R을 활용한
머신러닝
CAMP.

머신러닝에 대한 기초개념부터 실무활용 스킬 및 아이디어까지!

기 간 일 정 장 소 문 의
2018년 8월 14일 ~ 10월 15일 월요일 19:30 ~ 22:30
* 2회차 수업 8/19(일) 오후1시~6시
패스트캠퍼스 강남 강의장 이샘 매니저 tel. 02-518-4822
help-ds@fastcampus.co.kr

머신러닝을 어떻게 활용할 수 있을까?

단 10주만에 비전문가도 데이터 분석의 통찰력을
깨우치게 만들어 줄
강의 특징!

머신러닝 분야 최고의 강사님께 듣는
명쾌한 알고리즘 해석

비전문가도 단 10주면 데이터 머신러닝 알고리즘을 직관적으로 이해할 수 있도록 쉽게 설명하여 드립니다. 머신러닝 알고리즘을 배워도 특정 기법을 어떤 상황에서, 어떻게 적용해야 하는지에 대하여 막막하신 분들이 많습니다. 데이터 분석 / 머신러닝 분야의 최고의 강사님께서 명쾌하게 알려드립니다.

머신러닝의 기초부터 
실무까지 한 번에 정리하세요

머신러닝의 기초 개념부터 실무 활용 스킬까지 모두 얻어가실 수 있습니다. 국내 기업체/기관과 함께하는 프로젝트에 머신러닝을 실제로 적용한 경험이 풍부한 강사님께서 머신러닝의 다양한 국내 사례를 전달해드립니다.

알고리즘의 이론적 이해를 바탕으로
실습을 진행합니다

머신러닝 알고리즘의 코드를 이해할 줄 알게 되며, 수강생 분들에게 제공되는 코드를 바탕으로 현업에서 원하는 목적에 맞게 사용가능합니다. 또한 데이터 전처리는 정확한 분석 결과값을 위해 필수적입니다. 데이터 핸들링 과정과 결과 분석을 반복 실습하며 훈련시켜드립니다.

R을 활용한 분석과정 반복 실습으로
R 활용 능력 UP!  

머신러닝을 적용한 데이터 분석의 전 과정을 R을 활용하여 진행합니다. R 기초 문법은 5시간의 실습을 통하여 빠르게 훑고, 현업에서 주로 사용하는 머신러닝 알고리즘을 매 시간 R을 통하여 구현하게 됩니다. 본 강의에서는 강사님뿐만 아니라 2분의 조교님께서 모든 수강생 분들이 잘 따라오실 수 있도록 실습시간을 보조합니다.

기수강생이 강력 추천하는 최고의 머신러닝 강의.

수강생 만족도

9.86

★★★★★

6~13기 수강생 중 132명 참여

“알찬 내용으로 강의해 주셔서 교육시간이 모자랄 정도로 훌륭한 강의였습니다.”
– 12기 수강생 K님

“열정적이고 성의있는 강의 감사드립니다. 교육내용은 지식을 쌓는데 많은 도움이 되었습니다.”
– 13기 수강생 H님

“30시간이라는 짧은 시간 동안 머신러닝에 대한 기초개념부터 실무활용 스킬 및 아이디어까지 정리할 수 있었던 알찬 수업이라고 생각합니다. 초보자도 따라갈 수 있도록 쉽게 알려주시지만 전공자나 현업 담당자라면 더 많은 것을 얻을 수 있을 것입니다.”
– 13기 수강생 J님

“매 수업 전 자료 준비 및 제공과 쾌적한 학습환경이 너무 좋았습니다. 수강기간 중에 카카오톡으로 담당매니저님께 여러가지 문의를 드렸는데 바로바로 답변을 주셔서 너무 좋았습니다.”
– 11기 수강생 S님

“굉장히 만족스러운 강의이며 더 말을 할 필요가 없을 만큼 훌륭한 태도로 강의를 해 주고 계십니다. 제 대학교 교수님들이 강사님의 태도를 반 정도만 닮았었다면, 제가 대학생때 참 행복했을텐데요.”
– 12기 수강생 L님

“이해와 활용 두 가지 목적을 달성하기 위해 많은 노력을 해주셨습니다. 수강생의 질문이 많을 때도 시간조절을 효율적으로 하셔서 모두 답변을 해주셨고, 강의자료 외 부가적인 참고자료도 많이 소개시켜 주신게 도움이 되었습니다. “
– 13기 수강생 P님


“ 30시간이라는 짧은 시간 동안 머신러닝에 대한 기초개념부터 실무활용 스킬 및 아이디어까지 정리할 수 있었던 알찬 수업이라고 생각합니다. ”
– 13기 수강생 J님 수강후기 중

자세한 수강후기를 직접 확인하세요.

