어떤 모임인가요?
모든 직무, 산업군에 AI-머신러닝 기술이 활용 되는 세상입니다.
각자 관심있는 분야에 인공지능 기술을 활용하기 위한 초석을 함께 쌓아가고 싶습니다.
그래서 머신러닝에 대해 배우고 토의하는 모임을 만들고자 합니다 !
각자 관심있는 분야에 인공지능 기술을 활용하기 위한 초석을 함께 쌓아가고 싶습니다.
그래서 머신러닝에 대해 배우고 토의하는 모임을 만들고자 합니다 !
모임이 더 궁금하다면 모두의연구소 커뮤니티(https://join.slack.com/t/modulabs/shared_invite/zt-24wqh8x3q-N4AzqCVF_qD1x4RQeqFzAQ) 채널 #04_풀잎스쿨 에서 퍼실이에게 직접 질문할 수 있어요!
무엇을 얻을 수 있나요?
각자 원하는 진로에 AI 기술을 어떻게 활용할 수 있을 지를 구상하여 보다 전문성 있는 커리어를 그릴 수 있습니다.
다양한 AI 기술 사례를 실습하며 최신 AI 기술 트렌드를 읽을 수 있습니다.
관심 분야가 같은 팀원들을 만나 꾸준한 스터디 인프라를 쌓을 수 있습니다.
다양한 AI 기술 사례를 실습하며 최신 AI 기술 트렌드를 읽을 수 있습니다.
관심 분야가 같은 팀원들을 만나 꾸준한 스터디 인프라를 쌓을 수 있습니다.
무엇을 공부하나요?
머신러닝의 교과서라고 불리는 "파이썬 머신러닝 완벽 가이드" 교재를 바탕으로 스터디 할 계획입니다.
파이썬 언어로 머신러닝의 이론적인 기초부터 캐글 경연 데이터를 바탕으로한 실전 구현 능력까지 모두 학습하실 수 있습니다.
파이썬 언어로 머신러닝의 이론적인 기초부터 캐글 경연 데이터를 바탕으로한 실전 구현 능력까지 모두 학습하실 수 있습니다.
어떤 사전지식이 필요한가요?
파이썬 기초 학습 경험
넘파이, 판다스 등 파이썬 기초 라이브러리 학습 경험
넘파이, 판다스 등 파이썬 기초 라이브러리 학습 경험
이런 분들이 들으면 좋아요!
현 전공이나 직무에 AI 기술을 어떻게 활용할 지 고민이신 분
머신러닝 공부를 하고 싶은데 혼자 학습하기엔 의지가 약하신 분
인터넷 강의, 학원 수업과 같은 일방적 학습이 아닌 스스로 학습하고 팀원들과 토의하며 주체적인 그룹 스터디를 원하시는 분
주 1회(2-3시간) 모임과 모임을 위한 사전학습 시간을 확보하고 계신 분
의견 공유, 토의 등의 소통에 거부감 없으신 분 (정답 없는 자유로운 소통입니다💡)
머신러닝 공부를 하고 싶은데 혼자 학습하기엔 의지가 약하신 분
인터넷 강의, 학원 수업과 같은 일방적 학습이 아닌 스스로 학습하고 팀원들과 토의하며 주체적인 그룹 스터디를 원하시는 분
주 1회(2-3시간) 모임과 모임을 위한 사전학습 시간을 확보하고 계신 분
의견 공유, 토의 등의 소통에 거부감 없으신 분 (정답 없는 자유로운 소통입니다💡)
이런 분들은 신청하기 전 다시 한 번 고민해보세요!
컴퓨터 기술 학습에 부정적이신 분
전문 선생님의 지도를 원하시는 분 (함께 학습하고 토의하는 분위기입니다💡)
주 1회 모임, 머신러닝 사전 학습을 위한 시간 확보가 어려우신 분
의견 공유, 토의 등의 소통에 거부감 있으신 분
전문 선생님의 지도를 원하시는 분 (함께 학습하고 토의하는 분위기입니다💡)
주 1회 모임, 머신러닝 사전 학습을 위한 시간 확보가 어려우신 분
의견 공유, 토의 등의 소통에 거부감 있으신 분
학습유형
사전학습
모임 운영 방식
1. 모임이 시작 되면 정해진 순서에 따라 특정 팀원 한 명이 주차별 학습 내용을 팀원들에게 설명합니다.(1시간-1시간30분 소요, 모든 팀원 개인 사전 학습 필요)
2. 설명이 끝나면 설명된 내용을 토대로 각자 어떻게 생각하는지 피드백을 공유하며 자유롭게 소통합니다.(30분-1시간 소요)
3. 주차별 모임 내용을 노션으로 정리하고 모임 시간 외에도 서로 의견을 공유할 수 있도록 합니다.
2. 설명이 끝나면 설명된 내용을 토대로 각자 어떻게 생각하는지 피드백을 공유하며 자유롭게 소통합니다.(30분-1시간 소요)
3. 주차별 모임 내용을 노션으로 정리하고 모임 시간 외에도 서로 의견을 공유할 수 있도록 합니다.
