Course Outline

인공지능에서 Machine Learning의 기초

  • 기계 학습은 인공지능의 핵심 구성 요소
  • 기계 학습의 유형: 지도 학습, 비지도 학습, 강화 학습, 반지도 학습
  • 비즈니스 애플리케이션에서 자주 사용되는 일반적인 ML 알고리즘
  • ML의 AI에서의 도전 과제, 위험 및 잠재적 용도
  • 과적합과 편향-분산 트레이드오프

Machine Learning 기술 및 워크플로우

  • Machine Learning 라이프사이클: 문제부터 배포까지
  • 분류, 회귀, 클러스터링, 이상 탐지
  • 지도 학습과 비지도 학습 중 언제 사용할지 결정
  • 비즈니스 자동화에서 강화 학습 이해
  • ML 기반 의사 결정에서의 고려 사항

데이터 전처리와 특징 공학

  • 데이터 준비: 로드, 클리닝, 변환
  • 특징 공학: 인코딩, 변환, 생성
  • 특징 스케일링: 정규화, 표준화
  • 차원 축소: PCA, 변수 선택
  • 탐색적 데이터 분석 및 비즈니스 데이터 시각화

Neural Networks와 Deep Learning

  • 신경망과 비즈니스에서의 사용 소개
  • 구조: 입력, 숨겨진, 출력 레이어
  • 역전파 및 활성화 함수
  • 분류 및 회귀를 위한 신경망
  • 예측 및 패턴 인식에서의 신경망 사용

판매 Forecasting와 Predictive Analytics

  • 시계열 대비 회귀 기반 예측
  • 시계열 분해: 트렌드, 계절성, 주기
  • 기술: 선형 회귀, 지수 평활화, ARIMA
  • 비선형 예측을 위한 신경망
  • 사례 연구: Forecasting 월간 판매량

Business 응용 사례 연구

  • 선형 회귀를 사용한 예측 성능 향상을 위한 고급 특징 공학
  • 클러스터링 및 자기 조직화 맵을 사용한 세분화 분석
  • 소매 통찰을 위한 시장 바스켓 분석 및 연관 규칙 마이닝
  • 로지스틱 회귀, 의사 결정 트리, XGBoost, SVM을 사용한 고객 기본 분류

요약 및 다음 단계

Requirements

  • 머신러닝의 기본 원칙과 그 응용에 대한 이해
  • 스프레드시트 환경 또는 데이터 분석 도구에서 작업하는 데 익숙함
  • Python 또는 다른 프로그래밍 언어에 대한 약간의 경험은 도움이 되지만 필수적이지 않음
  • 머신러닝을 현실 세계의 비즈니스 및 예측 문제에 적용하는 데 관심

대상

  • Business 분석가
  • AI 전문가
  • 데이터 중심의 의사결정자 및 관리자
 21 Hours

Number of participants


Price per participant

회원 평가 (2)

Upcoming Courses

Related Categories