머신러닝

초보자를 위해 설계된 이 실습 코스에서 Python 의 기본을 마스터하세요. 데이터 유형, 제어 구조, 함수, 모듈, 데이터 구조와 같은 필수 개념을 대화형 랩과 실질적인 챌린지를 통해 배웁니다. Python 프로그래밍 여정을 시작하는 분들에게 완벽합니다.

지도 학습. 이 용어를 처음 듣거나 읽는다면, 그 의미가 완전히 이해되지 않을 수 있습니다. 걱정하지 마세요. 이 랩에서는 지도 학습에 대한 포괄적인 이해를 얻게 될 것입니다. 다음 실험 챕터에서는 지도 학습을 사용하여 데이터 예측을 완료하는 방법을 배우게 됩니다.

본 과정에서는 지도 학습의 또 다른 중요한 응용 분야인 분류 문제 해결에 대해 계속 학습합니다. 다음 강의에서는 로지스틱 회귀, K-최근접 이웃 알고리즘, 나이브 베이즈, 서포트 벡터 머신, 퍼셉트론 및 인공 신경망, 의사 결정 트리 및 랜덤 포레스트, 배깅 및 부스팅 방법에 대해 배우게 됩니다. 각 방법의 원리부터 시작하여, 구현을 완전히 이해하는 것을 목표로 합니다.

본 과정에서는 비지도 학습을 완벽하게 이해하고, 비지도 학습을 사용하여 데이터 클러스터링을 수행하는 방법을 배우게 됩니다.

본 과정에서는 딥 러닝의 기본 개념을 배우게 됩니다. 신경망의 기본 원리, TensorFlow, Keras, PyTorch 의 기본 원리를 포함하여 선형 회귀, 로지스틱 회귀, 다층 신경망의 기본 원리를 학습합니다. 또한 TensorFlow, Keras, PyTorch 를 사용하여 선형 회귀 모델, 로지스틱 회귀 모델, 다층 신경망 모델을 구축하는 방법을 배우게 됩니다.

이 종합 과정은 Python 의 필수 머신러닝 라이브러리인 Scikit-learn 의 기본 개념과 실용적인 기법을 다룹니다. 다양한 알고리즘과 전처리 기법을 사용하여 머신러닝 모델을 구축, 학습 및 평가하는 방법을 배우세요.

본 과정에서는 TensorFlow 2 의 기본 개념과 구문을 배우고, TensorFlow 2 를 사용하여 딥 러닝 알고리즘을 구현하는 방법을 익힙니다.

본 과정에서는 OpenCV 의 기본 사항을 배웁니다. 이미지와 비디오를 읽고, 쓰고, 표시하는 방법을 배우게 됩니다. 또한 이미지와 비디오에 다양한 도형을 그리는 방법도 배우게 됩니다.