커리큘럼
1주차 : 파이썬 기반 머신러닝과 생태계 이해(+자기소개 및 과정소개)
2주차 : 사이킷런으로 시작하는 머신러닝
3주차 : 평가
4주차 : 분류
5주차 : 회귀
6주차 : 차원 축소
7주차 : 군집화
8주차 : 텍스트 분석
9주차 : 추천 시스템
10주차 : 시각화
11주차 : 마무리
01. 머신러닝의 개념
02. 파이썬 머신러닝 생태계를 구성하는 주요 패키지
03. 넘파이
04. 데이터 핸들링 - 판다스
05. 정리
02. 파이썬 머신러닝 생태계를 구성하는 주요 패키지
03. 넘파이
04. 데이터 핸들링 - 판다스
05. 정리
2주차 : 사이킷런으로 시작하는 머신러닝
01. 사이킷런 소개와 특징
02. 첫 번째 머신러닝 만들어 보기 - 붓꽃 품종 예측하기
03. 사이킷런의 기반 프레임워크 익히기
04. Model Selection 모듈 소개
05. 데이터 전처리
06. 사이킷런으로 수행하는 타이타닉 생존자 예측
07. 정리
02. 첫 번째 머신러닝 만들어 보기 - 붓꽃 품종 예측하기
03. 사이킷런의 기반 프레임워크 익히기
04. Model Selection 모듈 소개
05. 데이터 전처리
06. 사이킷런으로 수행하는 타이타닉 생존자 예측
07. 정리
3주차 : 평가
01. 정확도(Accuracy)
02. 오차 행렬
03. 정밀도와 재현율
04. F1 스코어
05. ROC 곡선과 AUC
06. 피마 인디언 당뇨병 예측
07. 정리
02. 오차 행렬
03. 정밀도와 재현율
04. F1 스코어
05. ROC 곡선과 AUC
06. 피마 인디언 당뇨병 예측
07. 정리
4주차 : 분류
01. 분류(Classification)의 개요
02. 결정 트리
03. 앙상블 학습
04. 랜덤 포레스트
05. GBM(Gradient Boosting Machine)
06. XGBoost(eXtra Gradient Boost)
07. LightGBM
08. 베이지안 최적화 기반의 HyperOpt를 이용한 하이퍼 파라미터 튜닝
09. 분류 실습 - 캐글 산탄데르 고객 만족 예측
10. 분류 실습 - 캐글 신용카드 사기 검출
11. 스태킹 앙상블
12. 정리
02. 결정 트리
03. 앙상블 학습
04. 랜덤 포레스트
05. GBM(Gradient Boosting Machine)
06. XGBoost(eXtra Gradient Boost)
07. LightGBM
08. 베이지안 최적화 기반의 HyperOpt를 이용한 하이퍼 파라미터 튜닝
09. 분류 실습 - 캐글 산탄데르 고객 만족 예측
10. 분류 실습 - 캐글 신용카드 사기 검출
11. 스태킹 앙상블
12. 정리
5주차 : 회귀
01. 회귀 소개
02. 단순 선형 회귀를 통한 회귀 이해
03. 비용 최소화하기 - 경사 하강법(Gradient Descent) 소개
04. 사이킷런 LinearRegression을 이용한 보스턴 주택 가격 예측
05. 다항 회귀와 과(대)적합/과소적합 이해
06. 규제 선형 모델 - 릿지, 라쏘, 엘라스틱넷
07. 로지스틱 회귀
08. 회귀 트리
09. 회귀 실습 - 자전거 대여 수요 예측
10. 회귀 실습 - 캐글 주택 가격: 고급 회귀 기법
11. 정리
02. 단순 선형 회귀를 통한 회귀 이해
03. 비용 최소화하기 - 경사 하강법(Gradient Descent) 소개
04. 사이킷런 LinearRegression을 이용한 보스턴 주택 가격 예측
05. 다항 회귀와 과(대)적합/과소적합 이해
06. 규제 선형 모델 - 릿지, 라쏘, 엘라스틱넷
07. 로지스틱 회귀
08. 회귀 트리
09. 회귀 실습 - 자전거 대여 수요 예측
10. 회귀 실습 - 캐글 주택 가격: 고급 회귀 기법
11. 정리
6주차 : 차원 축소
01. 차원 축소(Dimension Reduction) 개요
02. PCA(Principal Component Analysis)
03. LDA(Linear Discriminant Analysis)
04. SVD(Singular Value Decomposition)
05. NMF(Non-Negative Matrix Factorization)
06. 정리
02. PCA(Principal Component Analysis)
03. LDA(Linear Discriminant Analysis)
04. SVD(Singular Value Decomposition)
05. NMF(Non-Negative Matrix Factorization)
06. 정리
7주차 : 군집화
01. K-평균 알고리즘 이해
02. 군집 평가(Cluster Evaluation)
03. 평균 이동
04. GMM(Gaussian Mixture Model)
05. DBSCAN
06. 군집화 실습 - 고객 세그먼테이션
07. 정리
02. 군집 평가(Cluster Evaluation)