[8기 수강생 인터뷰]

분석 직무가 아니어도
200% 활용이 가능한 강의

조현석님 – 한의과대학 교수

“저와 마찬가지로 R을 컴퓨터에 설치하기는 했지만, 혹은 책을 구입하고 2개월 이상 공부는 했지만 통계를 R로 분석하기에는 아직 어렵다고 느끼시는 분들이 많이 있을 것이라 생각합니다.  R이 독학 진입장벽이 너무 높더라고요. 그런 부분 때문에 고민하시는 분들은 고민하지 말고 수강하세요.  R을 쉽게 조작할 수 있도록 강사님이 세팅해 놓았습니다. 고민을 많이 한 흔적이 보입니다. 그리고, 수강생 입장에서 미안한 마음이 들 정도로 적극적으로 도와줍니다.”

[9기 수강생 인터뷰]

빅데이터 분석가도 추천하는
R을 활용한 머신러닝

정우진님 – 데이터 분석팀 소속 (○○ 카드사)
전태일님 – 빅데이터 사업팀 소속 (대기업 S사)

“머신러닝 이론에 대한 자세한 정리 및 이해가 된 후에 기술적인 부분과 노하우를 전달하는 방식이 좋았습니다. R의 문법이나 함수 설명과 같은 부분도 중요하지만, 컨텍스트에 대한 이해 없이는 사상누각이 될 수밖에 없겠죠. 특히 처음 머신러닝에 입문하는 분들의 무수히 많은 시행착오를 확실히 줄여줄 수 있는 강의입니다. 또한 관련 분석 경력이 어느 정도 있는 경우, 배운 내용을 바로 실무에 적용할 수 있는 좋은 강의라고 생각합니다.”

당신에게 추천드립니다.

이미 금융, 온라인 커머스, 에너지, 물류 등 다양한 분야에서 데이터를 활용하여 머신러닝을 비즈니스에 적용시키고 있습니다. 빅데이터 분석 등에서 중요한 것은 데이터 저장/통계 뿐만 아니라 데이터 분석을 기반으로 예측 등과 같은 의미를 찾아내는 것이기 때문이죠. 수많은 데이터를 핸들링하고 분석하고 싶은데 방법을 모르셔서 답답하셨나요? 본 강의를 통해 데이터의 가공은 물론, 머신러닝의 활용도 높은 알고리즘을 배워 업무에 활용하세요!

사내 데이터에 머신러닝 알고리즘을 적용시켜 인사이트를 도출하고 싶은 실무자

데이터 분석을 통해 본인의 업무 역량을 향상시키고 싶은 실무자

머신러닝의 개념을 이해하고 정리하고 싶은 비전문가

당신을 위해 [R을 활용한 머신러닝 CAMP]을 준비했습니다.
이제 데이터를 통해 미래 를 보세요!

강의는 이렇게 진행됩니다.

이론 뿐 아니라 스팸 필터링, SNS 검색어를 활용한 영화 총 수입 예측, 국내 유통 회사 데이터를 활용한 분석, 개인 신용 대출 예측 등 다양한 프로젝트 사례를 공유하고 직접 실습합니다. 아래 슬라이드는 강의자료 중 일부이며, 매주 R머신러닝의 스크립트 또한 제공합니다. 

커리큘럼.

