배움을 재밌게, 탈잉!
  • 다회차
  • 최대 4명

초보자 머신러닝/딥러닝 시작하기

Daniel 튜터 5.0(4)

신청 전 꼭 읽어주세요!

온라인 라이브(zoom)을 이용하여 화상수업, 강의, 과외로 진행이 됩니다
라이브 수업전 수업의 자료를 메일로 보내 드립니다

오프라인 수업이 꼭 필요하신 분은 개인문의 주시고
토즈, 스터디룸등 수업장소의 비용은 각자 부담합니다.

튜터 공지

튜터님을 소개합니다.

  • 정보처리기사

비전공자에 대한 풍부한 교육 경험과 실적.
- 데이터 분석 분야 완전 왕초보부터 실무자 수준의 지도 경험(R/Python)
- 빅데이터 실무자 양성 과정 담당

실무 경력
- KT 고객 로그 분석 및 통계
- 영상 통화 고객 로그 분석
- [일본] 신제품 빅데이터 수집 및 분석 프로그램 설계 및 기능 개선
- [일본] 영상처리 및 Health기기 디지털정보 수집 및 분석 프로그램 연구개발
- [일본] 쇼핑몰 및 일본 최대 통신회사 시스템 엔지니어
(기타)

교육 경력
(현) 책 집필 및 프리랜서(기업 및 대학) 교육진행, 방통대 통계학과 재학중
(전) ICT 이노베이션 - 인공지능 기본 과정 진행
(전) 빅데이터 실무자 양성 과정 담당 진행 (머신러닝 with R/Python)
- 지도학생 dacon(데이터 분석대회) 2회대회 수상(1,3등)
- 지도학생 kaggle(ASHRAE - Great Energy Predictor III) 은메달, 동메달 획득
(전) 비전공자 실전 파이썬 입문 - 한경 대학교
(전) 빅데이터 대학원 인공지능 입문 과정(Python) - 남서울 대학교
(전) 초보자를 위한 데이터 분석 입문(Python 과정) 진행 - 인공지능 아카데미
(전) [기업강의] 삼성중공업 기술연구소 사내 직원 강의, 현대 모비스 기술연구소

어떤 클래스 인가요?

# 파이썬 기본반 이후의 심화 수업입니다.
# 파이썬 기본 코딩을 이해한 수준의 실력을 가지고 계신 분을 대상으로 합니다.

#*** 배움은 곧 미래에 대한 가장 중요한 투자입니다.
#*** 전문가와 함께 하므로 배움의 시간을 줄이는 것이 곧 비용과 시간을 줄이는 것입니다.

수업 시작전 10일전 기준 신청 하신 분 대상 추가 5%로 할인 적용합니다.
(메시지 문의 주세요- 메시지 창 커스텀 결제 필요)

################## 수업 일정 ########
[정규 수업] 코로나로 인해 당분간 수업은 online으로 진행합니다.
오프라인은 꼭 필요하신 분은 개인 문의 주세요.

머신러닝 5기
2/5, 2/12, 2/19, 2/26, 3/5, 3/12 (매주 금요일) - 예상 일정.
시간 : 19:00 ~ 21:30
- 1회차 수업 이후까지는 참여 가능(1회차에 한해 보강 수업 진행)

머신러닝 6기
3/26 시작 - 예상 일정 추후 협의후 변경

* 학생 및 취업 준비생 10% 추가 할인
* 인원이 2인 이상이 되면 수업이 개설#
### * (오프라인 수업으로 개설될 경우, 마스크 필참입니다. 참고해 주세요.)
오프라인으로 수업을 원할경우 상담 해 주세요

머신러닝은 sklearn 라이브러리를 활용하며, 딥러닝 수업은 keras와 tensorflow을 활용합니다.
tensorflow의 경우는 2.x버전을 수업에서 다룹니다.

[머신러닝 수업의 목적]
(1) 머신러닝의 기본에 충실하자.
-> 머신러닝의 기본 입문서를 참고 서적으로 실습만을 하는 것이 아닌 기본에 되는 내용도 하나하나 차근차근 배움.

(2) 이론도 좋지만, 너무 이론보다 어떻게 적용할 수 있을지?
=> 여러가지 데이터를 다루는 것을 통해 실제 활용에 대한 이해를 높이기
=> 매시간 기본 이론을 배우고, 실제 데이터에 어떻게 적용할지를 통해 접근 (매달 분야별 데이터 4개 선정)

(3) 다양한 분야의 데이터를 다루어보자. (실전 능력을 키우기)
[대상 데이터 ]
1회차 타이타닉 생존자, 집값 데이터,
2회차 스타트업의 자전거 관련 데이터, 뉴욕의 주식 시장 데이터,
3회차 와인 품질 데이터, 중고차 가격 데이터,
4회차 유방암 데이터, 쇼핑몰 고객 데이터
* 수업의 집중도를 위해 수강생의 수준 및 관련 분야를 고려하여 매 회차 하나의 데이터 셋을 가지고 수업을 진행