03. 평균 이동
04. GMM(Gaussian Mixture Model)
05. DBSCAN
06. 군집화 실습 - 고객 세그먼테이션
07. 정리
8주차 : 텍스트 분석
___NLP이냐 텍스트 분석이냐?
01. 텍스트 분석 이해
02. 텍스트 사전 준비 작업(텍스트 전처리) - 텍스트 정규화
03. Bag of Words - BOW
04. 텍스트 분류 실습 - 20 뉴스그룹 분류
05. 감성 분석
06. 토픽 모델링(Topic Modeling) - 20 뉴스그룹
07. 문서 군집화 소개와 실습(Opinion Review 데이터 세트)
08. 문서 유사도
09. 한글 텍스트 처리 - 네이버 영화 평점 감성 분석
10. 텍스트 분석 실습 - 캐글 Mercari Price Suggestion Challenge
11. 정리
01. 텍스트 분석 이해
02. 텍스트 사전 준비 작업(텍스트 전처리) - 텍스트 정규화
03. Bag of Words - BOW
04. 텍스트 분류 실습 - 20 뉴스그룹 분류
05. 감성 분석
06. 토픽 모델링(Topic Modeling) - 20 뉴스그룹
07. 문서 군집화 소개와 실습(Opinion Review 데이터 세트)
08. 문서 유사도
09. 한글 텍스트 처리 - 네이버 영화 평점 감성 분석
10. 텍스트 분석 실습 - 캐글 Mercari Price Suggestion Challenge
11. 정리
9주차 : 추천 시스템
01. 추천 시스템의 개요와 배경
02. 콘텐츠 기반 필터링 추천 시스템
03. 최근접 이웃 협업 필터링
04. 잠재 요인 협업 필터링
05. 콘텐츠 기반 필터링 실습 - TMDB 5000 영화 데이터 세트
06. 아이템 기반 최근접 이웃 협업 필터링 실습
07. 행렬 분해를 이용한 잠재 요인 협업 필터링 실습
08. 파이썬 추천 시스템 패키지 - Surprise
09. 정리
02. 콘텐츠 기반 필터링 추천 시스템
03. 최근접 이웃 협업 필터링
04. 잠재 요인 협업 필터링
05. 콘텐츠 기반 필터링 실습 - TMDB 5000 영화 데이터 세트
06. 아이템 기반 최근접 이웃 협업 필터링 실습
07. 행렬 분해를 이용한 잠재 요인 협업 필터링 실습
08. 파이썬 추천 시스템 패키지 - Surprise
09. 정리
10주차 : 시각화
01. 시각화를 시작하며 - 맷플롯립과 시본 개요
02. 맷플롯립(Matplotlib)
03. 시본(Seaborn)
04. 정리
02. 맷플롯립(Matplotlib)
03. 시본(Seaborn)
04. 정리
11주차 : 마무리
배운 내용 총 정리 및 추후 머신러닝을 어떤 방향으로 활용할 것인지 각자 로드맵 공유
교재 / 학습자료 / 준비물
교재 : 파이썬 머신러닝 완벽 가이드 (위키북스/권철민, 2022.04.21.발행 판)
첫 시간 전 준비사항
간단 자기 소개 내용
교재 준비 : 파이썬 머신러닝 완벽 가이드 (위키북스/권철민, 2022.04.21.발행 판)
교재 1장 예습 : 파이썬 기반의 머신러닝과 생태계 이해
교재 준비 : 파이썬 머신러닝 완벽 가이드 (위키북스/권철민, 2022.04.21.발행 판)
교재 1장 예습 : 파이썬 기반의 머신러닝과 생태계 이해
퍼실이 소개
심형준
#유통 #데이터분석 #머신러닝
자기 소개 및 개설 동기
유통업계에서 3년 이상 근무하며 데이터 활용 기술의 중요성을 느꼈습니다. 지금은 퇴사 후 머신러닝 기반 데이터 분석가로 이직 준비 중이며, 이를 위한 머신러닝 스터디를 꾸리고자 합니다. 함께 공부하고 자유롭게 토론하는 소통의 장을 만들어 나가실 분들이라면 모두 환영합니다😊
소속
모두의 연구소
풀잎스쿨 / LAB 참여 이력
LAB SSHAB (Small and Side Hustle Advancement Business) LAB 참여
풀잎32기 데이터분석-머신러닝 초읽기 퍼실
풀잎32기 부스터들의 캐글 도전기 참여
풀잎스쿨 참여 주의사항
Q. 풀잎스쿨은 강의인가요?
풀잎스쿨은 학원식 강의가 아닌, 플립러닝(flipped learning) 방식으로 참여자들이 함께 만들어 나가는 스터디 모임이에요. 따라서 출석과 사전 학습을 성실히 수행하고, 공부한 것을 함께 나눌 의지가 있으시다면 그 어디보다 많은 것을 얻어가실 수 있답니다!
Q. '퍼실이'는 누구인가요?
퍼실이는 함께 공부하는 스터디 리더예요. 강사가 아니어서 강의를 하지는 않지만, 커리큘럼을 기획하고 모임을 진행한답니다. 선의와 공유의 마음으로 기꺼이 지원해 모임을 이끌어 주시는 만큼, 퍼실이와 함께 따뜻한 모임을 함께 만들어 주세요. :)
부득이하게 모임 참석이 어렵거나 모임에 늦는 경우처럼, 원활한 참여가 어려운 경우에는 퍼실이가 미리 인지하고 준비하실 수 있도록 반드시 알려주세요!
Q. 사회적 거리두기 단계에 따라 안전하게 진행되나요?
모두의연구소는 사회적 거리두기 단계별 방역 조치를 지켜, 모든 연구원들이 안전한 환경에서 편안히 활동하실 수 있도록 노력하고 있습니다.