Part 1. Data Science, Machine Learning 입문
Step 1. Introduction to Machine Learning
데이터 사이언스의 정의부터 데이터 분석의 일반적인 절차까지 전반에 대해 알아봅니다.
1회차 이론 - 데이터 기반의 의사결정
- 데이터 사이언스 활용분야
- 데이터 사이언스 속의 기계학습
- 데이터 사이언스 절차
Part 2. Machine Learning 을 위한 R 기초 실습
Step 1. 데이터 사이언스, 머신러닝을 위한 R
머신러닝 알고리즘 실습을 위해 필요한 사전 지식들에 대한 기초 교육을 실시합니다.
2회차 이론 - 형태에 따른 데이터 처리
- 텍스트데이터 처리
- 조건문과 반복문
- R에서의 함수이해
실습 - R에서의 그래프
- 벡터/리스트/행렬/데이터프레임 다루기
- 함수 특징 및 예제를 통한 실습
- R studio에서의 단축키
Part 3. 핵심 Machine Learning 알고리즘
Step 1. 연관규칙분석(Association Rules)
장바구니 분석으로 널리 알려진 연관규칙 분석 방법론과 이를 실제로 구현하는 A Priori 알고리즘에 대해 배웁니다.
3회차 이론 - 일상생활에서의 연관규칙분석
- 연관규칙분석/ 순차연관분석 이해
- 연관규칙분석의 활용분야
실습 - 유통 데이터 분석을 통한 묶음 상품 도출
- 관람객 행동 데이터를 이용한 박람회 부스 배치 최적화
Step 2. 다중선형회귀분석(Multiple Linear Regression)
기계학습의 가장 기본적인 알고리즘인 다중선형 회귀분석에 대해 다룹니다.
4회차 이론 - k 인접 이웃 분류/회귀에 대한 이해 및 절차
- 분류 모델의 성능 평가
- k 인접 이웃 응용사례
실습 - 스팸메일 필터링
- 영화 평점 데이터를 활용한 개인별 영화 추천
Step 3. k 인접 이웃 기법 (K-Nearest Neighbor Learning)
실제 사례에서 우수한 예측 성능을 나타내는 k-인접 이웃 기법에 대해 배웁니다.
5회차 이론 - k 인접 이웃 분류/회귀에 대한 이해 및 절차
- 분류 모델의 성능 평가
- k 인접 이웃 응용사례
실습 - 스팸메일 필터링
- 영화 평점 데이터를 활용한 개인별 영화 추천
Step 4. 의사결정나무(Decision Tree: Classfication and Regression Tree)
결과에 대한 해석이 용이하고 왜 그러한 결과가 도출되었는가에 대한 설명을 할 수 있는 장점을 가진 의사결정나무 알고리즘을 배웁니다.
6회차 이론 - 의사결정나무 : 분류 및 회귀나무에 대한 이해
- 과적합 문제에 대한 이해
- 미수납급 회수 여부 예측 활용사례
실습 - 은행 이용 행태를 이용한 개인신용대출 평가
Step 5. 로지스틱 회귀분석(Logistic Regression)/ 나이브베이즈 분류기(Naive Bayesian Classifier)
기계학습의 대표적 분류 알고리즘인 로지스틱 회귀분석과 나이브 베이즈 분류기에 대해 학습합니다.
7회차 이론 - 로지스틱 회귀분석에 대한 이해
- 다항 로지스틱 회귀분석
- 나이브베이지안의 이론 및 절차
실습 - 마케팅 프로모션에 따른 고객 반응 모델링
Step 6. 인공신경망(Artificial Neural Network)
선형 판별 분석 방법론과 함께 최근 딥러닝으로 다시 각광을 받고 있는 인공신경망 알고리즘에 대해 배워봅니다.
8회차 이론 - 인공신경망(Perceptron) 의 이해
- Multi-layer Perceptron(MLP)
- Deep Neural Network (DNN)
실습 - 반도체 생산 설비 데이터를 활용한 계측 시스템
Step 7. 군집화(Clustering)
전체 데이터를 동질적인 집단으로 구분하고 각 집단의 특성을 파악하는 군집화 방법론의 원리를 알아봅니다.
9회차 이론 - 군집화 소개
- K-평균 군집화 (K-Means Clustering)
- 계층적 군집화 (Hierarchical Clustering)
실습 - 대출 현황에 따른 은행 고객 판별
- Scikit-learn / tensorflow를 사용하여 k-means 알고리즘 작성하기
Step 8. 앙상블 기법(Ensemble)
머신러닝 알고리즘의 예측력을 높이기 위해서, 지금까지 배운 알고리즘을 동시에 적용하는 앙상블 기법(배깅, 부스팅, 랜덤 포레스트 등)을 배워봅시다.
10회차 이론 - 혼자보다는 나은 둘, 둘 보다는 셋, 성능을 높이기 위한 앙상블 방법
- 배깅(Bagging)
- 부스팅(Boosting)
- 랜덤포레스트(Random Forest)
실습 - 단일 모형과 앙상블 모형의 성능 비교

수강료.

머신러닝에 대한 기초개념부터 실무활용 스킬 및 아이디어까지!

R을 활용한 머신러닝 CAMP

일    정 2018.8.14.~ 2018.10.15.
휴강 2018.9.24. (추석연휴) / 1회차 수업은 8월 13일(월) 대신 14일(화) 수업 진행

매주 월요일 19:30 ~ 22:30 / 2회차 수업 8월 19일 (일) 13:00~18:00
| 주 1회, 총 9주
준비물 개인 노트북 사용 추천
장    소 패스트캠퍼스 강의장 (강남역 부근)
문    의 이샘 매니저 : 02-518-4822 | help-ds@fastcampus.co.kr
메일로 문의 주실 경우 자세한 상담을 원하신다면 휴대폰 번호, 상담가능 시간을 남겨주세요!

정가 : 170만원

※다음 기수 강의정보가 궁금하다면? 출시알림을 신청하세요!
※할인가는 매주 목요일 자정에 변경됩니다.
※ 카드 12개월 무이자 할부 가능!

출시알림