【한글자막】 머신러닝의 모든 것 with AI, Python & R + ChatGPT Prize [2024]

좋은 성능의 머신러닝 모델을 만들기 위해 반드시 알아야 할 수학적 개념과 30여개 주요 모델 및 이론, 그리고 실습 예제들

4.62 (262 reviews)
Udemy
platform
한국어
language
Data Science
category
instructor
2,787
students
43 hours
content
Jan 2024
last update
$69.99
regular price

What you will learn

Python과 R로 Machine Learning 핵심 모델 완벽 마스터

다양한 모델의 디테일한 동작 원리와 개념들(Regression, SVM, Random Forest, Logistic Regression, k-NN, Naive Bayes, Clustering, 인공신경망, CNN, PCA 등)

차원 축소(PCA)의 핵심 개념

Machine Learning 모델의 성능 향상을 위한 과정(XGBoost, k-Fold Cross Validation, Grid Search)

문제에 따라 적용할 적절한 Machine Learning 모델을 선택하는 방법

강화학습과 Deep Learning의 핵심 모델 일부(UCB, 톰슨 샘플링, 인공신경망, CNN 등)

Machine Learning 모델을 통해 비즈니스를 성장시키는 법

Description

  • 30여개의 머신러닝 주요 모델 및 이론, 개념에 대한 깊이 있는 설명

  • 실제 데이터를 바탕으로 한 실습으로 머신러닝 모델 완벽 이해

  • Python, R 을 사용해 실제 머신러닝 프로젝트에 적용



[머신러닝에 입문하기 위한 가장 확실한 방법]

머신 러닝에 관심은 많지만 방대한 학습량과 높은 난이도로 첫 발을 떼기가 망설여지셨나요?


<머신러닝의 모든 것>은 머신러닝에 관심은 많고, 한 번쯤 배워보고 싶다는 생각은 가지고 있지만, 수학과 프로그래밍에 대해 깊이 있게 다뤄본 적이 없는 사람들을 위해 기획 되었습니다.


코딩 경험이 많지 않아도, 고등학교 이후로 수학을 해보지 않았어도, 누구라도 머신러닝에 쉽게 접근할 수 있도록 도와드립니다.



[머신러닝 입문을 위한 단계별 학습 커리큘럼]

설명은 쉽게, 그러나 코스에서 다루는 학문적 깊이는 절대 얕지 않습니다. 전문 데이터 사이언스 강사님이 각 머신러닝 모델에 대한 개념을 깊이 있게 파고듭니다. 가장 기본적인 머신 러닝 모델부터 심화된 방법론까지 체계적으로 학습하세요!


  1. 데이터 전처리 : 머신러닝에 적합한 데이터 전처리 방법론의 이해

  2. 회귀 : 회귀분석의 각종 모델에 대한 이론 및 데이터 실습 (단순선형회귀, 다중선형회귀, 다항회귀, SVM, 의사결정 트리, 랜덤 포레스트)

  3. 분류 : 분류 문제를 해결하기 위한 머신러닝의 각종 모델에 대한 이해 및 데이터 실습(로지스틱 회귀, K-NN, SVM, 커널 SVM, 나이브 베이즈, 의사결정 트리, 랜덤 포레스트)

  4. 클러스터링 : 군집화를 위한 각종 모델의 이해 및 데이터 실습(k-means 클러스터링, Hierarchical 클러스터링)

  5. 연관 규칙 학습 : 변수 간의 관계를 발견하기 위한 규칙 기반 기계 학습 방법론(Apriori, Eclat)

  6. 강화 학습 : 강화학습의 개념 및 주요 이론에 대한 이해 및 간단한 실습(UCB, 톰슨 샘플링)

  7. 자연어 처리: NLP 주요 개념 및 Bag-of-words 알고리즘

  8. 딥 러닝 : 인공 신경망 기초와 CNN 모델의 이해

  9. 차원 축소 : PCA, LDA, 커널 PCA의 주요 개념

  10. 모델 선택 및 부스팅 : 문제에 대한 적절한 모델 선정 및 성능 향상을 위한 방법론(k-fold 교차 검증, 매개변수 조정, 그리드 검색, XGBoost)


[200만 수강생들의 데이터사이언스 입문을 도운
Kirill Eremenko, Hadelin de Ponteves 강사의 한 마디]

한국 수강생 여러분 안녕하세요!

