로그인
회원가입
컨텐츠 내용
- 수강신청
- 과정정보
데이터 처리와 알고리즘 실습 AI 의사결정 모델
과정소개
AI의 데이터 처리와 의사결정 모델을 실습하는 강좌입니다. 머신러닝과 통계의 차이를 이해하고, 기호주의와 연결주의 접근법을 비교하며, 데이터 전처리 및 레이블링 기법을 학습합니다. 또한, 의사결정 트리, 서포트 벡터 머신, 딥러닝 모델의 수학적 원리를 실습을 통해 익힙니다
학습목표
- 머신러닝과 통계의 차이 및 상관관계를 이해하기
- 데이터 전처리 및 레이블링 기법을 실습을 통해 학습하기
- 의사결정 트리 및 서포트 벡터 머신 모델을 탐구하기
- 딥러닝의 순전파, 역전파 원리를 수학적으로 이해하기
- 데이터 전처리 및 레이블링 기법을 실습을 통해 학습하기
- 의사결정 트리 및 서포트 벡터 머신 모델을 탐구하기
- 딥러닝의 순전파, 역전파 원리를 수학적으로 이해하기
교육대상
- AI 데이터 처리 및 머신러닝 모델에 관심 있는 사람
- 데이터 레이블링과 전처리 실습을 통해 AI 모델을 배우고 싶은 사람
- 의사결정 트리, SVM 등 AI 의사결정 모델을 학습하고 싶은 연구자
- 딥러닝 모델의 수학적 원리를 깊이 이해하고 싶은 연구자, 학생
- 데이터 레이블링과 전처리 실습을 통해 AI 모델을 배우고 싶은 사람
- 의사결정 트리, SVM 등 AI 의사결정 모델을 학습하고 싶은 연구자
- 딥러닝 모델의 수학적 원리를 깊이 이해하고 싶은 연구자, 학생
수료기준
| 평가기준 | 진도율 | 총점 |
|---|---|---|
| 반영비율 | 100% | 100점 |
| 이수(과락)기준 | 80% | 60점 |
※ 수료기준은 각 평가항목의 점수가 수료기준 점수 이상이고 총점이 60점 이상이어야 합니다.
| 차시 | 강의명 |
|---|---|
| 1차시 | 통계로 여는 머신러닝의 세계 |
| 2차시 | 상관계수로 풀어보는 인공지능 모델링 |
| 3차시 | 통계의 이상과 머신러닝의 미래 |
| 4차시 | 실습) 파이썬을 활용한 기초통계 |
| 5차시 | 딥러닝 이전의 모델들의 변화 |
| 6차시 | 인공지능과 지식의 다중 표현 방법 |
| 7차시 | 실습) 횡단보도 규칙 프로그래밍 |
| 8차시 | 실습) AI를 활용한 프로그래밍 |
| 9차시 | AI의 정확도를 높이는 데이터 전처리 |
| 10차시 | 정확한 레이블로 완성하는 이미지 데이터 |
| 11차시 | 실습) Roboflow 데이터 레이블링 |
| 12차시 | 실습) Roboflow 모델 만들기 |
| 13차시 | 의사결정트리에서 중요한 질문의 역할 |
| 14차시 | 머신러닝의 강력한 도구 '서포트 벡터 머신' |
| 15차시 | 숨겨진 데이터 구조 탐색하는 비지도학습 |
| 16차시 | 실습) 의사결정 트리 DT 모델 만들기 |
| 17차시 | 딥러닝 예측의 시작 순전파 |
| 18차시 | 딥러닝의 핵심, 역전파 이해하기 |
| 19차시 | 활성함수와 비용함수 |
| 20차시 | 실습) 파이썬 딥러닝 코드개발 |