빅연디

1. 분류모델 1.1 문제정의 1.2 기본분류모델(Decision Tree) 1.3 교차검증(Cross Validate) 1.4 하이퍼파라미터 최적화(GridSearchCV) 1.5 다양한 분류모델 : KNN, SVM, RandomForest 1.6 앙상블 2. 예측모델 2.1 예측 문제 2.2 선형 회귀 2.3 회귀분석모델 평가지표 2.4 교차검증 2.5 다양한 분류모델 3. 군집모델 3.1 군집 알고리즘 3.2 K-means 3.3 군집 평가 [리뷰] 머신러닝 프로세스 [리뷰] 머신러닝 유형 + 참고 pdf

1. 딥러닝 이해를 위한 인공신경망 이론 1.1 인공신경망 원리 - 뇌를 모사한 신경망 알고리즘 - 생물학적 뉴런의 구조 vs. 인공뉴런 : 생물학적인 뉴런과의 유사성 = 병렬 계산 + 분산 구조 - 신경망(인공 뉴런) 학습에 적합한 문제 : 학습해야 하는 현상이 여러 가지 속성에 의해 표현되는 경우, 학습 예제에 에러가 존재할 가능성, 긴 학습 시간, 학습된 결과를 사람이 이해하는 것이 필요 없는 경우 1.2 인공신경망 학습원리 1.3 신경망&학습 최적화 이론

1. 머신러닝 이해 1.1 알고리즘이란? - 어떤 과업을 달성하기 위한 단계 - 대용량의 데이터를 다룰 때 효율성 - 데이터 기반 AI를 개발하기 위한 알고리즘의 종류 : 데이터변환, 사전준비, 처리 알고리즘, 모수 추정을 위한 최적화 알고리즘, 머신러닝 알고리즘 1.2 인공지능과 머신러닝 - 인공지능 : 인간의 인지, 추론, 학습의 사고과정에 필요한 능력을 컴퓨터 시스템을 통해 구현함으로써 문제를 해결할 수 있는 기술 (인간모사 시스템) - 머신러닝 : 컴퓨터가 수많은 데이터를 스스로 학습하고 알고리즘을 통해 학습의 결과를 도출하는 인공지능의 한 분야의 학습법 -> 분류, 예측 - 딥러닝 : 더욱 고도화된 신경망 알고리즘을 적용하여 보다 빠르고 감성적이며 인간과 유사하게 행동하는 컴퓨터 프로그램을 구현..

1. 인공지능 지식윈도우 - 인공지능, 머신러닝, 딥러닝 구분 가능해야 함. - 지도, 비지도 학습에 대해 알고 있어야 함. + GAN 알고리즘 1.1 인공지능 개요 1.2 인공지능 수학이론 1.3 머신러닝 - XAI : 금융권에서 많이 사용 1.4 딥러닝 1.5 분야별 인공지능 기술 2. 인공지능 개요 2.1 인공지능 개요 - 인간의 인지, 추론, 학습의 사고과정에 필요한 능력을 컴퓨터 시스템을 통해 구현함으로써 문제를 해결할 수 있는 기술 -> 인간모사 시스템 - 지능(Intelligence) : 경험을 이용한 이해, 생각•추론 능력, 새로운 상황에 대처, 새로운 지식의 학습 응용 - 인간의 지능을 필요로 하는 작업을 처리할 수 있는 기계를 만드는 학문(Minsky) - 인공지능 특이점 : 인공지능이..