[오프+온라인 라이브 / 녹화본 제공]

머신러닝 프로세스 구축을 위한 경진대회 참여

머신러닝 입문부터 개별 파이썬 머신러닝 프로젝트까지 한번에 -

강의 난이도
3/5

경진대회 참여로 배우는 ' 머신러닝 ' 기초부터 실전 적용까지!
2개의 과제 프로젝트와 함께 최종 개인 프로젝트를 진행합니다.

총 3개의 결과물을 만들어 포트폴리오 제작으로 실무와 유사한 프로젝트 경험을 만들어보세요.

쉽게 찾아볼 수 있는 머신러닝과 관련된 책과 강의들.
하지만 대부분 이론과 준비된 실습을 하고 끝나버려 나만의 코드를 구현하기 어렵습니다.

배운 내용을 적용해보면서 나만의 프로젝트를 만들 수 있도록 –
머신러닝 기초부터 실전 적용까지 한 번에!

최종적으로 준비된 코드로 실습하는 것이 아닌 내가 직접 경진대회를 참여해
‘나만의’ 프로젝트 경험을 쌓을 수 있습니다.

2개의 프로젝트와 1번의 경진대회를 경험하며 머신러닝에 대한 전반적인 흐름을 배워보세요.

일정

21.08.15 ~ 21.09.26 | 총 6회
매주 일요일 14:00 ~ 17:00, 총 18시간
* 09월 19일 추석 연휴 휴강

정원 및 준비물

총 15명
노트북

장소

러닝스푼즈 강의장
강남대로 94길 15, S2빌딩 4층
머신러닝
언제까지 남들과 똑같은 프로젝트만 진행하실건가요?
내가 작성한 코드로 프로젝트를 진행해봐야
머신러닝 프로세스를 이해할 수 있습니다.
그래서 우리는 2번의 연습 프로젝트 후,
최종적으로 데이콘 경진대회에 참가나만의 개별 프로젝트를 통해
머신러닝 프로세스를 익힐 수 있습니다.
머신러닝
머신러닝
[분류] 심리 성향 예측
https://url.kr/yfjbm1
[회귀] 생체광학 뇌 내 성분 분석
https://url.kr/vjlouw
[분류] 신용카드 사용자 연체 예측
https://url.kr/2d3iw6

매 기수마다 변경되는
나만의 개별 프로젝트를 진행해보면서
실무와 유사한 머신러닝 데이터 분석 프로세스를 익혀보세요.

강의 하나로 머신러닝의 이론과 실습 그리고 실전까지
모두 한번에 챙겨갈 수 있는 특별한 기회!

| 강의특징

01

기초 라이브러리 활용부터
실무 필수 라이브러리까지.

