한줄씩 코드를 뜯어보며
원리를 배우는 머신러닝 입문

- 머신러닝 추천 시스템 개발자가 직접 가르쳐 드립니다.

 

머신러닝 기법을 내 업무에 적용해 보고싶다면?

개발과 통계를 몰라도 누구나 쉽게 머신러닝 입문 할 수 있도록 도와드립니다. 수강 후 머신러닝을 정확히 이해하고 업무에 활용해 보세요.

일    정08.11 ~ 09.15 | 6회
매주 토요일 14:00 ~ 18:00 | 일 4시간
총 24시간 강의
정    원15명
준비물노트북
가    격75만 원60만 원
장    소러닝스푼즈 강의장
강남대로94길 15, S2빌딩 3층

*강남역 11번 출구 3분 거리 (지도확인)

머신러닝 학습은 머신러닝 동작원리를 정확히 이해해야 합니다

01

운영/개선/해결 등 응용이 가능하도록 머신러닝의 정확한 원리를 학습

단순히 머신러닝의 기법만 소개하고, 코드로 구현하는 강의가 아닙니다.
"통계적 학습 이론" 을 통해 머신러닝의 원리를 정확히 이해하고, 머신러닝을 대하는 역량 그 자체를 길러드립니다. 머신러닝 라이브러리 코드를 한줄 한줄 뜯어보며 동작 원리를 정확히 이해합니다. 이미 머신러닝을 구현해 본 분들도 이전 학습의 부족한 부분을 채울 수 있습니다.

02

머신러닝에 필요한 기초 통계학/수학 및 프로그래밍 지식을 한번에 해결

머신러닝을 배우기 위해 방대한 기초 수학/통계학을 공부하고 계신가요?
본 과정은 머신러닝 이해를 위해 필요한 수학/통계학만 선별해서 알려드립니다. 어려운 수학/통계학은 필요하지 않습니다. 딱 머신러닝에 필요한 만큼만 학습하세요. 기초 수학/통계학에 대한 막연한 두려움은 접고, 머신러닝에 대한 열의만 가져오세요.

03

머신러닝의 전 과정을 복습하는 Kaggle Project 도전

우리 수업에서는 강사님이 선정한 Kaggle Project에 함께 도전하고, 솔루션을 찾을 예정입니다.
Kaggle이란, 비즈니스 문제에 상금을 걸고 데이터 분석을 통해 해결하는 플랫폼입니다. 데이터 분석가들이 모여 솔루션을 두고 경쟁하며 랭킹 1위에게 상금이 주어집니다. Kaggle Project로 신뢰할 수 있는 데이터를 활용해 전처리부터 알고리즘 적용, 최적화까지 머신러닝의 전 과정을 경험합니다. 수강 후, 머신러닝의 성능을 개선하고 원하는대로 운영하는 능력을 갖추게 됩니다.

입문자는 머신러닝 첫 단추부터 제대로 학습하도록
중급자는 머신러닝 운영에 부족한 부분을 채우도록
Kaggle Project로 머신러닝 전 과정을 경험하도록

러닝스푼즈
머신러닝 코스에
전부 준비되어 있습니다

수강대상

01 머신러닝을 정확히 이해하고 업무에 활용하고 싶으신 분

02 기초 수학/통계학과 머신러닝 학습을 한번에 배우고 싶으신 분

03 실무에서 발생하는 문제점을 머신러닝으로 해결하고 싶으신 분

04 머신러닝 라이브러리로 모델링은 해봤으나 정확한 원리를 알고 싶은 분

머신러닝 기법을 내 업무에 적용해 보고 싶은 분이라면 지금 신청하세요!
개발과 통계를 몰라도 누구나 쉽게 머신러닝 입문 할 수 있도록 도와드립니다.

