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.

 강사님을 거친 수강생 후기

최석환님
 
업무에 머신러닝을 적용해보고자 여기저기서 관련 수업을 들어봤지만 이만한 수업이 없었습니다. 이 수업을 처음부터 들었더라면 많은 시간과 비용을 아낄수 있었을것 같네요. 우선 수업 커리큘럼이 굉장히 체계적이고 탄탄합니다. 기초부터 확실하게 잡아주시고요. 커리큘럼보다 더 좋았던건 강사님의 강의력이었습니다. 여러모로 이 가격에 듣기 힘든 수업이라고 생각합니다. 머신러닝 공부를 시작해보시려는 분들은 이 수업부터 꼭 수강해보시길 추천드려요!!

김재우님
 
코딩도 잘 모르고 수학도 잘 모르지만 성심성의껏 설명해주셔서 큰 도움이 되었습니다. 통계와 수학 기본 개념들 위주로 점점 발전시켜 설명해주시고 머신러닝이나 회귀분석 등 꼭 알아두면 좋은 개념들을 잘 알려주셨습니다. 결국, 인공지능도 그런 통계 확률의 개념이 모여서 만들어지는구나 느낄 수 있었고, 당장 올해부터 MBA에 진학하는데 수학적 개념들이 수업에서 유용하게 쓰일 것 같아 마음이 놓이네요. 감사합니다.

Eerl Lee님
 
통계적인 기반 지식이 없는 상태에서 독학 중이였습니다. 혼자서 하니 부분적인 내용은 이해되는데 전체적으로 연결도 안 되고 어떻게 해야 잘 할 수 있는지 감이 안 잡혔습니다. 강사님이 수업도 자주 해 보시고 수학적 기반이 되다보니 전체적인 흐름과 사고 방식에 대해 배울 수 있어서 좋았습니다. 이제 모델링을 어떻게 하는지, 머신러닝 프로젝트가 어떻게 돌아가는지 감을 잡았습니다. 수업에 집중 못할까봐 계속 질문 던져주시는데, 그 부분도 좋았습니다. (저는 눈을 회피했지만..) 심화 수업을 하신다면 듣고 싶습니다!

장석현님
 
머신러닝에 대해 관심은 있었지만, 진입 장벽이 높아서 들을까 말까 고민이 많았어요. 그래도 해야겠다는 생각이 들어서 신청했는데 결과는 대만족이었어요. 다른 곳에서는 비싼 돈 줘야 듣는데 강사님 강의는 반 정도 되는 가격에 수업의 질도 좋습니다. 강사님이 많이 알려주려 하시고, 수업 중간 중간에 잘 따라오는지 체크해주시고, 끝나도 남아서 더 알려주시고 그렇습니다. 수포자를 배려해서 알려주시는 점 또한 장점입니다. 머신러닝을 제대로 공부하실 분들은 이 수업으로 시작하셔도 좋을 것 같아요!

최수현님
 
개발자로서 딥러닝 패키지 찾아쓰는것만 공부했는데 근본 원리를 설명해주는 수업을 듣고나니 혼자 공부할때 답답했던 부분들이 해소되는 느낌이라 좋았습니다. 머신러닝을 사용하던 방법에 오류가 있었다는것도 깨달았고요. (강사님께서 사람들이 자주 실수하는 부분이라고 거듭 지적해주셨습니다.) 머신러닝 쓰고싶으면 한번 꼭 들어봐야되는 수업이라고 생각해요. 추천합니다!

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

강사소개

강사소개

유준형

- 머신러닝 스타트업 대표
- 다수 기업과 머신러닝 모델링 진행
- T여행사 여행/호텔 추천 시스템 개발
- 국내 유일 머신러닝 대회 '빅콘테스트' 수상

머신러닝 추천 시스템 개발자가 직접 가르쳐드립니다!
1. 수업은 어떤 내용을 다루고 어떻게 진행되나요?
 머신러닝 모형이 만들어지는 과정에 대해 하나하나 뜯어보는 수업이 될 것입니다. 머신러닝이 동작하는 원리를 먼저 이해시켜드리고, 학습한 내용을 한 줄 한 줄 코드로 구현해보면서 원리를 정확히 파악할 수 있도록 이론/실습을 병행하여 진행합니다. 실제 데이터를 활용하여 꾸준히 모델링을 진행해보면 본 과정이 끝난 후, 수강생 자신의 문제를 직접 해결할 수 있는 능력을 갖출 수 있게 될 것입니다.

 

2. 본 수업에서 배운 내용을 수강생 분들이 어떻게 활용할 수 있을까요?
"신용 정보를 통해 연체 여부를 예측하는 모델"
"공정 정보를 통해 불량률을 예측하는 모델"
"CT, MRI 등 의료 영상을 기반으로 질병 여부를 예측하는 모델 (이미지 분류)"
"영화 리뷰를 기반으로 긍정/부정을 예측하는 모델 (감정 분석, 자연어 처리)"
 머신러닝 모델링을 통해 위와 같은 문제뿐만 아니라, 여러분이 가지고 있는 문제를 머신러닝으로 해결할 수 있도록 도와드립니다. 각 주차별 구성된 실습 과정은 강의에서 배운 내용을 어떻게 활용해야 하는지 수강생들이 직관적으로 깨닫게 될 수 있도록 구성하였습니다.

3. 다른 강의와 어떤 차별 점이 있나요?

 많은 강의들이 “머신러닝을 어떻게 잘 사용하지?” 라는 피상적인 내용을 중심으로 제공되고 있다면, 본 강의는 ”머신러닝을 왜, 어떻게 동작하지?” 라는 내용을 중점적으로 다루며, 머신러닝 자체를 이해할 수 있도록 하는 공부하는 과정입니다. 머신러닝이라는 것은 결국, 동작 원리를 확실하게 이해하는 것이 머신러닝을 정확하게 사용하는 방법과 직결되어 있기 때문입니다.


4. 주로 어떤 분야에 있는 분들이 수강 대상에 적합할까요?

 데이터를 다루는 분야, 즉 사실상 대부분의 분야에 계신 분들이 수강하시면 좋습니다. 내가 가지고 있는 데이터에서 내가 볼 수 없는 인사이트를 뽑아낼 수 있다면 무엇보다도 값진 자산이 될 것이라 생각합니다.

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 ▼