통계적인 지식이 없어도, 파이썬 기초 실력만으로 머신러닝 알고리즘을 기초부터 활용까지 탄탄하게 배울 수 있습니다. Pandas, Numpy, Scikit-Learn 등의 기초 머신러닝 라이브러리부터 XGBoost, LightGBM, NNI 등 현업 및 경진대회에서 자주 사용되는 최신 라이브러리를 학습할 수 있는 커리큘럼으로 구성되어 있습니다.
02
경진대회 참여로
실제 프로젝트 경험을 한번에.
힘들게 머신러닝 이론을 배워봤자 직접 적용하지 못하면 아무런 의미가 없습니다. 또한 연습용 데이터로 백 날 연습해봐야 실전에서 써먹지도 못합니다. 본 과정은 이론 3 / 실습 7 비율의 커리큘럼으로 구성되어 있습니다. 그리고 캐글 및 데이콘에서 제공하는 실제 경진대회 데이터를 활용하여 현업과 유사한 데이터를 간접 경험할 수 있습니다.
03
신약개발 AI 엔지니어 실무 노하우와 피드백 제공.
수업에서 진행하는 프로젝트와 관련된 피드백은 물론 실무 적용, 경진대회 등 다양한 상황에서의 머신러닝 적용과 관련된 피드백을 온·오프라인으로 받으실 수 있습니다. 페이스북 캐글 코리아 운영진이자 캐글 상위 2%. 그리고 다양한 기업 프로젝트를 경험해보셨던 강사님의 꼼꼼한 피드백을 받아보세요!
그런데
왜 경진대회로 머신러닝을 배우는 걸까요?
머신러닝 프로세스 파악
우리는 프로젝트와 경진대회를 통해 머신러닝 데이터 분석 프로세스를 경험하고 ‘우선순위’를 정하는 능력을 키웁니다.
실무와 유사한 프로젝트
학습을 위한 iris 데이터가 아닌 실무와 가까운 데이콘의 경진대회 데이터를 활용합니다. 현업과 유사한 문제를 해결하는 경험을 할 수 있습니다.
포트폴리오를 위한 결과물
2번의 개인 프로젝트와 데이콘 경진대회 참가로 포트폴리오에 활용할 수 있는 총 3개의 결과물을 만들어냅니다.
그렇다면, 경진대회를 참여하기 위해
과정은 어떻게 진행될까요?
머신러닝
01
사전준비 – 매회차 과제로 학습 현황 check
데이콘 경진대회에 참여하기 위해, 머신러닝 기초부터 차근차근 단계를 밟아 나갑니다. 실무는 물론 경진대회에서 활발하게 사용하고 있는 머신러닝 기법을 중점적으로 학습하며, 수업 후 적절한 과제는 물론 1·2차 프로젝트를 경험하며 복습을 돕습니다.
머신러닝
02
데이콘 경진대회 ‘월간 데이콘’ 참여
데이콘은 한국형 캐글이라 불리는 곳으로, 많은 기업과 공공기관의 데이터를 분석하여 상금을 획득하는 방식의 경진대회 플랫폼입니다. 지금까지 배웠던 내용을 바탕으로 실전 머신러닝 데이터 분석을 위해 경진대회에 참가합니다.
*경진대회는 데이콘 규정 상 이미 종료된 대회를 바탕으로 매기수 강사님이 적절한 것을 선별하여 진행합니다.
머신러닝
03
코드 리뷰 및 조언
매 회차 진행되는 과제 후, 강사님의 전체 코드 리뷰가 진행됩니다. 이 과정에서 과제 프로젝트 코드 리뷰를 통해 자신의 실력을 더욱 확고히할 수 있습니다. 특히 모든 프로젝트에서 작성된 코드에 대해 이후 ‘포트폴리오’로 활용될 수 있도록 조언해드립니다.
이 모든 과정을
현업에서 머신러닝 프로세스 구축을
활발히 하고 있는 강사님의 노하우에 따라 배워보세요.
머신러닝
강천성 강사
(현) 신약개발 AI 스타트업 AI Engineer
(전) SK주식회사 C&C DB Engineer
– 페이스북 커뮤니티 캐글 코리아 운영진
– 캐글 경진대회 참여, 상위 2%
– 국내 L 백화점 데이터 분석 프로젝트 참여
– 충남대학교 병원 의료 데이터 분석 프로젝트 참여
– 삼성, sk 등 머신러닝 강의 진행

| 수강효과

01
머신러닝 기법을 적용하여
성과 창출 능력 향상
데이터 분석. 특히 머신러닝을 활용하는 이유는 결과물을 바탕으로 정확한 성과를 창출해낼 수 있기 때문입니다. 머신러닝은 더 이상 전문가의 산유물이 아닙니다. 마케터, 기획자, 인사담당자 그리고 분석가 등 모든 직군의 수강생분들이 머신러닝을 자신의 데이터에 적용해 인사이트를 발굴해 성과를 창출해낼 수 있습니다.
02
머신러닝 데이터 분석의
올바른 과정 설계 능력 습득
머신러닝 알고리즘의 기초 개념과 원리를 학습한 후 다양한 실습을 통해 머신러닝 분석의 전반적인 과정을 설계할 수 있는 능력을 갖추게 됩니다. 이후 ‘A 데이터에는 B 기법을 사용해야 한다’ 등과 같은 판단력이 생깁니다. 전처리, 모델선택, 학습, 후처리 등 머신러닝 파이프라인을 설계할 수 있는 능력으로 결과물의 퀄리티를 높여 성과를 창출해보세요!
03
커리어에 활용할 수 있는 포트폴리오
과정에서 진행하는 2번의 개인 프로젝트 및 최종 경진대회 참여를 통해 최대 3개의 결과물을 얻어가실 수 있습니다. 특히 경진대회 관련 뛰어난 경력을 가진 강사님께서 Github 사용법 및 포트폴리오 제작법 등을 안내해 직접 코칭해드립니다. 결과적으로 취업 및 이직, 그리고 승진에 활용하실 수 있는 커리어를 쌓으실 수 있도록 도와드립니다.