커리큘럼

시간
내용
1주차
강의목표
머신러닝을 공부하기 위해 기본을 다지는 시간입니다. 가장 기본적인 머신러닝 모형인 선형 회귀 분석 모형을 직접 구현해보면서, 수학/통계학, 프로그래밍 기초까지 자연스럽게 습득할 수 있습니다.

✔ 이론

- 머신러닝이란 무엇인가?
- 머신러닝을 위한 "선형대수 & 수치해석"
- 머신러닝 최적화 기법
✔ 실습
- 'R' 프로그램 환경 세팅 및 기초 문법
- 가장 기본적이고, 핵심적인 머신러닝 모형 구현(선형회귀)
2주차

 

강의목표
머신러닝을 정확히 이해하기 위해 통계적 추정에 대해 공부하고, 좋은 추정의 기준을 학습합니다. 특히, ‘Learning (학습)’의 기준을 제시하는 베이즈 추론과 머신러닝에서 가장 중요한 테크닉인 교차 검증법을 사례를 통해 학습하며 올바른 교차 검증법을 습득합니다.

✔ 이론

- 머신러닝을 위한 "베이지안 추정 & 통계학 기초"
- 머신러닝 오류를 정확히 이해하고, 오차를 추정하기 위한 교차 검증법
- 머신러닝 정규화 기법: Ridge & LASSO & Elastic net
✔ 실습
- Ridge & LASSO & Elastic net
- Hyperparameter 튜닝 방법
3주차강의목표
이진 분류를 위한 로지스틱 회귀분석, 다중 분류를 위한 소프트맥스 회귀분석에 대해 배우며 딥러닝 모형을 공부하기 위한 기초를 다집니다. 분류 모형을 평가하기 위한 precision, recall, PRAUC 등 여러 지표를 알아봅니다.

✔ 이론 및 실습

- 머신러닝을 위한 "확률론 기초"
- 로지스틱 회귀분석, 소프트맥스 회귀분석
- 분류 모형의 평가 지표 [precision, recall, PRAUC]
4주차강의목표
지금까지 학습했던 모형들과는 조금 다른 의사결정나무를 배웁니다. 의사결정나무의 성능을 개선하기 위한 여러 시도에 대해 알아보고, 그 중 랜덤 포레스트와 그래디언트 부스팅에 대해 공부합니다.

✔ 이론 및 실습

- 의사 결정 나무 [Decision Tree, CART]
- 배깅 : 랜덤 포레스트 [Bagging : Random Forest]
- 부스팅 : Adaboost & Gradient Boosting (XGBoost)
- 머신러닝 모형을 선택하는 방법
5주차강의목표
최근 각광받고 있는 딥러닝 모형의 기초가 되는 다층 퍼셉트론 모형에 대해 공부합니다. 라이브러리를 사용하지 않고 구현해 본 후, Keras package를 통해 다시 한 번 구현해보며 라이브러리 사용법도 함께 학습합니다.

✔ 이론 및 실습

- 다층 퍼셉트론 [MLP, Multilayer Perceptron]
- 합성곱 신경망 [CNN, Convolutional Neural Network]
- Keras Package
6주차: Kaggle Project강의목표
데이터 전처리와 Feature Engineering, 결측치 처리 등 현실적으로 모델링을 하는데 중요하게 작용하는 테크닉을 배웁니다. 지금까지 배운 머신러닝 내용을 바탕으로, Kaggle Competition 에 참가하여 실제 데이터를 다루어 모델링 과정을 진행해 봅니다.

✔ 이론 및 실습

- 데이터 전처리
- Feature Engineering
- [최종 프로젝트] Kaggle Competition

수강료 75만 원60만 원

 

수강신청은 결제 순으로 선착순 마감될 수 있습니다.
개강 후 환불은 학원법 시행령 <제18조 제3항> 수강료 반환기준에 의거합니다.

 

*환불 세부규정 확인하기 (클릭)

15만 원 할인, 놓치지 마세요!

러닝스푼즈의 추천 강의 ▼