라이브러리 없이 도전하는 머신러닝 (Part 1)
머신러닝, 알고리즘
시작일
20200718
진행일시
매주 토 / 10:30
모집현황
진행장소
온라인캠퍼스
시작일
20200718
진행일시
매주 토 / 10:30
모집현황
진행장소
온라인캠퍼스
온라인 only
- 본 과정은 "ZOOM"을 활용하여 온라인으로 진행됩니다.
- 온라인 풀잎 첫 참가자에게는 온라인 풀잎 전용 키트를 배송해드립니다.
(이어폰, 리액션 카드, 온라인 참여 가이드, 모두연 굿즈)
- 마지막 주는 오프라인으로 진행됩니다.
- 풀잎스쿨은 소통으로 함께 만들어나가는 모임입니다. 노트북 혹은 웹캠을 이용하여 비디오를 꼭 켜주세요.
- 본 과정은 "ZOOM"을 활용하여 온라인으로 진행됩니다.
- 온라인 풀잎 첫 참가자에게는 온라인 풀잎 전용 키트를 배송해드립니다.
(이어폰, 리액션 카드, 온라인 참여 가이드, 모두연 굿즈)
- 마지막 주는 오프라인으로 진행됩니다.
- 풀잎스쿨은 소통으로 함께 만들어나가는 모임입니다. 노트북 혹은 웹캠을 이용하여 비디오를 꼭 켜주세요.
학습대상
머신러닝을 한번도 공부해 보지 않으신 분들은 따라오시기 어려울 수 있습니다.
머신러닝을 공부하셨더라도 수학적인 내용을 공부하는 것이 부담스러우시다면 따라오시기 어려울 수 있습니다.
머리가 아프더라도 제대로 한번 파보겠다고 하신 분들이 참여하시면 좋겠습니다.
머신러닝을 공부하셨더라도 수학적인 내용을 공부하는 것이 부담스러우시다면 따라오시기 어려울 수 있습니다.
머리가 아프더라도 제대로 한번 파보겠다고 하신 분들이 참여하시면 좋겠습니다.
과목난이도
쉬움 (1단계) ~ 어려움(5단계)
☘️☘️☘️: 기초 선수지식을 바탕으로 더 깊은 분야를 탐구해요.
학습목표
- 지도학습과 비지도학습의 다양한 알고리즘을 학습합니다.
- "파이썬 머신러닝 완벽 가이드" 책 전체를 학습합니다.
- 알고리즘의 학습 원리와 방법을 정확하게 이해하고, 이를 최소한의 라이브러리만 이용해서 파이썬 코드로 구현합니다.
운영방식
- 해당 주차에 해당하는 "파이썬 머신러닝 완벽 가이드" 책의 내용을 사전에 학습합니다.
- 정해진 발표자분께서 해당 주차의 내용을 발표합니다.
- 질의응답 시간을 통해서 이론을 완벽하게 이해합니다.
- 이론을 바탕으로 파이썬 코드로 어떻게 구현할 수 있는 지 학습합니다.
선수지식
"파이썬 머신러닝 완벽 가이드"의 목차를 보시고 목차에 나와 있는 학습 방법 중 50% 정도는 이미 학습해 보신 분께서 참여하시면 좋겠습니다. 수학을 아예 모르시면 제대로 공부하실 수 없습니다. 특히 선형대수에 대한 어느 정도의 지식을 반드시 가지고 계셔야 합니다.