| 수강대상

Python 기초와 Numpy, Pandas 등 정형 데이터를 다룰 수 있는 라이브러리 기초를 학습한 수강생

머신러닝 관련 도서 1권 이상 보았거나, 입문 단계에서 초급 및 중급 단계로 넘어가고 싶은 수강생

실제 데이터를 다뤄보며 기본기를 다지고, 프로젝트에서 적용할 수 있는 실전 기술을 익히고 싶은 수강생

기초뿐만 아니라 경진대회나 실무에 도전할 수 있는 수준을 목표로 하는 강의이며,
본 강의를 수강한 이후에는 데이터를 살펴보고 목적에 맞는 머신러닝 파이프라인을 설계할 수 있는 능력을 갖출 수 있게 됩니다.

– 강사님 인터뷰 –

| 수강후기

머신러닝
박건희
Read More
파이썬 머신러닝과 경진대회와 관련된 전반적인 프로세스를 배울 수 있어서 좋았습니다. 특히 강의 자료가 굉장히 좋았음은 물론 카카오톡 단체 채팅방을 통한 강사님의 피드백이 즉각적이어서 너무 감사했습니다.
이상목
Read More
데이터 분석에 대한 기본적인 파이프 라인을 알 수 있었습니다. 특히 캐글이나 데이콘과 같은 경진대회에 참가하는 것이 대한 두려움을 줄일 수 있었어요. 강사님께서 강의전, 후로 해주시는 질의응답을 정말 잘해주셨습니다.
최진
Read More
모든 커리큘럼 중에서 특히 Auto ML까지 다뤄주신 부분이 가장 마음에 들었습니다. 실제로 책이나 웹에서 배우기 어려운 부분까지 알려주셔서 많은 도움이 되었습니다.
김이훈
Read More
제가 가장 만족했던 부분은 강사님의 열정이었습니다. 어떻게 보면 한 번 보면 끝날 관계일 수 있지만, 강의가 진행되는 6주간 항상 과제를 준비해오시고, 제출하면 개개인별로 피드백을 주시는 것까지. 마치 1:1 과외를 받는 느낌이 들 정도로 꼼꼼하셨습니다. 특히 6회차가 모두 종료된 후 강의를 수료하신 분들만 가입할 수 있는 단톡방을 따로 운영하셔서 사후관리 또한 만족했습니다.
김재원
Read More
책이나 인터넷 강의에서 사용되는 정제된 데이터가 아닌, 실제 데이터를 접함으로써 데이터 분석을 하며 신경써야 할 부분들을 많이 배웠습니다. 현업자만 알 수 있는 TIP들이었어요. 고생하셨습니다!
Previous
Next

| 강의자료

이해하기 쉽게 설명되어 있는 교재
머신러닝
복습을 도와주는 꼼꼼한 스크립트

| 커리큘럼

– 전처리, 모델 선택, 학습, 후처리등으로 이루어진 기본 머신러닝 파이프라인의 흐름을 배웁니다. 또한, 프로젝트를 진행하며 저지르기 쉬운 실수와 주의사항에 대해 알아봅니다.
– Anaconda, Jupyter Lab등 머신러닝 개발 환경을 구축합니다.
– 정형 데이터를 다루기 위한 Numpy와 Pandas 라이브러리의 기본적인 사용 방법에 대해 실습을 진행합니다.
– 데이터의 분포, 자료 형, 값의 범위를 조정하는 스케일링, 결측치를 처리하는 방법, 범주형 변수를 다루는 방법들에 대해 배웁니다.