오프라인 모임 또한 사회적 거리두기 단계별 방역 조치에 따라 온라인으로 진행될 수 있습니다. 다만, 방역 조치상 오프라인 모임이 가능한 경우 오프라인 진행을 원칙으로 합니다. 추가적으로, 모임의 질을 위해 온•오프라인 병행은 '지양'하고 있습니다.
풀잎스쿨에는 온라인으로 진행되는 다양한 과정이 있답니다. 시간적•거리적 제약으로 오프라인 참여가 어려우신 분들은 온라인 과정을 주목해 주세요! :)
Q. 온라인 모임에 참여할 때 캠과 마이크를 반드시 켜야 하나요?
네. 모두의연구소는 연구원 분들이 최적의 환경에서 학습과 연구에 몰입하실 수 있는 환경 조성을 최우선으로 하고 있습니다. 따라서, 온라인 모임 시에는 토론과 질문이 빈번한 학습 환경에서의 몰입과 매끄러운 진행을 위해, 반드시 캠과 마이크를 켜서 대화에 참여하도록 안내하고 있습니다.
캠과 마이크를 켤 수 없는 경우에는 아쉽지만 참여를 제한하고 있으니, 반드시 캠과 마이크 기능이 포함된 도구를 준비해 주세요. 원활한 의사소통을 위해 자택 등의 조용한 공간에서 참여해 주시면 감사드리겠습니다.
풀잎스쿨은 학원식 강의가 아닌, 플립러닝(flipped learning) 방식으로 참여자들이 함께 만들어 나가는 스터디 모임이에요. 따라서 출석과 사전 학습을 성실히 수행하고, 공부한 것을 함께 나눌 의지가 있으시다면 그 어디보다 많은 것을 얻어가실 수 있답니다!
Q. '퍼실이'는 누구인가요?
퍼실이는 함께 공부하는 스터디 리더예요. 강사가 아니어서 강의를 하지는 않지만, 커리큘럼을 기획하고 모임을 진행한답니다. 선의와 공유의 마음으로 기꺼이 지원해 모임을 이끌어 주시는 만큼, 퍼실이와 함께 따뜻한 모임을 함께 만들어 주세요. :)
부득이하게 모임 참석이 어렵거나 모임에 늦는 경우처럼, 원활한 참여가 어려운 경우에는 퍼실이가 미리 인지하고 준비하실 수 있도록 반드시 알려주세요!
Q. 사회적 거리두기 단계에 따라 안전하게 진행되나요?
모두의연구소는 사회적 거리두기 단계별 방역 조치를 지켜, 모든 연구원들이 안전한 환경에서 편안히 활동하실 수 있도록 노력하고 있습니다.
오프라인 모임 또한 사회적 거리두기 단계별 방역 조치에 따라 온라인으로 진행될 수 있습니다. 다만, 방역 조치상 오프라인 모임이 가능한 경우 오프라인 진행을 원칙으로 합니다. 추가적으로, 모임의 질을 위해 온•오프라인 병행은 '지양'하고 있습니다.
풀잎스쿨에는 온라인으로 진행되는 다양한 과정이 있답니다. 시간적•거리적 제약으로 오프라인 참여가 어려우신 분들은 온라인 과정을 주목해 주세요! :)
Q. 온라인 모임에 참여할 때 캠과 마이크를 반드시 켜야 하나요?
네. 모두의연구소는 연구원 분들이 최적의 환경에서 학습과 연구에 몰입하실 수 있는 환경 조성을 최우선으로 하고 있습니다. 따라서, 온라인 모임 시에는 토론과 질문이 빈번한 학습 환경에서의 몰입과 매끄러운 진행을 위해, 반드시 캠과 마이크를 켜서 대화에 참여하도록 안내하고 있습니다.
캠과 마이크를 켤 수 없는 경우에는 아쉽지만 참여를 제한하고 있으니, 반드시 캠과 마이크 기능이 포함된 도구를 준비해 주세요. 원활한 의사소통을 위해 자택 등의 조용한 공간에서 참여해 주시면 감사드리겠습니다.
환불정책
첫 모임 시작 전날까지 취소 및 전액 환불이 가능합니다.
환불 신청은 홈페이지 상단의 “문의글 작성” 에서 가능합니다.
환불 신청은 홈페이지 상단의 “문의글 작성” 에서 가능합니다.
데이터분석-머신러닝 초읽기
모임시작
2023년 06월 13일
모임일시
매주 화요일 19:30 ~ 21:30
모임장소
역삼캠퍼스
(서울 강남구 역삼로 156 태광빌딩 2층)
모집기간
2023년 05월 31일 ~ 06월 11일
모집인원
5명
모집방법
선착순
165,000원 / 총 11회 24시간
(7,500원 / 시간)
📢 브라우저 창이나 탭을 동시에 한 개 이상 열어서 모임을 신청하는 경우 결제 오류가 발생할 수 있으니 하나씩 신청 부탁드려요!
모집 마감된 모임의 경우 '공석 알림 신청'을 해주시면, 추후 취소하는 참여자가 있는 경우에 이메일로 알림을 보내드립니다.
"모임이 더 궁금하다면 모두의연구소 커뮤니티 채널 #04_풀잎스쿨 에서 퍼실이에게 직접 질문할 수 있어요!"