이 과정은 우리의 지식을 공유하고 복잡한 이론, 알고리즘 및 코딩 라이브러리를 쉽게 배울 수 있도록, 전문 데이터 사이언티스트인 저희가 초심자의 눈높이에 맞춰 직접 설계했습니다.

모든 튜토리얼을 통해 데이터 사이언스의 각 분야를 높은 수준으로 이해시켜 드리겠습니다.

더 나아가, 이 강의에는 실제 데이터를 기반으로 실용적인 실습 예제들이 가득합니다. 따라서 이론을 지식적으로만 배울 뿐 아니라, 직접 데이터셋을 가지고 모델을 구축하는 실습도 하게 됩니다.

그리고 보너스로, 이 강의에는 직접 자신의 프로젝트에서 사용할 수 있는 Python 및 R 코드 템플릿이 모두 포함되어 있습니다.

머신러닝과 데이터사이언스에 입문하고 싶은 분들에게 많은 도움이 되길 바랍니다.

강의에서 만나요!

- Kirill Eremenko, Hadelin de Ponteves   

Content

환영합니다! 이 곳에서 최상의 조건에서 시작할 수 있도록 도와드리겠습니다.

머신러닝 응용
강의의 강사님들을 만나보세요!
추가 콘텐츠 #1: 학습 경로
추가 콘텐츠 #2: ML vs. DL vs. AI - 무엇이 다른가?
추가 콘텐츠 #3: 회귀 유형
머신 러닝이 미래인 이유
핵심 노트, 팁, 그리고 이 강의의 트릭
이 PDF자료는 당신에게 아주 큰 도움이 될 것입니다.
여기에서 모든 코드 및 데이터 세트를 얻으세요!
ML AZ 폴더, Colaboratory, Jupyter Notebook 및 Spyder 프레젠테이션
R 및 R Studio 설치(Mac, Linux 및 Windows)
몇몇 추가 자료들
FAQ봇!
더 나은 데이터 과학자가 되는 당신을 위한 지름길!

-------------------- Part 1: Python의 데이터 전처리 --------------------

"Part 1 - 데이터 전처리(Preprocessing)"에 오신 것을 환영합니다.

Python의 데이터 전처리(Preprocessing)

Machine Learning A-Z 폴더가 준비되어 있는지 확인하세요.
시작하기
Importing the Libraries
데이터 세트 가져오기
Python 학습자를 위한 객체 지향 프로그래밍 요약: 클래스 및 객체
누락된 데이터 처리하기
범주형 데이터 인코딩
데이터 세트를 훈련 세트와 테스트 세트로 분할하기
기능 확장

R에서의 데이터 프로세싱

섹션4의 환영 인사
시작하기
데이터세트(Dataset)가 준비되었는지 확인하세요.
데이터 세트 설명
데이터 세트 가져오기
누락된 데이터 처리하기
범주형 데이터 인코딩
데이터 세트를 훈련 세트와 테스트 세트로 분할하기
기능 확장
데이터 전처리 템플릿

-------------------- Part 2: 회귀 --------------------

"Part 2 - 회귀(Regression)"에 오신 것을 환영합니다!

단순 선형 회귀

Simple Linear Regression Intuition - Step 1
단순 선형 회귀 직관 - 2단계
Machine Learning A-Z 폴더가 준비되었는지 확인하세요
Python의 단순 선형 회귀 - 1단계
Python의 단순 선형 회귀 - 2단계
Python의 단순 선형 회귀 - 3단계
Python의 단순 선형 회귀 - 4단계
Python의 단순 선형 회귀 - 추가 강의
R의 단순 선형 회귀 - 1단계
R의 단순 선형 회귀 - 2단계
R의 단순 선형 회귀 - 3단계
R의 단순 선형 회귀 - 4단계
단순 선형 회귀

