○ 교육목적
- 머신러닝의 개요와 종류에 대한 이해 도모
- 머신러닝 기반의 데이터 분석을 도입하고 적용 절차를 계획
- 수립된 분석 계획에 따라 필요한 머신러닝 기법을 적용
- 데이터 분석 결과를 문서화하고 전달
- 머신러닝 알고리즘의 개념 이해 및 활용방법 숙지
○ 교육내용
1차시
◎ 머신러닝 개요와 종류
2차시
◎ 데이터 수집 및 분석
◎ 데이터 학습 및 평가
3차시
◎ 과적합의 의미
◎ 일반화의 의미
4차시
◎ 데이터 준비
◎ 데이터 분할 절차
5차시
◎ 데이터 샘플링
◎ R프로그램 활용
6차시
◎ 지도학습 모델 소개
◎ R을 활용한 지도학습 모델 실습
7차시
◎ kNN 알고리즘 소개
◎ kNN 알고리즘 활용 사례
8차시
◎ SVM 알고리즘 소개
◎ 비선형 특징 분류
9차시
◎ 의사결정트리 개요
◎ 의사결정 방법
10차시
◎ 나이브베이즈 분류 개요
◎ 스팸 메일 판단하기
11차시
◎ 은닉 마르코프 모델 개요
◎ 은닉 마르코프 모델의 한계점 및 활용
12차시
◎ 자율학습 모델 소개
◎ R을 활용한 자율학습 모델 실습
13차시
◎ k평균 클러스터링 개요
◎ k평균 클러스터링 활용
14차시
◎ DBSCAN 클러스터링 개요
◎ R을 활용한 DBSCAN 클러스터링 실습
15차시
◎ 계층적 클러스터링 개요
◎ 계층적 클러스터링 수행 절차
16차시
◎ 강화학습 개요
◎ 강화학습 수행 절차
17차시
◎ 인공신경망 개요
◎ 인공신경망 수행 방법
18차시
◎ 범주형의 성능 평가
◎ 연속형 성능 평가와 오분류 확인
19차시
◎ R에서 성능 평가 준비
◎ R에서 성능 평가 실행
20차시
◎ 머신러닝 적용 프로세스
◎ 머신러닝 적용 사례
신청하기 :https://kacademy.kisti.re.kr/eduappl/eduappl/eduActiveViewInfo.do?crsOprtnSeq=43
