 및 배열
Machine Learning 데이터 로드 방법
- Database, 데이터 웨어하우스 및 스트리밍 데이터
- Hadoop 및 Spark를 사용한 분산 저장 및 처리
- 데이터베이스에서 데이터 가져오기
- Excel 및 CSV에서 데이터 가져오기
모델링 Business 지도 학습을 통한 의사결정
- 데이터 분류(분류)
- 회귀 분석을 사용하여 결과 예측
- 사용 가능한 기계 학습 알고리즘 중에서 선택
- 의사결정 트리 알고리즘 이해
- 랜덤 포레스트 알고리즘 이해
- 모델 평가
- 운동
회귀 분석
- 선형 회귀
- 일반화 및 비선형성
- 운동
분류
- 베이지안 복습
- 나이브 베이즈
- 로지스틱 회귀
- K-최근접이웃
- 운동
실습: 추정 모델 구축
- 고객 유형 및 이력을 기반으로 대출 위험 평가
Machine Learning 알고리즘의 성능 평가
- 교차 검증 및 리샘플링
- Bootstrap 집계(배깅)
- 운동
모델링 Business 비지도 학습을 통한 의사결정
- 샘플 데이터 세트를 사용할 수 없는 경우
- K-평균 클러스터링
- 비지도 학습의 과제
- K-평균을 넘어
- 베이즈 네트워크 및 마르코프 숨겨진 모델
- 운동
실습: 추천 시스템 구축
- 새로운 서비스 제공을 개선하기 위해 과거 고객 행동을 분석합니다.
회사의 역량 확장
- 클라우드에서 모델 개발
- 추가 GPU를 통해 기계 학습 가속화
- 컴퓨터 비전, 음성 인식 및 텍스트 분석을 위한 Deep Learning 신경망 적용
맺음말
Requirements
- Programming 모든 언어 경험
- 통계 및 선형 대수학에 대한 기본 지식
28 Hours