머신러닝 쉽게 배울 마지막 기회, 이 강의 다음엔 안 열려요!

최저가 마감 → D-

파이썬을 활용한

머신러닝
CAMP

데이터 분석을 제대로 시작하고 싶다면
머신러닝을 알아야 합니다

#머신러닝입문#실무활용
#핵심알고리즘

기간 & 일정

2019.10.19. – 2020.1.4.
매주 토요일 10:00-13:00
주 1회, 총 27시간
*11/30, 12/7, 12/28 휴강

장소 & 준비물

패스트캠퍼스 강남 본원
개인노트북

담당자 & 문의

이샘 매니저
02-501-9396
help-ds@fastcampus.co.kr

※ 대학생/대학원생/동반수강 할인에 해당되시는 분은 반드시 수강신청 시
[소속]란에 3가지 중 하나를 기재해주세요. 담당 매니저가 확인 후 연락 드립니다.

인공지능에 관심있는
비전공자


머신러닝은 통계학에서 쓰는 몇 백 가지의 방법론들을 조합해서 나온 방대한 학문입니다. 때문에 이제 막 머신러닝에 관심을 갖기 시작하셨다면, 굳이 석학들이 머리 쥐어짜며 연구하는 어려운 분야부터 시작할 필요는 없습니다. 이 강의로 머신러닝의 기본을 천천히 다져가면서 시작해 보세요. 이 강의는 이후 당신의 머신러닝 연구에 최적의 멘토가 될 것입니다!

머신러닝 독학에
어려움을 겪는 분


딥러닝이 어떻고, 신경망 모델이 어떻고…도무지 이해할 수 없는 말 뿐인 학습자료들. 꾸역꾸역 이해하며 진도를 빼더라도 결국 돌아서니 남는 게 없는 학습 경험에 당황한 적이 있으신가요? 모델이 어떻게 만들어지고 변형되는지 이해할 수 있도록, 수식/알고리즘 배경지식 학습부터 시작해보세요. 원리를 이해하면 학습속도가 달라집니다.

머신러닝 알고리즘
현업에 적용하고싶은 당신에게 필요한 코스

당신의 업무능력에 힘을 보태 줄
강의특징

1

 

데이터마이닝 박사
+연구조교수 강사님이 끝까지

서울대학교 데이터마이닝 센터에서 박사학위를 취득하고, 연구조교수로 실무에서 머신러닝, 딥러닝 업무를 진행하고 있는 강사님이 끝까지 함께합니다. 탄탄한 이론과 다양한 프로젝트, 실무 경험을 바탕으로 머신러닝에 꼭 필요한 내용만 쉽게 알려드립니다.

2

 

쉽게, 반복적인 학습으로
따라오기만 하면 OK

머신러닝 알고리즘을 이해하기 위해서는 개념이해 뿐만 아니라 수식과 실습을 이해하는 것이 중요합니다. 본 강의에서는 개념설명 → 수식설명 → 파이썬 실습을 반복하며 알고리즘을 제대로 이해하고, 이를 온전히 가져갈 수 있도록 퀴즈 및 피드백을 제공합니다.

3

 

사례를 활용해
재밌게 배우는 머신러닝

그동안 어렵기만 했던 머신러닝, 지루하기까지 했나요? ‘타이타닉 탑승객의 분류’, ‘코비 브라이언트의 슛 성공/실패 분류’, ‘목소리 신호 데이터로 성별 분류’와 같이 흥미로운 예제를 통해 머신러닝이 어떻게 활용되는지 재밌게 이해할 수 있습니다.

매 시간 배운 내용을 완전히 내 것으로!
고태훈 강사님만의 5단계 강의 방식으로
머신러닝 제대로 정복하세요!

강사님의 머신러닝 실력과
강의 실력에 감동받았습니다.

– 실제 수강생 후기 중 –

수강생의 실습 결과물
실제 수업 자료를 확인하세요!