학습 및 참고자료
- 메인 텍스트: "파이썬 머신러닝 완벽 가이드"
- 부교재: "알고리즘 중심의 머신러닝 가이드", "머신러닝 인 액션"
- 웹소스: https://github.com/eriklindernoren/ML-From-Scratch#polynomial-regression
커리큘럼
사전학습 / 이론+실습
| 주차 | 학습내용 | 학습자료 |
|---|---|---|
| 1 주차 | Numpy, Pandas 소개, 데이터 세트에 대한 기본 지식, 데이터 전처리, 모델 평가 방법 | (주교재) "파이썬 머신러닝 완벽 가이드" 1-3장 |
| 2 주차 | Desicion tree, Ensemble learning, Random forest | (주교재) "파이썬 머신러닝 완벽 가이드" 4장 |
| 3 주차 | Gradient boosting, XGBoost, LightGBM, Stacking | (주교재) "파이썬 머신러닝 완벽 가이드" 4장 |
| 4 주차 | Linear regression, Multinomial linear regression, Bias-variance tradeoff, Ridge regression | (주교재) "파이썬 머신러닝 완벽 가이드" 5장 |
| 5 주차 | Lasso regression, ElasticNet, Logistic regression | (주교재) "파이썬 머신러닝 완벽 가이드" 5장 |
| 6 주차 | Principal Component Analysis, Single Value Decomposition | (주교재) "파이썬 머신러닝 완벽 가이드" 6장 |
| 7 주차 | K-Means clustering, DBSCAN | "파이썬 머신러닝 완벽 가이드" 7장 (7.4 제외) |
| 8 주차 | EM algorithm, Gaussian Mixture Model | (주교재) "파이썬 머신러닝 완벽 가이드" 7장 |
| 9 주차 | Unstructured data, Text pre-processing, Bag-of-Words | (주교재) "파이썬 머신러닝 완벽 가이드" 8장 (8.1~8.4) |
| 10 주차 | Sentiment analysis, Topic modeling | (주교재) "파이썬 머신러닝 완벽 가이드" 8장 (8.5~8.10) |
| 11 주차 | Content-based filtering, Item-based filtering | (주교재) "파이썬 머신러닝 완벽 가이드" 9장 |
퍼실소개
윤석채
대학원에서 마케팅을 전공한 문과생입니다. :)
머신러닝과 관련된 수많은 책들이 시중에 나옵니다. 오프라인, 온라인 강의, 유튜브 동영상도 셀 수 없이 많습니다.
그러나, 차고 넘치는 학습 소스들을 붙잡고 끝까지 공부하기란 쉽지 않습니다. 공부를 하더라도 겉핥기만 하고 끝나기 쉽습니다.
이 풀잎 모임을 통하여서 머신러닝의 여러 학습 방법들을 바닥부터 차근차근 공부하고, 그 이론이 실제로 어떻게 코드를 통해서 학습이 되는 지 학습해 보는 시간을 갖고자 합니다.
함께. 제대로. 머신러닝 공부해봅시다!
대학원에서 마케팅을 전공한 문과생입니다. :)
머신러닝과 관련된 수많은 책들이 시중에 나옵니다. 오프라인, 온라인 강의, 유튜브 동영상도 셀 수 없이 많습니다.
그러나, 차고 넘치는 학습 소스들을 붙잡고 끝까지 공부하기란 쉽지 않습니다. 공부를 하더라도 겉핥기만 하고 끝나기 쉽습니다.
이 풀잎 모임을 통하여서 머신러닝의 여러 학습 방법들을 바닥부터 차근차근 공부하고, 그 이론이 실제로 어떻게 코드를 통해서 학습이 되는 지 학습해 보는 시간을 갖고자 합니다.
함께. 제대로. 머신러닝 공부해봅시다!
본 과정은 머신러닝의 다양한 알고리즘들 중 Deep Neural Network를 이용하지 않는 알고리즘들을 이론 학습부터 코드 구현까지 공부하는 풀잎 모임입니다.
학습할 알고리즘들의 리스트는 텍스트북으로 사용할 "파이썬 머신러닝 완벽 가이드"에서 확인하실 수 있습니다.
참고하실 점은 “파이썬 머신러닝 완벽 가이드”의 8장(텍스트 분석)과 9장(추천 시스템)은 방대한 내용을 축약한 챕터들이므로, 텍스트 분석이나 추천 시스템에 대해 깊게 공부하고 싶은 분들께서는 텍스트 분석이나 추천 시스템만 다루는 다른 과정을 신청하시는 것을 추천드립니다.