Course Outline

기계 학습

Machine Learning 소개

    기계 학습의 응용 지도 학습과 비지도 학습 기계 학습 알고리즘 회귀 분류 클러스터링 추천 시스템 이상 탐지 Reinforcement Learning

회귀

    단순 및 다중 회귀 최소 제곱법 계수 추정 계수 추정의 정확성 평가 모델의 정확성 평가 사후 추정 분석 회귀 모델의 기타 고려 사항 질적 예측 변수 선형 모델의 확장 잠재적인 문제 편향-분산 절충 [과소적합 /over-fitting] 회귀 모델의 경우

리샘플링 방법

    교차 검증 검증 세트 접근 방식 Leave-One-Out 교차 검증 k-Fold 교차 검증 k-Fold에 대한 편향 분산 트레이드 오프 Bootstrap

모델 선택 및 정규화

    부분 집합 선택 [최적 부분 집합 선택, 단계적 선택, 최적 모델 선택] 축소 방법/정규화 [능선 회귀, 올가미 및 탄력망] 조정 매개변수 선택 차원 축소 방법 주성분 회귀 부분 최소 제곱

분류

    로지스틱 회귀 로지스틱 모델 비용 함수 계수 추정 예측 승산비 성능 평가 매트릭스 [민감도/특이성/PPV/NPV, 정밀도, ROC 곡선 등] 다중 로지스틱 회귀 >2 응답 클래스에 대한 로지스틱 회귀 정규화된 로지스틱 회귀
분류를 위해 베이즈 정리를 사용한 선형 판별 분석
  • p=1에 대한 선형 판별 분석
  • p >1에 대한 선형 판별 분석
  • 2차 판별 분석
  • K-최근접이웃
  • 비선형 결정 경계를 사용한 분류
  • 서포트 벡터 머신 최적화 목표
  • 최대 마진 분류기
  • 커널
  • 일대일 분류
  • 일대다 분류
  • 분류 방법의 비교
  • Deep Learning 소개
  • ANN 구조
  • Bio논리 뉴런 및 인공 뉴런 비선형 가설 모델 표현 예 및 직관 전달 함수/활성화 함수 네트워크 아키텍처의 일반적인 클래스
  • ANN을 피드 포워드합니다.

    다층 피드포워드 네트워크의 구조 역전파 알고리즘 역전파 - 훈련 및 수렴 역전파를 이용한 기능적 근사 역전파 학습의 실무 및 설계 문제

      Deep Learning

    인공 지능 및 Deep Learning 소프트맥스 회귀 독학 딥 네트워크 데모 및 애플리케이션

      랩:

    R 시작하기

      R 소개 기본 명령 및 라이브러리 데이터 조작 데이터 가져오기 및 내보내기 그래픽 및 수치 요약 쓰기 기능

    회귀

    단순 및 다중 선형 회귀 상호 작용 항 비선형 변환 더미 변수 회귀 교차 검증 및 Bootstrap 부분 집합 선택 방법 페널티화 [Ridge, Lasso, Elastic Net]

      분류

    로지스틱 회귀, LDA, QDA 및 KNN, 리샘플링 및 정규화 지원 벡터 머신 리샘플링 및 정규화

      메모:

    ML 알고리즘의 경우 사례 연구를 사용하여 적용, 장점 및 잠재적인 문제를 논의합니다. 다양한 데이터 세트 분석은 R을 사용하여 수행됩니다.

    Requirements

    통계 개념에 대한 기본 지식이 바람직합니다.

      21 Hours

    Number of participants



    Price per participant

    회원 평가 (4)

    Related Courses

    Related Categories