강의 계획서

1. 1주차

   1. 머신러닝 딥러닝 정의

   2. 머신러닝을 이용한 활용방법

   3. 딥러닝을 이용한 활용방법

2. 2주차

   1. 머신러닝 개발 기본 과정

   2. 머신러닝 데이터 학습 방법

   3. 머신러닝 학습모델 평가 방법

3. 3주차

   1. spyder 및 pycarm 소개

   2. Colaboratory, Jupyter Notebook 소개

   3. 의료 분야 개발 실무사례

4. 4주차

   1. 머신러닝 시작

   2. OpenDB를 이용한 꽃 데이터 분류

   3. OpenDB를 이용한 와인 판정하기

5. 5주차

   1. 과거 10년 동안의 기상 데이터 분석하기

   2. 최적의 알고리즘과 매개변수 찾기

   3. 얼굴 검출하기

6. 6주차

   1. 문자인식 – 손글씨 판정하기

   2. 윤곽 검출 – 엽서의 우편 번호 인식하기

   3. 동영상 분석 – 동영상에서 열대어가 등장하는 부분 검출하기

7. 7주차

   1. 자연어 처리하기(1)

   2. 자연어 처리하기(2)

   3. 머신러닝 실무 사례

8. 8주차

   1. 점검하기

9. 9주차

   1. 꽃 분류하기 Tensorflow

   2. 꽃 분류하기 keras

   3. 손글씨 숫자 판정하기 MLP

10. 10주차

    1. 손글씨 숫자 판정하기 CNN

    2. 사진에 찍힌 물체 판정하기 MLP

    3. 사진에 찍힌 물체 인식하기 CNN

11. 11주차

    1. LSTM을 이용한 시계열 예측

    2. LSTM을 이용한 주가예측(1)

    3. LSTM을 이용한 주가예측(2)

12. 12주차

    1. 챗봇 개발하기(1)

    2. 챗봇 개발하기(2)

    3. 챗봇 개발하기(3)

13. 13주차

    1. 강화학습으로 비디오 게임하기(1)

    2. 강화학습으로 비디오 게임하기(2)

    3. 강화학습으로 비디오 게임하기(3)

14. 14주차

    1. 업무 시스템에 머신러닝 적용하기

    2. 머신러닝에 데이터베이스 사용하기

    3. 딥러닝 실무 사례

15. 15주차

    1. 점검하기