(4) 데이터에 대한 아이디어를 얻을 수 있도록 다양한 문제로 접근해 보자.
- 타이타닉 승객 데이터를 이용해서 생존자와 사망자를 예측할 수 없을까?
- 어떤 지역 어떤 환경 그리고 방이 몇개면 집값은 어떻게 될까?(집값 데이터)
- 우리 기업의 자전거를 얼마나 사용할까? (스타트업 자전거 관련 데이터)
- 주식 시장 데이터를 활용해서 주식 시장의 흐름을 어느정도 알아보자(주식 시장 데이터)
- 주어진 데이터를 활용하여 와인의 품질을 예측해 보자.
- 내가 가진 중고차 얼마나 팔면 적당할까? (중고차 가격 데이터)
- 유방암이 걸릴 확률은? (유방암 데이터)
- 쇼핑몰의 고객 데이터를 활용해서 고객들을 그룹화 할 수 없을까?(쇼핑몰 고객 데이터)

===============================
머신러닝 커리큘럼
CLASS01 머신러닝 기본 입문 - knn 모델
- 머신러닝이란 무엇일까? 그리고 무엇이 가능한가?
- 내가 만든 첫번째 꽃의 품종 예측 모델 만들기
- 머신러닝 기본 첫번째 모델인 knn 모델에 대해 알아봅니다.

[실전 데이터로 접근해 보기]
(1) 타이타닉 생존자를 예측해 보기
(2) 집값을 예측해 보기.

CLASS02 - 지도학습 - 회귀모델, 의사결정트리
우리가 예측하고자 하는 데이터가 수치형 데이터일때 또는 몇가지의 종류의 값을 다룰 때 어떤 모형을 쓸까?

- 지도학습 이해(회귀 모형/의사결정트리)
- 좀 더 좋은 예측 모델은 없을까? (랜덤 포레스트)

[실전 데이터로 접근해 보기]
(1) 스타트업 시간대별 자전거 대여 수 예측
(2) 뉴욕의 주식시장 예측해 보기

CLASS03 - 앙상블 모델에 대해 알아보기 - xgbm, lgbm 모델
- 가장 예측 성능이 좋은 모델을 알아보자 (xgbm, lgbm 등)
- 예측이 잘못될 수 있을까? 과대적합에 대해 알아보자.
- 예측에 영향을 끼치는 중요한 변수(요인)은 무엇일까?(중요도 알아보기)
- 여러가지 방법의 데이터 전처리

[실전 데이터로 접근해 보기]
(1) 와인의 품질을 예측해 보자.
(2) 중고차의 가격을 예측해 보자.

CLASS04 - 비지도학습(PCA와 군집에 대해 알아보기)
- 고객 정보를 갖는 데이터를 가지고 어떻게 할 수 있을까?
- 고객을 그룹화 시킬 수 없을까?

[실전 데이터로 접근해 보기]
(1) 유방암 데이터 분석
(2) 쇼핑몰의 고객 데이터 분석

CLASS05 - 모델 평가
- 머신러닝 모델을 평가해 보자.
- 교차 검증의 이해
- 이진 분류에 대한 이해
- ROC, AUC 평가지표에 대한 이해
===============================

# 딥러닝 기본 입문 - 커리큘럼(Course 2)

[배우는 내용]
- 케라스를 활용하여 기본 신경망을 구현해 본다.
- TF2을 실습을 통해 이해하고, TF2 활용한 신경망 모델을 만들어본다.
- 신경망의 시작인 퍼셉트론 이론부터 기본 인공 신경망, 심층 신경망을 실습을 통해 만들어본다.
- CNN을 활용하여 이미지 분류(Image Classification)을 학습한다.
- 캐글 MNIST 대회에 참여해 실전 능력을 키운다.
- 오토 인코더에 대해 이해한다.
- GAN에 대해 알아본다.

[수업 상세 커리큘럼]
1교시 Keras, TF2.0의 이해, 캐글 대회 참여
- 텐서플로워와 케라스에 대해 이해한다.
- 모델 OverView(신경망 모델 구현해보기)
- [실습] 캐글 입문 대회 참여

2교시 - 기본 신경망 구현 및 이해 - ANN, DNN
- 머신러닝 기본 개념을 이해한다.
- 회귀 모델을 만들어본다.
- 기본 인공 신경망(ANN)을 이해하고 실습을 통해 알아본다.
- 딥러닝의 이해(Activation Functions 이해, ANN, DNN 이해) 이해해 본다.
- [실습] Fashion MNIST 데이터 셋(옷의 종류 이미지 예측)

3교시 - CNN의 이해
- 딥러닝 CNN 알고리즘의 개념을 이해한다.
- MNIST, CIFAR-10 데이터 셋을 활용한 신경망 구현
- CNN 모델을 만들어본다.(MNIST)

- [실습] 손글씨 이미지(MNIST) 데이터 셋에 CNN 모델 적

이런 분들이 들으면 좋아요.