이론
– 머신러닝 프로젝트의 흐름
– Anaconda, Jupyter 등 머신러닝 개발 환경 라이브러리 소개
– Numpy, Pandas 라이브러리 소개
– 스케일링, 결측치 처리 범주형 변수 인코딩 등 기초 전처리 이론

실습
– Numpy, Pandas 라이브러리 기본 사용법
– 스케일링, 결측치 처리(MICE), 범주형 변수 인코딩 등 전처리 실습
– 개인 프로젝트 데이터 전처리 실습
– 지도 학습 알고리즘의 종류 중 하나인 분류(Classification)에 대해 학습합니다.
– 로지스틱 회귀, SVM, 결정 트리, 랜덤 포레스트 등 기본적인 머신러닝 알고리즘부터 경진대회에서 자주 사용되는 모델에 대해 학습하고 실습을 진행합니다.
– 분류 모델을 위한 평가 방법과 혼동 행렬(Confusion Matrix)을 통해 분류 모델 평가 시 주의 사항에 대해 배우고 실습을 진행합니다.

이론
– 분류 모델 기초 이론
– 분류 모델 평가 방법과 주의사항
– 경진대회에서 자주 사용되는 모델

실습
– Logistic Regression, SVM, Decision Tree, Random Forest 모델 실습 및 평가
– XGBoost, LightGBM 라이브러리 모델 실습 및 평가
– 개인 프로젝트 데이터에 분류 모델 실습
– 선형 회귀(Linear Regression)의 기본적인 개념에 대해 학습합니다.
– 머신러닝 모델을 기반으로한 회귀 모델의 개념 및 실습을 진행합니다.
– 회귀 모델을 위한 평가 방법과 회귀 모델 평가 시 주의 사항에 대해 배우고 실습을 진행합니다.
– 비지도 학습의 대표적인 군집화(Clustering)에 대해 학습합니다.
– 군집화 알고리즘의 원리와 군집화 알고리즘을 위한 평가 방법을 배우고 실습을 진행합니다.

이론
– 회귀 모델 기초 이론
– 회귀 모델 평가 방법과 주의사항
– 머신러닝 모델을 기반으로한 회귀 모델
– 군집화 기초 이론(k-MEANS, DB-SCAN 등)

실습
– Linear Regression 모델 및 머신러닝 모델을 기반으로 한 회귀 모델 실습 및 평가
– k-means, DB-SCAN군집화 알고리즘 실습 및 평가
– 개인 프로젝트 데이터에 회귀 및 군집화 모델 실습
– 주어진 데이터 뿐만아니라 학습하지 않은 데이터에 대해 일반화 성능을 향상시키기 위한 모델 검증과 앙상블에 대해 학습합니다.
– 단일 모델 자체의 성능을 향상시킬 수 있는 하이퍼 파라미터 탐색을 배워봅니다.
– 교차 검증(Cross Validation), 투표 앙상블(Voting Ensemble) 등 모델의 일반화 성능을 향상시킬 수 있는 알고리즘을 배워봅니다.

이론
– 모델 검증 기초 이론
– 앙상블 기초 이론

실습
– k-Fold을 활용하여 모델 교차 검증 실습
– Grid Search을 활용하여 하이퍼 파라미터 탐색 알고리즘 실습
– Voting, Out-Of-Fold 모델 앙상블 실습
– 개인 프로젝트 데이터에 모델 검증 및 앙상블 실습
– 고급 앙상블 기법인 스태킹 앙상블에 대해 학습합니다.
– 좋은 변수를 선별하기 위한 기법 중 하나인 Permutation Importance에 대해 학습하고 실습을 진행합니다.
– AutoML 라이브러리 (NNI)를 활용한 파라미터 튜닝에 대해 학습하고 실습을 진행합니다.