강의 자료 예시

학습 노트 예시

실습 결과물 예시

movie

[ 남/여의 목소리 데이터를 활용한 의사결정 나무 모델링 ]

머신러닝 입문자를 위한
맞춤형커리큘럼

[1주차]

머신러닝 개요 및 파이썬 실습

머신러닝의 활용사례와 이슈
실습을 위한 파이썬 환경 구성
데이터 핸들링을 위한 파이썬 패키지 활용

※참고: 파이썬 환경 Anaconda 4.4.0 (Python v3.6)

실습

– 머신러닝으로 비즈니스, 데이터마이닝, 인공지능 문제를 어떻게 해결할 수 있는지 소개
– 데이터 핸들링을 위해 필수적으로 알아야 하는 Python 패키지, Numpy, Pandas, Matplotlib 실습
– Python의 머신러닝 패키지인 scikit-learn, scikit-learn을 활용한 데이터 전처리 실습

[2주차]

선형회귀모델과 확장 모델들

중고차 가격, 주가지수, 수요 등 수치형 값을 예측하는 회귀모델.
회귀모델 중 가장 기본이 되는 선형회귀모델 (linear regression)과 확장 모델.
머신러닝 알고리즘의 주요 개념인 손실함수(Loss function), 파라미터(Parameter), 하이퍼파라미터(Hyperparameter).

실습

– 자전거 수요 예측을 위한 회귀모델
[Bike sharing demand]: https://www.kaggle.com/c/bike-sharing-demand
* ­다중선형회귀모델 (Multiple linear regression) 에 대한 소개 및 학습 알고리즘
* ­제약된 선형회귀모델로 널리 이용되는 Ridge, Lasso
* ­다항회귀모델 (Polynomial regression)

[3주차]

로지스틱회귀모델과 분류 모델의 평가

분류모델은 회귀모델과는 다르게 범주를 분류하는 것을 목적으로 하며, 제품 품질상태 분류, 문서 카테고리 태깅, 물체 인식 등 다양한 도메인에서 활용되는 모델입니다. 로지스틱회귀모델은 여러 분야에서 널리 사용하는 분류모델 중 하나로, 인공신경망, 딥러닝과도 밀접한 관련이 있는 모델입니다.

실습

– 타이타닉 탑승객의 분류
[Titanic: Machine learning from disaster]: https://www.kaggle.com/c/titanic
* 다중로지스틱회귀모델 (Multiple logistic regression) 에 대한 소개 및 학습 알고리즘
* 분류모델의 평가: 혼동행렬 (confusion matrix) 기반 분류모델 평가지표들, ROC curve 등.

[4주차]

k-최인접 이웃 분류/회귀모델과 나이브 베이즈 분류기

­­학습과정이 필요없는 k-최인접이웃(k-nearest neighbor) 분류/회귀모델.
스팸 분류에서 좋은 나이브 베이즈 분류모델(naive Bayes classifier).
가장 직관적인 분류/회귀모델 중 하나인 의사결정나무.
딥러닝과 더불어 널리 사용되는 랜덤포레스트.
예측 모델링과 머신러닝 모델 튜닝을 위한 학습 셋
검증(개발) 셋 / 테스트 셋 분리 이해.

실습

– 타이타닉 탑승객의 분류
[Titanic: Machine learning from disaster]: https://www.kaggle.com/c/titanic
* 다중로지스틱회귀모델 (Multiple logistic regression) 에 대한 소개 및 학습 알고리즘
* 분류모델의 평가: 혼동행렬 (confusion matrix) 기반 분류모델 평가지표들, ROC curve 등.

[5주차]

편향-분산 트레이드오프와 과적합, 랜덤포레스트

의사결정나무: 직관적인 분류모델이며 현재 머신러닝 분야에서 딥 러닝과 더불어 널리 사용되고 있는 나무기반모델들의 기본이 되는 모델.
랜덤의사결정나무를 혼합하여 생성되는 랜덤포레스트(Random forest) 모델 이해.
편향-분산 트레이드오프(Bias-variance tradeoff), 모델의 적합도.