다중 선형 회귀

데이터 세트 + 비즈니스 문제 설명
다중 선형 회귀 직관 - 1단계
다중 선형 회귀 직관 - 2단계
다중 선형 회귀 직관 - 3단계
다중 선형 회귀 직관 - 4단계
P-값 이해하기
다중 선형 회귀 직관 - 5단계
Machine Learning A-Z 폴더를 준비하세요.
Python의 다중 선형 회귀 - 1단계
Python의 다중 선형 회귀 - 2단계
Python의 다중 선형 회귀 - 3단계
Python의 다중 선형 회귀 - 4단계
Multiple Linear Regression in Python - Backward Elimination
Python의 다중 선형 회귀 - 추가 콘텐츠
R의 다중 선형 회귀 - 1단계
R의 다중 선형 회귀 - 2단계
R의 다중 선형 회귀 - 3단계
R의 다중 선형 회귀 - Backward Elimination - 숙제!
R의 다중 선형 회귀 - Backward Elimination - 숙제 해답
R의 다중 선형 회귀 - 자동 Backward Elimination
다중 선형 회귀

다항식 회귀

다항식 회귀 직관
Machine Learning A-Z 폴더를 준비하세요.
Python의 다항식 회귀 - 1단계
Python의 다항식 회귀 - 2단계
Python의 다항식 회귀 - 3단계
Python의 다항식 회귀 - 4단계
R에서의 다항식 회귀 - 1단계
R에서의 다항식 회귀 - 2단계
R에서의 다항식 회귀 - 3단계
R에서의 다항식 회귀 - 4단계
R 회귀 템플릿

서포트 벡터 머신 (SVR)

SVR 직관(업데이트됨!)
비선형 SVR에 대한 주의
Machine Learning A-Z 폴더를 준비하세요.
Python의 SVR - 1단계
Python의 SVR - 2단계
Python의 SVR - 3단계
Python의 SVR - 4단계
Python의 SVR - 5단계
R의 SVR

의사 결정 트리 회귀

의사 결정 트리 회귀 직관
Machine Learning A-Z 폴더를 준비하세요.
Python의 의사결정 트리 회귀 - 1단계
Python의 의사결정 트리 회귀 - 2단계
Python의 의사결정 트리 회귀 - 3단계
Python의 의사결정 트리 회귀 - 4단계
R에서의 의사결정 트리 회귀

랜덤 포레스트 회귀

랜덤 포레스트 회귀 직관
파이썬에서의 랜덤 포레스트 회귀
파이썬에서의 랜덤 포레스트 회귀
R에서의 랜덤 포레스트 회귀

회귀 모델 성능 평가

R-제곱 직관
조정된 R-제곱 직관

Python에서의 회귀 모델 선택

Make sure you have this Model Selection folder ready
회귀 코드 템플릿 준비
실행 중인 강력한 회귀 코드 템플릿 최고의 데모!
Part 2 마무리 - 회귀

R에서의 회귀 모델 선택

회귀 모델 성능 평가하기 - 숙제의 마지막 부분
선형 회귀 계수 해석하기
Part 2 마무리 - 회귀

-------------------- Part 3: 분류(Classification) --------------------

"Part 3 - 분류(Classification)"에 오신 것을 환영합니다!

로지스틱 회귀

로지스틱 회귀 직관
Machine Learning A-Z 폴더를 준비하세요.
Python의 로지스틱 회귀 - 1단계
Python의 로지스틱 회귀 - 2단계
Python의 로지스틱 회귀 - 3단계
Python의 로지스틱 회귀 - 4단계
Python의 로지스틱 회귀 - 5단계
Python의 로지스틱 회귀 - 6단계
Python의 로지스틱 회귀 - 7단계
R의 로지스틱 회귀 - 1단계
R의 로지스틱 회귀 - 2단계
R의 로지스틱 회귀 - 3단계
R의 로지스틱 회귀 - 4단계
주의! - (업데이트 됨)
R의 로지스틱 회귀 - 5단계
R 분류 템플릿
보너스 - 머신러닝 회귀 및 분류
로지스틱 회귀
추가 콘텐츠: 로지스틱 회귀 실제 사례 연구

K-Nearest Neighbors (K-NN)

K-Nearest Neighbors 직관
Make sure you have your Machine Learning A-Z folder ready
파이썬의 K-NN
R에서의 K-NN

서포트 벡터 머신(SVM)

K-Nearest Neighbor
SVM 직관
Machine Learning A-Z 폴더를 준비하세요.
Python에서의 SVM
R의 SVM

커널 서포트 벡터 머신(SVM)

커널 SVM 직관
더 높은 차원으로의 매핑
커널 트릭
커널 함수의 유형
비선형 커널 SVR(고급)
Machine Learning A-Z 폴더를 준비하세요.
Python의 커널 SVM
R에서의 커널 SVM

