데이터 사이언티스트에게 배우는 파이썬 머신러닝 & 포트폴리오

2-1. 결과값의 정확도 - 공분산과 상관계수

2-2. 집 값이 비싼 지역은 어디일까 (차원축소)

2-3. 집 값이 비싼 지역은 어디일까 (차원축소 실습) (1)

2-4. 집 값이 비싼 지역은 어디일까 (차원축소 실습) (2)

2-5. 집 값이 비싼 지역은 어디일까 (차원축소 실습) (3)

2-6. 무엇이 집 값의 차이를 크게 만들까 (클러스터링)

2-7. 무엇이 집 값의 차이를 크게 만들까 (클러스터링 실습) (1)

2-8. 무엇이 집 값의 차이를 크게 만들까 (클러스터링 실습) (2)

3-1. 기계는 어떻게 학습하는가 - 지도학습

3-2. 머신러닝 예측 확률 높이기 (kNN)

3-3. 머신러닝 예측 확률 높이기 (kNN 실습) (1)

3-4. 머신러닝 예측 확률 높이기 (kNN 실습) (2)

3-5. 꽃의 종류를 예측하는 머신러닝 (의사결정나무)

3-6. 꽃의 종류를 예측하는 머신러닝 (의사결정나무 실습) (1)

3-7. 꽃의 종류를 예측하는 머신러닝 (의사결정나무 실습) (2)

3-8. 모델 성능 측정하기

4-1. 머신러닝의 성능과 정확도를 향상 시켜주는 기법 - 앙상블

4-2. 예금 가입 가능성이 높은 고객 예측 (배깅)

4-3. 예금 가입 가능성이 높은 고객 예측 (배깅 실습)

4-4. 예측과 다른 고객을 통해 더 높은 실적 노려보기 (부스팅)

4-5. 예측과 다른 고객을 통해 더 높은 실적 노려보기 (부스팅 실습)

5-1. 모델의 해석이 필요한 이유

5-2. 변수중요도 (실습)

5-3. Shap Value 원리

5-4. Shap Value 실습

1-1. 데이터 분석가의 업무

1-2. 데이터 분석 과정

2-1. 프로젝트 관리하기

2-2. 깃허브 관리하기

2-3. 포트폴리오 관리하기

3-1. 라이벌 팀과 비교 하며 부족한 포지션 찾기 (1)

3-2. 라이벌 팀과 비교 하며 부족한 포지션 찾기 (2)

3-3. 라이벌 팀과 비교 하며 부족한 포지션 찾기 (3)

3-4. 그래서 어떤 선수를 영입해야 하는거야

4-1. kaggle 대회 참여를 위한 준비 - 피처 엔지니어링

4-2. kaggle 대회 참여와 고득점을 위한 분석 - 베이스라인 모델 (1)

4-3. kaggle 대회 참여와 고득점을 위한 분석 - 베이스라인 모델 (2)

4-4. 보조 데이터를 이용하여 성능 올리기 (1)

4-5. 보조 데이터를 이용하여 성능 올리기 (2)

5-1. ML 포트폴리오의 기본

5-2. 문제정의 및 분석과정 정리 (1)

5-3. 문제정의 및 분석과정 정리 (2)

5-4. 문제정의 및 분석과정 정리 (3)

5-5. 문제정의 및 분석과정 정리 (4)

5-6. 문제정의 및 분석과정 정리 (5)

6-1. 포트폴리오 요약