데이터분석, 머신러닝 누구나 쉽게 배울 수 있습니다.

- 왕초보를 위한 과정으로 코딩과 수학을 몰라도 누구나 머신러닝 데이터분석을 배울 수 있습니다.
- 고려대 현직 교수님과 코딩엑스AI의 연구진들이 누구나 쉽게 배울 수 있도록 준비했습니다.

1. AI 및 데이터 분석 기본 개념 이해한다.
2. 파이썬 프로그래밍 및 데이터 핸들링 능력을 기른다.
3. 데이터 분석 및 시각화 수행 역량을 기른다.
4. 기초 머신러닝 모델 구현 및 평가 능력을 습득한다.

1. 인공지능, 데이터 분석 분야로 진로를 희망하는 학습자
2. 비전공자 중 AI·데이터 분석 기본기를 배우려는 직장인
3. Python을 처음 접하지만 실습 위주로 배우고 싶은 학습자
4. 기업체, 기관의 데이터 기반 업무를 준비하는 실무자

• 온라인 강의
• 온라인 워크북 학습
• 프로젝트 완성

*아래 링크를 통해 강의 세부정보를 확인할 수 있습니다.
[과정소개서 다운로드]

01.  The! 인공지능
02.  인공지능을 위한 파이썬 - 파이썬의 시작, 실습환경
03.  인공지능을 위한 파이썬 - 파이썬의 기초
04.  인공지능을 위한 파이썬 - 수학? 파이썬!
05.  인공지능을 위한 파이썬 - 변수와 데이터, 문자열 포매팅
06.  인공지능을 위한 파이썬 - 컬렉션 데이터
07.  인공지능을 위한 파이썬 - 조건과 반복, 함수
08.  데이터 분석 입문 - 데이터 활용방법, 데이터 구조, 데이터 분석 도구
09.  데이터 분석 입문 - Pandas 라이브러리
10.  데이터 분석 입문 - 이상치
11.  데이터 분석 입문 - 데이터 살펴보기, 상관관계, 그룹별 연산
12.  데이터 분석 활용 - 작업 환경, EDA(1)
13.  데이터 분석 활용 - EDA(2), 그룹별 연산적용
14.  데이터 분석 활용 - 데이터 변환, 시각화(1)
15.  데이터 분석 활용 - 시각화(2), 분석과정리뷰
16.  머신러닝 알고리즘 - 머신러닝 개요, K-NN
17.  머신러닝 알고리즘 - 의사결정나무, 앙상블, 랜덤포레스트
18.  머신러닝 알고리즘 - K-means 군집분석, 연관규칙분석
19.  머신러닝의 알고리즘-신경망// 머신러닝의 흐름- 데이터 준비와 분석 목표, 데이터 나누기
20.  머신러닝의 흐름 - 데이터 스케일링, 클래스 불균형
21.  머신러닝의 흐름 - 하이퍼파라미터 탐색, 모델 성능 평가

항목	진도율	진행단계평가	최종평가	과제	총점
평가비율	-	10%	40%	50%	100점
수료기준	80% 이상	0점 이상	0점 이상	0점 이상	60점 이상

· 교수명 테스트교수 · 약력 주요 약력 부분 테스트 입니다.

등록된 후기가 없습니다.