데이터분석-머신러닝 초읽기
모임시작
2023년 06월 13일
모임일시
매주 화요일 19:30 ~ 21:30
모임장소
역삼캠퍼스
(서울 강남구 역삼로 156 태광빌딩 2층)
모집기간
2023년 05월 31일 ~ 06월 11일
모집인원
5명
모집방법
선착순
165,000원 / 총 11회 24시간
(7,500원 / 시간)
📢 브라우저 창이나 탭을 동시에 한 개 이상 열어서 모임을 신청하는 경우 결제 오류가 발생할 수 있으니 하나씩 신청 부탁드려요!
모집 마감된 모임의 경우 '공석 알림 신청'을 해주시면, 추후 취소하는 참여자가 있는 경우에 이메일로 알림을 보내드립니다.
"모임이 더 궁금하다면 모두의연구소 커뮤니티 채널 #04_풀잎스쿨 에서 퍼실이에게 직접 질문할 수 있어요!"
어떤 모임인가요?
모든 직무, 산업군에 AI-머신러닝 기술이 활용 되는 세상입니다.
각자 관심있는 분야에 인공지능 기술을 활용하기 위한 초석을 함께 쌓아가고 싶습니다.
그래서 머신러닝에 대해 배우고 토의하는 모임을 만들고자 합니다 !
각자 관심있는 분야에 인공지능 기술을 활용하기 위한 초석을 함께 쌓아가고 싶습니다.
그래서 머신러닝에 대해 배우고 토의하는 모임을 만들고자 합니다 !
모임이 더 궁금하다면 모두의연구소 커뮤니티(https://join.slack.com/t/modulabs/shared_invite/zt-24wqh8x3q-N4AzqCVF_qD1x4RQeqFzAQ) 채널 #04_풀잎스쿨 에서 퍼실이에게 직접 질문할 수 있어요!
무엇을 얻을 수 있나요?
각자 원하는 진로에 AI 기술을 어떻게 활용할 수 있을 지를 구상하여 보다 전문성 있는 커리어를 그릴 수 있습니다.
다양한 AI 기술 사례를 실습하며 최신 AI 기술 트렌드를 읽을 수 있습니다.
관심 분야가 같은 팀원들을 만나 꾸준한 스터디 인프라를 쌓을 수 있습니다.
다양한 AI 기술 사례를 실습하며 최신 AI 기술 트렌드를 읽을 수 있습니다.
관심 분야가 같은 팀원들을 만나 꾸준한 스터디 인프라를 쌓을 수 있습니다.
무엇을 공부하나요?
머신러닝의 교과서라고 불리는 "파이썬 머신러닝 완벽 가이드" 교재를 바탕으로 스터디 할 계획입니다.
파이썬 언어로 머신러닝의 이론적인 기초부터 캐글 경연 데이터를 바탕으로한 실전 구현 능력까지 모두 학습하실 수 있습니다.
파이썬 언어로 머신러닝의 이론적인 기초부터 캐글 경연 데이터를 바탕으로한 실전 구현 능력까지 모두 학습하실 수 있습니다.
어떤 사전지식이 필요한가요?
파이썬 기초 학습 경험
넘파이, 판다스 등 파이썬 기초 라이브러리 학습 경험
넘파이, 판다스 등 파이썬 기초 라이브러리 학습 경험
이런 분들이 들으면 좋아요!
현 전공이나 직무에 AI 기술을 어떻게 활용할 지 고민이신 분
머신러닝 공부를 하고 싶은데 혼자 학습하기엔 의지가 약하신 분
인터넷 강의, 학원 수업과 같은 일방적 학습이 아닌 스스로 학습하고 팀원들과 토의하며 주체적인 그룹 스터디를 원하시는 분
주 1회(2-3시간) 모임과 모임을 위한 사전학습 시간을 확보하고 계신 분
의견 공유, 토의 등의 소통에 거부감 없으신 분 (정답 없는 자유로운 소통입니다💡)
머신러닝 공부를 하고 싶은데 혼자 학습하기엔 의지가 약하신 분
인터넷 강의, 학원 수업과 같은 일방적 학습이 아닌 스스로 학습하고 팀원들과 토의하며 주체적인 그룹 스터디를 원하시는 분
주 1회(2-3시간) 모임과 모임을 위한 사전학습 시간을 확보하고 계신 분
의견 공유, 토의 등의 소통에 거부감 없으신 분 (정답 없는 자유로운 소통입니다💡)
이런 분들은 신청하기 전 다시 한 번 고민해보세요!
컴퓨터 기술 학습에 부정적이신 분
전문 선생님의 지도를 원하시는 분 (함께 학습하고 토의하는 분위기입니다💡)
주 1회 모임, 머신러닝 사전 학습을 위한 시간 확보가 어려우신 분
의견 공유, 토의 등의 소통에 거부감 있으신 분
전문 선생님의 지도를 원하시는 분 (함께 학습하고 토의하는 분위기입니다💡)
주 1회 모임, 머신러닝 사전 학습을 위한 시간 확보가 어려우신 분
의견 공유, 토의 등의 소통에 거부감 있으신 분
학습유형
사전학습
모임 운영 방식
1. 모임이 시작 되면 정해진 순서에 따라 특정 팀원 한 명이 주차별 학습 내용을 팀원들에게 설명합니다.(1시간-1시간30분 소요, 모든 팀원 개인 사전 학습 필요)
2. 설명이 끝나면 설명된 내용을 토대로 각자 어떻게 생각하는지 피드백을 공유하며 자유롭게 소통합니다.(30분-1시간 소요)
3. 주차별 모임 내용을 노션으로 정리하고 모임 시간 외에도 서로 의견을 공유할 수 있도록 합니다.
