ML/DL 교육 : From Python to Deep Learning

강의개요

4차 산업혁명과 함께 데이터에 대한 이해와 이를 활용한 인공지능 시스템의 개발은 모든 산업계의 핵심적인 목표가 되고 있다. 본 강의는 머신러닝과 딥러닝에서 사용하는 다양한 알고리즘을 이해하고 이를 활용하여 실제 산업계의 문제를 해결하기 위한 능력을 기르는 것을 목적으로 한다. 이를 위해 다양한 머신러닝 및 딥러닝의 기초개념과 주요 알고리즘들에 대해 이해하고 구현하는 것을 목적으로 하며, 본 과정을 통해 수강자는 데이터 과학에서 사용되는 다양한 용어에 기본적으로 이해하고 이를 적용하는 능력을 가지게 된다.

강의목표

• 본 과정은 머신러닝에 대한 기초개념과 주요 알고리즘들에 대해 이해하고 구현하는 것을 목적으로 함
• 본 과정을 통해 수강자는 데이터 과학에서 사용되는 다양한 용어에 대한 기본적인 이해를 할 수 있음
• 본 과정의 기본적인 구성은 알고리즘에 대한 설명, Numpy를 사용한 구현, Scikit-Learn, Keras을 사용한 패키지 활용으로 이루어 져 있음
• 수강자는 머신러닝/딥러닝에서 주로 사용되는 알고리즘을 구현하기 위해 고등학교 수준의 통계학과 선형대수학의 이해가 필요함
• 수강자는 본 과정을 통해 Numpy, Pandas, Matplotlib, Scikit-Learn, Keras 등 데이터 분석을 위한 기본적인 파이썬 패키지를 이해하게됨

권장도서

• 밑바닥부터 시작하는 데이터 과학(조엘 그루스, 2016)
• 파이썬 머신러닝(세바스티안 라슈카, 2016)
• Hands-On Machine Learning with Scikit-Learn and TensorFlow(Aurélien Géron, 2017, PDF)
• Data Mining: Concepts and Techniques(Jiawei Han, Micheline Kamber and Jian Pei , 2011, PDF)
• 파이썬 라이브러리를 활용한 데이터 분석(웨스 맥키니, 2013)
• 밑바닥부터 시작하는 딥러닝 (사이토 고키, 2018)

강의정보

• 강사: 최성철 교수 (sc82.choi@gachon.ac.kr, Director of TEAMLAB)
• OpenTalk: 카카오오픈톡

강의일정

Ch 1 - 파이썬의 이해

• 강의자료 - ppt, code
• 강의영상 - Python 강의 목록

Ch 2 - Python Machine Learning Ecosystem

• 주요내용 - ML의 이해, Numpy, Pandas, Matplotlib 활용 방법
• 강의자료 - 전체, numpy code, pandas code, matplotlib code
• 강의영상 - ML 강의 목록

Ch 3 - Timeseries

• 주요내용 - 시계열 데이터 처리방법
• 강의자료 - 전체, time-series code

Ch 4 - Data process

• 주요내용 - 머신러닝 시행을 위한 데이터 전처리, 엔지니어링, 클리닝
• 강의자료 - 전체, code

Ch 5 - Machine Learning Models

• 주요내용 - Linera Regression 부터 XGBoost 까지 ML에서 사용하는 다양한 모델에 대한 이해
• 강의자료 - 전체, code
• 강의영상 - ML 강의 목록 #Chapter 7 이후