강의 계획서

1. 오리엔테이션

   1. 오리엔테이션

2. 1주차 : 머신러닝 개요

   1. 머신러닝과 필수 라이브러리

   2. 머신러닝 실습

   3. 머신러닝 실습 분석

3. 2주차 : 지도 학습 알고리즘 Ⅰ

   1. 분류와 회귀

   2. 지도 학습 알고리즘(1)

   3. 지도 학습 알고리즘(2)

4. 3주차 : 지도 학습 알고리즘 Ⅱ

   1. 지도 학습 알고리즘(3)

   2. 지도 학습 알고리즘(4)

   3. 지도 학습 알고리즘(5)

5. 4주차 : 지도 학습 알고리즘 Ⅲ

   1. 지도 학습 알고리즘(6)

   2. 지도 학습 알고리즘(7)

   3. 지도 학습 알고리즘(8)

6. 5주차 : 지도 학습 알고리즘 Ⅳ

   1. 지도 학습 알고리즘(9)

   2. 지도 학습 알고리즘(10)

   3. 분류 예측의 불확실성 추정

7. 6주차 : 비지도 학습과 데이터 전처리Ⅰ

   1. 비지도 학습과 데이터 전처리

   2. 주성분 분석 (PCA)

   3. 비음수 행렬 분해(NMF)와 매니폴드 학습

8. 7주차 : 비지도 학습과 데이터 전처리 Ⅱ

   1. 군집(1)

   2. 군집(2)

   3. 군집(3)

9. 8주차 : 중간평가

   1. 1~4주 학습정리

   2. 5~7주 학습정리

10. 9주차 : 데이터 표현

    1. 원-핫-인코딩(가변수)과 숫자로 표현된 범주형 특성

    2. 구간 분할, 이산화, 선형 및 트리모델, 및 상호작용과 다항식

    3. 특성 자동 선택

11. 10주차 : 모델 평가와 성능 향상

    1. 교차 검증

    2. 그리드 서치

    3. 평가 지표와 측정(1)

12. 11주차 : 알고리즘 체인과 파이프라인

    1. 평가 지표와 측정(2)

    2. 데이터 전처리와 매개변수 선택 및 파이프라인 구축

    3. 파이프라인 인터페이스와 모델 선택을 위한 그리드서치

13. 12주차 : 자연어 처리

    1. 문자열 데이터 타입과 실전 예제

    2. 텍스트 데이터 BOW 표현

    3. 불용어, tf-idf로 데이터 스케일 변경, 모델 계수 조사

14. 13주차 : 자연어 처리와 문자추출

    1. 여러 단어로 만든 BOW(n-그램)

    2. 고급 토큰화, 어간 및 표제어 추출

    3. 토픽 모델링과 문서 군집화

15. 14주차 : 딥러닝과 심층 신경망 활용

    1. 딥러닝과 심층 신경망

    2. 딥러닝 활용과 동향

    3. 머신러닝과 딥러닝 지원 소프트웨어

16. 15주차 : 기말평가

    1. 9~11주 학습정리

    2. 12~14주 학습정리