2. 설명이 끝나면 설명된 내용을 토대로 각자 어떻게 생각하는지 피드백을 공유하며 자유롭게 소통합니다.(30분-1시간 소요)
3. 주차별 모임 내용을 노션으로 정리하고 모임 시간 외에도 서로 의견을 공유할 수 있도록 합니다.
커리큘럼
1주차 : 파이썬 기반 머신러닝과 생태계 이해(+자기소개 및 과정소개)
2주차 : 사이킷런으로 시작하는 머신러닝
3주차 : 평가
4주차 : 분류
5주차 : 회귀
6주차 : 차원 축소
7주차 : 군집화
8주차 : 텍스트 분석
9주차 : 추천 시스템
10주차 : 시각화
11주차 : 마무리
01. 머신러닝의 개념
02. 파이썬 머신러닝 생태계를 구성하는 주요 패키지
03. 넘파이
04. 데이터 핸들링 - 판다스
05. 정리
02. 파이썬 머신러닝 생태계를 구성하는 주요 패키지
03. 넘파이
04. 데이터 핸들링 - 판다스
05. 정리
2주차 : 사이킷런으로 시작하는 머신러닝
01. 사이킷런 소개와 특징
02. 첫 번째 머신러닝 만들어 보기 - 붓꽃 품종 예측하기
03. 사이킷런의 기반 프레임워크 익히기
04. Model Selection 모듈 소개
05. 데이터 전처리
06. 사이킷런으로 수행하는 타이타닉 생존자 예측
07. 정리
02. 첫 번째 머신러닝 만들어 보기 - 붓꽃 품종 예측하기
03. 사이킷런의 기반 프레임워크 익히기
04. Model Selection 모듈 소개
05. 데이터 전처리
06. 사이킷런으로 수행하는 타이타닉 생존자 예측
07. 정리
3주차 : 평가
01. 정확도(Accuracy)
02. 오차 행렬
03. 정밀도와 재현율
04. F1 스코어
05. ROC 곡선과 AUC
06. 피마 인디언 당뇨병 예측
07. 정리
02. 오차 행렬
03. 정밀도와 재현율
04. F1 스코어
05. ROC 곡선과 AUC
06. 피마 인디언 당뇨병 예측
07. 정리
4주차 : 분류
01. 분류(Classification)의 개요
02. 결정 트리
03. 앙상블 학습
04. 랜덤 포레스트
05. GBM(Gradient Boosting Machine)
06. XGBoost(eXtra Gradient Boost)
07. LightGBM
08. 베이지안 최적화 기반의 HyperOpt를 이용한 하이퍼 파라미터 튜닝
09. 분류 실습 - 캐글 산탄데르 고객 만족 예측
10. 분류 실습 - 캐글 신용카드 사기 검출
11. 스태킹 앙상블
12. 정리
02. 결정 트리
03. 앙상블 학습
04. 랜덤 포레스트
05. GBM(Gradient Boosting Machine)
06. XGBoost(eXtra Gradient Boost)
07. LightGBM
08. 베이지안 최적화 기반의 HyperOpt를 이용한 하이퍼 파라미터 튜닝
09. 분류 실습 - 캐글 산탄데르 고객 만족 예측
10. 분류 실습 - 캐글 신용카드 사기 검출
11. 스태킹 앙상블
12. 정리
5주차 : 회귀
01. 회귀 소개
02. 단순 선형 회귀를 통한 회귀 이해
03. 비용 최소화하기 - 경사 하강법(Gradient Descent) 소개
04. 사이킷런 LinearRegression을 이용한 보스턴 주택 가격 예측
05. 다항 회귀와 과(대)적합/과소적합 이해
06. 규제 선형 모델 - 릿지, 라쏘, 엘라스틱넷
07. 로지스틱 회귀
08. 회귀 트리
09. 회귀 실습 - 자전거 대여 수요 예측
10. 회귀 실습 - 캐글 주택 가격: 고급 회귀 기법
11. 정리
02. 단순 선형 회귀를 통한 회귀 이해
03. 비용 최소화하기 - 경사 하강법(Gradient Descent) 소개
04. 사이킷런 LinearRegression을 이용한 보스턴 주택 가격 예측
05. 다항 회귀와 과(대)적합/과소적합 이해
06. 규제 선형 모델 - 릿지, 라쏘, 엘라스틱넷
07. 로지스틱 회귀
08. 회귀 트리
09. 회귀 실습 - 자전거 대여 수요 예측
10. 회귀 실습 - 캐글 주택 가격: 고급 회귀 기법
11. 정리
6주차 : 차원 축소
01. 차원 축소(Dimension Reduction) 개요
02. PCA(Principal Component Analysis)
03. LDA(Linear Discriminant Analysis)
04. SVD(Singular Value Decomposition)
05. NMF(Non-Negative Matrix Factorization)
06. 정리
02. PCA(Principal Component Analysis)
03. LDA(Linear Discriminant Analysis)
04. SVD(Singular Value Decomposition)
05. NMF(Non-Negative Matrix Factorization)
06. 정리
7주차 : 군집화
01. K-평균 알고리즘 이해
02. 군집 평가(Cluster Evaluation)
03. 평균 이동
04. GMM(Gaussian Mixture Model)
05. DBSCAN
06. 군집화 실습 - 고객 세그먼테이션
07. 정리
02. 군집 평가(Cluster Evaluation)