[수업 대상]
- Python을 공부 후, 머신러닝과 딥러닝을 입문하고자 하는 분
- Tensorflow(딥러닝 라이브러리)를 활용하여 신경망을 경험해 하고자 하는 분.
- 머신러닝과 딥러닝을 입문하고자 하는 분

- 아래와 같은 지식을 필요로 합니다.
(1) Python, Pandas, Seaborn 에 대한 기본 이해

- 이번 수업은 파이썬에 대해 약간의 지식을 가지고 있는 것을 필요로 합니다.
* 파이썬 초보자의 경우, 파이썬 원데이 기본 수강 또는 역량 테스트 후, 수강이 가능합니다.
* 프로그래밍에 대한 이해를 가지신 분이 수강이 가능합니다.

[참고교재] 수업과 진행하며, 함께 아래 책을 정독하면 좋습니다.
[머신러닝] 머신러닝 라이브러리 With Python
[딥러닝] 케라스 창시자에게 배우는 딥러닝

비추천
- 회귀모형,릿지, 랏소, 의사결정트리 모델에 대해 이해를 가지고 계신 분.
- 머신러닝에 대해 어느정도 이해를 가지고 계신분.
- 딥러닝에 대해 CNN모델을 어느정도 이해하고 있으신 분.

## 수업 신청 전, 수업대상자로서 맞는지 문의를 부탁드립니다.

클래스는 이렇게 진행됩니다.

1회차 커리큘럼

[머신러닝 코스]
CLASS01
- 머신러닝이란 무엇일까? 그리고 무엇이 가능한가?
- 내가 만든 첫번째 꽃의 품종 예측 모델 만들기
- 머신러닝 기본 첫번째 모델인 knn 모델에 대해 알아봅니다.

[실전 데이터로 접근해 보기]
(1) 타이타닉 생존자를 예측해 보기
(2) 집값을 예측해 보기.

* 1,2 회차 수업은 '파이썬 라이브러리를 활용한 머신러닝' 책을 참고 교재로 하여 초보자가 머신러닝 기본을 이해하는 것을 목표로 합니다.

[딥러닝 코스]
- Numpy, Pandas, Matplotlib을 이해한다.
- Scikit 의 함수를 이해한다.
- 모델 OverView(신경망 모델 구현해보기)

2회차 커리큘럼

[머신러닝 코스]
우리가 예측하고자 하는 데이터가 수치형 데이터일때 또는 몇가지의 종류의 값을 다룰 때 어떤 모형을 쓸까?

- 지도학습 이해(회귀 모형/의사결정트리)
- 좀 더 좋은 예측 모델은 없을까? (랜덤 포레스트)

[실전 데이터로 접근해 보기]
(1) 스타트업 시간대별 자전거 대여 수 예측
(2) 뉴욕의 주식시장 예측해 보기

[딥러닝 코스]
- 머신러닝 기본 개념을 이해한다.
- 회귀 모델을 만들어본다.
- 모델 평가에 대해 알아본다.
- 기본 인공 신경망(ANN)을 이해하고 실습을 통해 알아본다.
- Activation Functions에 대해 이해해 본다.

3회차 커리큘럼

[머신러닝 코스]
- 예측이 잘못될 수 있을까? 과대적합에 대해 알아보자.
- 예측에 영향을 끼치는 중요한 변수(요인)은 무엇일까?(중요도 알아보기)
- 가장 예측 성능이 좋은 모델을 알아보자 (xgbm, lgbm 등)
- 여러가지 방법의 데이터 전처리

[실전 데이터로 접근해 보기]
(1) 와인의 품질을 예측해 보자.
(2) 중고차의 가격을 예측해 보자.

[딥러닝 코스]
- MNIST, CIFAR-10 데이터 셋을 활용한 신경망 구현
- CNN 모델을 만들어본다.(MNIST)
- [실습]CIFAR-10 데이터 셋(10가지 사진 종류의 이미지 예측)
- [실습]MNIST 데이터 셋에 CNN 모델 적용해서 성능 개선시키기

4회차 커리큘럼

[머신러닝 코스]
- 고객 정보를 갖는 데이터를 가지고 어떻게 할 수 있을까?
- 고객을 그룹화 시킬 수 없을까?

[실전 데이터로 접근해 보기]
(1) 유방암 데이터 분석
(2) 쇼핑몰의 고객 데이터 분석

[딥러닝 코스]
- AutoEncoders 을 실습해 본다.
- GAN 실습 및 소개

5회차 커리큘럼

[머신러닝 코스]
- 머신러닝 모델을 평가해 보자.
- 교차 검증의 이해
- 이진 분류에 대한 이해
- ROC, AUC 평가지표에 대한 이해

[딥러닝 코스]
RNN 모델 이해
- RNN 모델 이해
- 전이학습 소개

실제 튜티의 리뷰입니다.

  • 커리큘럼5.0
  • 전달력5.0
  • 시간준수5.0
  • 준비성5.0
  • 친절도5.0

수업일정

온라인 Live

27,500원 / 시간 412,500원 / 총 5회 15시간