1차 Hands-on 실습

5주차까지 배운 내용을 바탕으로 Hands-on 실습을 진행합니다.
강사와 조교가 한 분씩 모델링 실습을 도와드립니다.

– NBA의 전설 코비 브라이언트의 슛 성공/실패 분류
[Kobe Bryant Shot Selection]:https://www.kaggle.com/xvivancos/kobe-bryant-shot-selection
*랜덤포레스트에 대한 소개 및 학습 알고리즘
*편향-분산 트레이드오프

[6주차]

인공신경망 및 딥러닝 개요

인공신경망 모델, 피드포워드 네트워크 (Feed-forward network)의 구조.
학습에 필요한 경사하강법(gradient descent)과 역전파(backpropagation) 방법.
­이를 기반으로한 딥러닝 모델들.

실습

– 목소리 신호 데이터로 남/여 분류
[Gender Recognition by Voice]:https://www.kaggle.com/primaryobjects/voicegender
* 피드포워드 네트워크 (Feed-forward network) 에 대한 소개
* 인공신경망 학습을 위한 경사하강법과 역전파 방법
* 딥 러닝 모델들에 대한 간단한 소개

[7주차]

SVM(Support Vector Machine), 교차 검증(cross-validation)과 모델 튜닝

딥 러닝 이전에 가장 많이 연구된 모델 중 하나, 서포트 벡터 머신.
머신러닝 모델을 학습하는 전략 중 가장 많이 이용되는 교차 검증.

2차 Hands-on 실습

7주차까지 배운 내용을 바탕으로 하나의 데이터에
여러 개의 분류모델을 학습하고 이들의 하이퍼파라미터를
튜닝하는 프로젝트를 Hands-on 실습으로 진행합니다.

– 과거 사용한 데이터로 다양한 모델링 실습 진행
* 선형 SVM과 커널 SVM에 대한 소개 및 학습
* 교차 검증과 모델 (하이퍼)파라미터 튜닝 전략

[8주차]

변수 엔지니어링과 군집모델

데이터의 이해를 높이는 데에 유용하며, 마케팅 등 다양한 영역에서 활용 가능한 군집모델(Clustering model)(비지도학습 모델).

실습

– 음식 영양정보
[Open Food FactsExplore – nutrition facts from foods around the world]: https://www.kaggle.com/openfoodfacts/world-food-facts
* 변수 엔지니어링 방법들 소개: 변수 변환, 변수 부분집합 선택, 변수 추출
* 주성분분석 (Principal component analysis: PCA) 와 특이값분해 (Singular value decomposition: SVD), t-SNE
* k-means clustering, hierarchical clustering

[9주차]

앙상블과 Boosting Tree Model

여러 모델을 이용하여 더 좋은 결과를 이끌어내는 앙상블(ensemble).
Kaggle에서 가장 널리 사용되는 모델인 부스팅모델.

실습

– 유방암 진단 [Breast Cancer Wisconsin (Diagnostic) Data SetPredict whether the cancer is benign or malignant]:
https://www.kaggle.com/uciml/breast-cancer-wisconsin-data
* 앙상블 전략: Voting, Bagging, Boosting, Stacking

수강신청 전
Check List

1. 파이썬 코드를 돌려본 경험이 있다.
2. 파이썬 스크립트를 보고 의미를 파악할 수 있다.
3. 파이썬 라이브러리를 활용해 본 경험이 있다.


*위의 Check List 중 2가지 이상 해당 된다면 본 강의를 수강하셔도 좋습니다.
그렇지 않다면 반드시 담당 매니저와 상담 후 신청해 주세요.