03. 평균 이동
04. GMM(Gaussian Mixture Model)
05. DBSCAN
06. 군집화 실습 - 고객 세그먼테이션
07. 정리
8주차 : 텍스트 분석
___NLP이냐 텍스트 분석이냐?
01. 텍스트 분석 이해
02. 텍스트 사전 준비 작업(텍스트 전처리) - 텍스트 정규화
03. Bag of Words - BOW
04. 텍스트 분류 실습 - 20 뉴스그룹 분류
05. 감성 분석
06. 토픽 모델링(Topic Modeling) - 20 뉴스그룹
07. 문서 군집화 소개와 실습(Opinion Review 데이터 세트)
08. 문서 유사도
09. 한글 텍스트 처리 - 네이버 영화 평점 감성 분석
10. 텍스트 분석 실습 - 캐글 Mercari Price Suggestion Challenge
11. 정리
01. 텍스트 분석 이해
02. 텍스트 사전 준비 작업(텍스트 전처리) - 텍스트 정규화
03. Bag of Words - BOW
04. 텍스트 분류 실습 - 20 뉴스그룹 분류
05. 감성 분석
06. 토픽 모델링(Topic Modeling) - 20 뉴스그룹
07. 문서 군집화 소개와 실습(Opinion Review 데이터 세트)
08. 문서 유사도
09. 한글 텍스트 처리 - 네이버 영화 평점 감성 분석
10. 텍스트 분석 실습 - 캐글 Mercari Price Suggestion Challenge
11. 정리
9주차 : 추천 시스템
01. 추천 시스템의 개요와 배경
02. 콘텐츠 기반 필터링 추천 시스템
03. 최근접 이웃 협업 필터링
04. 잠재 요인 협업 필터링
05. 콘텐츠 기반 필터링 실습 - TMDB 5000 영화 데이터 세트
06. 아이템 기반 최근접 이웃 협업 필터링 실습
07. 행렬 분해를 이용한 잠재 요인 협업 필터링 실습
08. 파이썬 추천 시스템 패키지 - Surprise
09. 정리
02. 콘텐츠 기반 필터링 추천 시스템
03. 최근접 이웃 협업 필터링
04. 잠재 요인 협업 필터링
05. 콘텐츠 기반 필터링 실습 - TMDB 5000 영화 데이터 세트
06. 아이템 기반 최근접 이웃 협업 필터링 실습
07. 행렬 분해를 이용한 잠재 요인 협업 필터링 실습
08. 파이썬 추천 시스템 패키지 - Surprise
09. 정리
10주차 : 시각화
01. 시각화를 시작하며 - 맷플롯립과 시본 개요
02. 맷플롯립(Matplotlib)
03. 시본(Seaborn)
04. 정리
02. 맷플롯립(Matplotlib)
03. 시본(Seaborn)
04. 정리
11주차 : 마무리
배운 내용 총 정리 및 추후 머신러닝을 어떤 방향으로 활용할 것인지 각자 로드맵 공유
교재 / 학습자료 / 준비물
교재 : 파이썬 머신러닝 완벽 가이드 (위키북스/권철민, 2022.04.21.발행 판)
첫 시간 전 준비사항
간단 자기 소개 내용
교재 준비 : 파이썬 머신러닝 완벽 가이드 (위키북스/권철민, 2022.04.21.발행 판)
교재 1장 예습 : 파이썬 기반의 머신러닝과 생태계 이해
교재 준비 : 파이썬 머신러닝 완벽 가이드 (위키북스/권철민, 2022.04.21.발행 판)
교재 1장 예습 : 파이썬 기반의 머신러닝과 생태계 이해
퍼실이 소개
심형준
#유통 #데이터분석 #머신러닝
자기소개 및 개설동기
유통업계에서 3년 이상 근무하며 데이터 활용 기술의 중요성을 느꼈습니다. 지금은 퇴사 후 머신러닝 기반 데이터 분석가로 이직 준비 중이며, 이를 위한 머신러닝 스터디를 꾸리고자 합니다. 함께 공부하고 자유롭게 토론하는 소통의 장을 만들어 나가실 분들이라면 모두 환영합니다😊
소속
모두의 연구소
풀잎스쿨 / LAB 참여 이력
LAB SSHAB (Small and Side Hustle Advancement Business) LAB 참여
풀잎32기 데이터분석-머신러닝 초읽기 퍼실
풀잎32기 부스터들의 캐글 도전기 참여
풀잎스쿨 참여 주의사항
Q. 풀잎스쿨은 강의인가요?
풀잎스쿨은 학원식 강의가 아닌, 플립러닝(flipped learning) 방식으로 참여자들이 함께 만들어 나가는 스터디 모임이에요. 따라서 출석과 사전 학습을 성실히 수행하고, 공부한 것을 함께 나눌 의지가 있으시다면 그 어디보다 많은 것을 얻어가실 수 있답니다!
