MachineLearning Note

 
pagePassword: True
 

준비중..

머신러닝은 인공지능의 한 분야로서 여전히 유효하게 사용 및 발전되고있습니다.

머신러닝 기본

• 머신러닝 개요: 머신러닝의 정의, 종류, 응용 분야
• 지도학습: 선형 회귀, 로지스틱 회귀, 의사결정나무, 랜덤 포레스트, SVM, k-NN
• 비지도학습: 클러스터링, 차원 축소, PCA
• 평가 지표: 정확도, 정밀도, 재현율, F1 점수, ROC-AUC 심화 학습
• 앙상블 학습: 배깅, 부스팅, 스태킹
• 특징 선택 및 엔지니어링: 데이터 전처리, 특징 선택 기법
• 하이퍼파라미터 튜닝: 그리드 서치, 랜덤 서치, 베이지안 최적화
• 모델 해석 및 평가: 모델 해석 기법, 오버피팅과 언더피팅 대응 방법 실습 프로젝트
• 실제 데이터셋을 이용한 머신러닝 모델 구축 및 평가
• 다양한 분야의 데이터셋을 활용한 실습 (예: 금융, 의료, 소셜 미디어 분석) PCA