트랙 설명

지도 머신 러닝 in Python

레이블이 지정된 데이터를 사용해 예측하는 방법을 익히며 지도 머신 러닝의 기초를 마스터하세요. 오늘 ML 혁명에 합류하세요! 머신 러닝이 처음이거나 지도 머신 러닝을 전문적으로 배우고 싶다면, 이곳이 시작하기에 이상적인 곳입니다.K-Nearest Neighbors(KNN), 로지스틱 회귀, 선형 회귀, 서포트 벡터 머신(SVM), 그리고 인기 있는 scikit-learn 라이브러리를 사용한 트리 기반 모델과 같은 핵심 지도 학습 모델을 배우고 구현하는 것부터 시작합니다.또한 XGBoost와 같은 최신 알고리즘을 활용해 데이터세트에서 모델링 성능을 효율적으로 향상시키는 방법도 배우게 됩니다.모델의 성능을 최대한 끌어내기 위해, 다양한 하이퍼파라미터 튜닝 기법과 사용 사례에 맞는 기법을 선택하는 방법을 배우게 됩니다.이 다양한 모델에 대한 지식을 하나로 모아 앙상블 학습을 배우며 트랙을 마무리하게 됩니다. 앙상블 학습에서는 서로 다른 모델을 결합해 성능을 향상시키고 더 복잡한 문제를 해결합니다.끝날 때쯤이면 필수적인 지도 머신 러닝 개념을 익히고 Python에서 이를 적용할 수 있게 됩니다.

선수 조건

이 트랙에는 선수 조건이 없습니다

Course
1
scikit-learn으로 배우는 지도 학습
Python scikit-learn으로 머신 러닝 실력을 향상시키고, 실전 데이터 세트로 강력한 예측 능력을 키워보세요!
Project
보너스
Predictive Modeling for Agriculture
Dive into agriculture using supervised machine learning and feature selection to aid farmers in crop cultivation and solve real-world problems.
Course
3
Python으로 배우는 선형 분류기
이 과정에서는 로지스틱 회귀와 SVM 등 선형 분류기의 원리를 자세히 학습합니다.
Course
4
Python으로 배우는 트리 기반 Machine Learning
이 강좌에서는 scikit-learn을 사용하여 회귀 및 분류를 위한 트리 기반 모델과 앙상블을 활용하는 방법을 배웁니다.
Project
보너스
Predicting Movie Rental Durations
Build a regression model for a DVD rental firm to predict rental duration. Evaluate models to recommend the best one.
Course
6
XGBoost로 익히는 Extreme Gradient Boosting
Gradient boosting의 핵심을 배우고, XGBoost로 분류·회귀 문제를 해결하는 최첨단 머신 러닝 모델을 구축하세요.
Course
7
Python에서의 하이퍼파라미터 튜닝
Python에서 자동 하이퍼파라미터 튜닝 기법을 학습합니다. Grid, Random, Informed Search를 포함합니다.
Course
8
Python에서의 앙상블 기법
Python에서 bagging, boosting, stacking 등 앙상블 기법으로 고급·효과적인 머신러닝 모델을 구축하는 방법을 학습합니다.

지도 머신 러닝 in Python

6 강의

트랙
완료

수료증 획득

LinkedIn 프로필, 이력서 또는 CV에 이 인증서를 추가하세요
소셜 미디어와 성과 평가에서 공유하세요지금 등록

지도 머신 러닝 in Python

팀을 교육하시나요?

트랙 설명