Q. '퍼실이'는 누구인가요?
퍼실이는 함께 공부하는 스터디 리더예요. 강사가 아니어서 강의를 하지는 않지만, 커리큘럼을 기획하고 모임을 진행한답니다. 선의와 공유의 마음으로 기꺼이 지원해 모임을 이끌어 주시는 만큼, 퍼실이와 함께 따뜻한 모임을 함께 만들어 주세요. :)
부득이하게 모임 참석이 어렵거나 모임에 늦는 경우처럼, 원활한 참여가 어려운 경우에는 퍼실이가 미리 인지하고 준비하실 수 있도록 반드시 알려주세요!
Q. 사회적 거리두기 단계에 따라 안전하게 진행되나요?
모두의연구소는 사회적 거리두기 단계별 방역 조치를 지켜, 모든 연구원들이 안전한 환경에서 편안히 활동하실 수 있도록 노력하고 있습니다.
오프라인 모임 또한 사회적 거리두기 단계별 방역 조치에 따라 온라인으로 진행될 수 있습니다. 다만, 방역 조치상 오프라인 모임이 가능한 경우 오프라인 진행을 원칙으로 합니다. 추가적으로, 모임의 질을 위해 온•오프라인 병행은 '지양'하고 있습니다.
풀잎스쿨에는 온라인으로 진행되는 다양한 과정이 있답니다. 시간적•거리적 제약으로 오프라인 참여가 어려우신 분들은 온라인 과정을 주목해 주세요! :)
Q. 온라인 모임에 참여할 때 캠과 마이크를 반드시 켜야 하나요?
네. 모두의연구소는 연구원 분들이 최적의 환경에서 학습과 연구에 몰입하실 수 있는 환경 조성을 최우선으로 하고 있습니다. 따라서, 온라인 모임 시에는 토론과 질문이 빈번한 학습 환경에서의 몰입과 매끄러운 진행을 위해, 반드시 캠과 마이크를 켜서 대화에 참여하도록 안내하고 있습니다.
캠과 마이크를 켤 수 없는 경우에는 아쉽지만 참여를 제한하고 있으니, 반드시 캠과 마이크 기능이 포함된 도구를 준비해 주세요. 원활한 의사소통을 위해 자택 등의 조용한 공간에서 참여해 주시면 감사드리겠습니다.
풀잎스쿨은 학원식 강의가 아닌, 플립러닝(flipped learning) 방식으로 참여자들이 함께 만들어 나가는 스터디 모임이에요. 따라서 출석과 사전 학습을 성실히 수행하고, 공부한 것을 함께 나눌 의지가 있으시다면 그 어디보다 많은 것을 얻어가실 수 있답니다!
Q. '퍼실이'는 누구인가요?
퍼실이는 함께 공부하는 스터디 리더예요. 강사가 아니어서 강의를 하지는 않지만, 커리큘럼을 기획하고 모임을 진행한답니다. 선의와 공유의 마음으로 기꺼이 지원해 모임을 이끌어 주시는 만큼, 퍼실이와 함께 따뜻한 모임을 함께 만들어 주세요. :)
부득이하게 모임 참석이 어렵거나 모임에 늦는 경우처럼, 원활한 참여가 어려운 경우에는 퍼실이가 미리 인지하고 준비하실 수 있도록 반드시 알려주세요!
Q. 사회적 거리두기 단계에 따라 안전하게 진행되나요?
모두의연구소는 사회적 거리두기 단계별 방역 조치를 지켜, 모든 연구원들이 안전한 환경에서 편안히 활동하실 수 있도록 노력하고 있습니다.
오프라인 모임 또한 사회적 거리두기 단계별 방역 조치에 따라 온라인으로 진행될 수 있습니다. 다만, 방역 조치상 오프라인 모임이 가능한 경우 오프라인 진행을 원칙으로 합니다. 추가적으로, 모임의 질을 위해 온•오프라인 병행은 '지양'하고 있습니다.
풀잎스쿨에는 온라인으로 진행되는 다양한 과정이 있답니다. 시간적•거리적 제약으로 오프라인 참여가 어려우신 분들은 온라인 과정을 주목해 주세요! :)
Q. 온라인 모임에 참여할 때 캠과 마이크를 반드시 켜야 하나요?
네. 모두의연구소는 연구원 분들이 최적의 환경에서 학습과 연구에 몰입하실 수 있는 환경 조성을 최우선으로 하고 있습니다. 따라서, 온라인 모임 시에는 토론과 질문이 빈번한 학습 환경에서의 몰입과 매끄러운 진행을 위해, 반드시 캠과 마이크를 켜서 대화에 참여하도록 안내하고 있습니다.
캠과 마이크를 켤 수 없는 경우에는 아쉽지만 참여를 제한하고 있으니, 반드시 캠과 마이크 기능이 포함된 도구를 준비해 주세요. 원활한 의사소통을 위해 자택 등의 조용한 공간에서 참여해 주시면 감사드리겠습니다.
환불정책
첫 모임 시작 전날까지 취소 및 전액 환불이 가능합니다.
환불 신청은 홈페이지 상단의 “문의글 작성” 에서 가능합니다.
환불 신청은 홈페이지 상단의 “문의글 작성” 에서 가능합니다.