이론
– 스태킹 앙상블 기초 이론
– 변수 선택 기법 이론
– AutoML(NNI) 라이브러리 소개

실습
– 스태킹 앙상블
– 변수 선택 기법 실습 (Permutation Importance)
– AutoML (NNI) 라이브러리를 활용한 하이퍼 파라미터 튜닝 실습
본 강의에서 배운 모든 내용을 최종적으로 점검하는 프로젝트 및 리뷰를 진행합니다. 최종 프로젝트는 정해진 시간 동안 주어진 데이터의 목적에 맞게 머신러닝 파이프라인을 구축하는 테스트 입니다. 프로젝트 종료 후 리뷰를 통해 수강생이 본 강의를 수강하는 동안 얼마나 성장하였는지 인식하고 부족한 부분을 채울 수 있도록 돕습니다.

| 강사소개 및 인터뷰

강천성
(현) 신약개발 AI 스타트업 AI Engineer
(전) SK주식회사 C&C DB Engineer

프로젝트 이력
– 페이스북 커뮤니티 캐글 코리아 운영진
– 캐글 경진대회 참여, 상위 2%
– 국내 L 백화점 데이터 분석 프로젝트 참여
– 충남대학교 병원 의료 데이터 분석 프로젝트 참여

강의 이력
– 삼성 청년 SW 아카데미 개발자 특강 진행
– 서울 IT 직업전문학교, 캐글 & 머신러닝 특강
– Dacon, 머신러닝 기초 특강
– 한국토지주택공사 국토 도시 데이터분석 경진대회 자문
– SK Planet, T-Academy 머신러닝 기초 특강 진행
– 삼성전자 반도체 부문 임직원 머신러닝, 딥러닝 기초 실습 진행
1. 자기소개 부탁드립니다.
안녕하세요. 신약개발 인공지능 스타트업에서 AI Engineer 업무를 담당하고 있는 강천성입니다. 머신러닝 경진대회를 준비하거나 실무에 머신러닝 기술을 적용하고자 하는 분에게 현업 프로젝트 경험과 다양한 머신러닝 경진대회 경험을 압축하여 활용하실 수 있도록 도와드리겠습니다.
2. 강의에서는 주로 어떤 내용을 다룰 예정이시고, 어떤 형태로 진행되나요?
입문 강의가 아닌 기초~중급 단계의 강의이므로 머신러닝 알고리즘의 기초부터 실제 머신러닝 프로젝트에 사용할 수 있는 기술 및 노하우를 전달해드리려고 합니다. 프로젝트(과제)를 통해 배운 것을 즉시 활용하여 적용해볼 수 있도록 진행할 예정입니다.
3. 본 강의에서 배운 내용을 수강생 분들이 어떻게 활용할 수 있을까요?
머신러닝 입문 단계에서 기초, 중급으로 나아갈 수 있도록 도와드리겠습니다. 기초뿐만 아니라 경진대회나 실무에 도전할 수 있는 수준을 목표로 하는 강의이며, 본 강의를 수강한 이후에는 데이터를 살펴보고 목적에 맞는 머신러닝 파이프라인을 설계할 수 있는 능력을 갖출 수 있게 됩니다.
4. 다른 강의와 어떤 차별 점이 있나요?
1. 실제로 프로젝트를 경험해보지 않으면 얻을 수 없는 노하우를 배울 수 있습니다. 뿐만 아니라 앙상블, 모델 튜닝(AutoML), 실험 관리 등 프로젝트를 진행하면서 유용하게 쓰일 수 있는 라이브러리들에 대해 배우고 실습을 진행할 수 있습니다.

2. 오프라인 강의뿐만 아니라 과제 및 별도의 온라인 세션을 통해 질의 응답 및 코칭을 진행할 예정입니다. 지속적으로 수강생분들의 의견을 반영하여 좋은 강의가 될 수 있도록 노력하겠습니다.
5. 마지막으로 수강생들에게 하고 싶으신 말
‘빠르게 전문가로 만들어드리겠습니다.’ 라는 말씀은 드리지 않겠습니다. 또한, 본 강의를 수강하며 과제와 프로젝트로 인해 힘드실 수 있습니다. 하지만 자신 있게 말씀드릴 수 있는 건 본 강의를 제대로 수강하신 분이라면 데이터를 보고 무엇을 시도해봐야 할지 어떤 방식으로 프로젝트를 진행해야 할지 판단하고 적용할 수 있는 수준으로 만들어드리겠습니다.
수강료 90만 원65만 원
수강신청은 결제 순으로 선착순 마감될 수 있습니다.
개강 후 환불은 학원법 시행령 수강료 반환기준에 의거합니다.
# 환불 세부규정 확인하기 (클릭)
25만 원 할인, 놓치지 마세요!