우리는 이미
일상에서 머신러닝의 도움을 받고 있습니다

계산 금융
신용 평가 및 알고리즘 트레이딩

이미지 프로세싱 및 컴퓨터 비전
얼굴 인식, 동작 인식, 객체 인식

자동차, 항공 및 제조
예측 기반 유지 보수 시스템 개발

계산 생명공학
종양감지, 신약 발견, DNA 염기 서열(DNA Sequence)

에너지 생산
가격 및 부하 예측

자연어 처리

머신러닝이란 무엇일까요?

머신러닝이란 사람과 동물의 자연스러운 경험을 통한 학습을 컴퓨터가 수행할 수 있도록 가르치는 것입니다. 맞춤 코드작성이나 수학/프로그래밍 지식 없이도 프로그램을 활용해 머신러닝을 학습시키고 최적의 파라미터를 찾아낼 수 있습니다.

파이썬으로 시작할 수 있습니다!

알고리즘 성능 향상을 위해 컴퓨터에게 학습시킬 데이터를 늘리려면 반복적인 데이터 처리 작업을 빠르고 손쉽게 조작할 수 있는 도구가 필요합니다. 파이썬은 이 조건에 바로 부합하면서도, 범용 프로그래밍 언어의 장점과  MATLAB이나 R 같은 특정 분야를 위한 스크립팅 언어의 편리함까지 갖추고 있기 때문에 기존 파이썬 사용자라면 부담없이 시작할 수 있습니다.

공부도 하고!
학습지원금도 받고!

결제액의 10%를 학습지원금으로 드립니다.

패스트캠퍼스의 수강의지를 강화하기 위한 지원금 제도를 운영합니다
패캠이 제안하는 학습 목표를 달성하고 커리어 이상의 성취감을 얻어가길 바랍니다.

*학습지원금은 제세공과금(22%)을 제하고 드립니다.

과제/학습노트

100% 제출

Oops.. window is too small!

수강생 후기

이미지를 클릭하면 더 생생한 수강후기를 확인할 수 있습니다.

4기수강생

오승열 님

  

머신러닝 시작이 겁난다고요?  
고민 마시고 수강하세요

9기수강생

장정원 님

다양한 모델원리의 이해가 필요한
입문자들에게 도움이 됩니다

강사님의 머신러닝 관련지식과 연구 경험이 풍부하셔서 많은 도움이 됩니다.
대학원생 J님

강의 만족도 97%

강사님의 머신러닝 실력과 강의실력에 감동, 또 감동!
대학원생 P님

강의 만족도 100%

실제 사용법을 확실히 이해하게 됐어요, 혼자 공부할 때에 비해 훨씬 쉽게! 
H사 해외영업팀 N님

강의 만족도 98%

머신러닝 입문 강의로는 아주 잘 짜여진 커리큘럼이라고 생각합니다
T사 개발자 L님

강의 만족도 100%

수식으로 원리를 이해하고 모델링에 필요한 코드까지 꼼꼼히 챙겨주십니다
B사 데이터 분석가 Y님

강의 만족도 100%

기초적인 개념만 알아도 실무 적용가능한 방법을 배울 수 있습니다
A사 모바일웹 개발자 K님

강의 만족도 96%

머신러닝 입문을 도울
현업 전문가 강사님

고태훈 강사님
서울대병원 연구 조교수
서울대 산업공학과 데이터마이닝센터 박사

실제 비즈니스에서 적용 가능한 데이터마이닝 프로세스, 그리고 이에 적용 가능한 기법을 찾아서 연결하는 에플리케이션에 대한 연구에 많은 관심을 가지고 있습니다. 그동안은 주로 삼성전자, LG전자, 현대자동차, 현대중공업, 두산인프라코어 등 제조업 분야의 기업체들과 연구 과제를 진행했으며, 그 밖에도 현대카드나 ssg.com, 서울대병원 등 기관/기업체과도 함께 일하면서 연구 범위를 다양화해 왔습니다. 현재는 머신러닝과 딥러닝, 자연어처리와 텍스트마이닝 등에 대한 연구를 이어가는 중입니다.

강사님 인터뷰 보러가기