나이브 베이즈(Naive Bayes)

베이즈 정리
나이브 베이즈 직관
Naive Bayes 직관(챌린지 공개)
나이브 베이즈 직관(추가 강의)
Machine Learning A-Z 폴더를 준비하세요
Python의 Naive Bayes
R의 나이브 베이즈

의사결정 트리 분류

의사결정트리 분류 직관
Machine Learning A-Z 폴더를 준비하세요.
Python의 의사결정 트리 분류
R에서의 의사결정 트리 분류

랜덤 포레스트 분류

랜덤 포레스트 분류 직관
Machine Learning A-Z 폴더를 준비하세요
파이썬에서의 랜덤 포레스트 분류
R의 랜덤 포레스트 분류

Python의 분류 모델 선택

Model Selection 폴더가 준비되어 있는지 확인하세요.
강력한 분류 코드 템플릿의 가장 최상의 데모가 실행 중입니다!

분류 모델 성능 평가

false positive와 false negative
혼동 행렬
정확도 역설
CAP 곡선
CAP 곡선 분석
Part 3 마무리 - 분류

-------------------- Part 4: 클러스터링(Clustering) --------------------

"Part 4 - 클러스터링(Clustering)"에 오신 것을 환영합니다!

K-평균 클러스터링

K-평균 클러스터링 직관
K-평균 랜덤 초기화 함정
클러스터의 수를 선택하는 K-평균
Machine Learning A-Z 폴더를 준비하세요
Python의 K-평균 클러스터링 - 1단계
Python의 K-평균 클러스터링 - 2단계
Python의 K-평균 클러스터링 - 3단계
Python의 K-평균 클러스터링 - 4단계
Python의 K-평균 클러스터링 - 5단계
R의 K-평균 클러스터링

계층적 클러스터링

K-Means Clustering
계층적 클러스터링 직관
계층적 클러스터링 덴드로그램의 작동 방식
덴드로그램을 사용한 계층적 클러스터링
Machine Learning A-Z 폴더를 준비하세요.
Python의 계층적 클러스터링 - 1단계
Python의 계층적 클러스터링 - 2단계
Python의 계층적 클러스터링 - 3단계
R의 계층적 클러스터링 - 1단계
R의 계층적 클러스터링 - 2단계
R의 계층적 클러스터링 - 3단계
R의 계층적 클러스터링 - 4단계
R의 계층적 클러스터링 - 5단계
계층적 클러스터링
Part 4 마무리 - Clustering

-------------------- Part 5: Association Rule Learning --------------------

Welcome to Part 5 - Association Rule Learning

어프라이어리(Apriori)

어프라이어리(Apriori) 직관
Machine Learning A-Z 폴더를 준비하세요.
Python에서의 Apriori - 1단계
Python에서의 Apriori - 2단계
Python에서의 Apriori - 3단계
Python에서의 Apriori - 4단계
R에서의 Apriori - 1단계
R에서의 Apriori - 2단계
R에서의 Apriori - 3단계

이클렛(Eclat)

Eclat 직관
Machine Learning A-Z 폴더를 준비하세요.
Python에서의 Eclat
R에서의 Eclat

-------------------- Part 6: 강화 학습 --------------------

"Part 6 - Reinforcement Learning"에 오신 것을 환영합니다!

Upper Confidence Bound (UCB)

멀티 암드 밴딧(Multi-Armed Bandit) 문제
Upper Confidence Bound (UCB) 직관
Machine Learning A-Z 폴더를 준비하세요.
Python에서의 UCB (Upper Confidence Interval) - 1단계
Python에서의 UCB (Upper Confidence Interval) - 2단계
Python에서의 UCB (Upper Confidence Interval) - 3단계
Python에서의 UCB (Upper Confidence Interval) - 4단계
Python에서의 UCB (Upper Confidence Interval) - 5단계
Python에서의 UCB (Upper Confidence Interval) - 6단계
Python에서의 UCB (Upper Confidence Interval) - 7단계
R에서의 UCB (Upper Confidence Interval) - 1단계
R에서의 UCB (Upper Confidence Interval) - 2단계
R에서의 UCB (Upper Confidence Interval) - 3단계
R에서의 UCB (Upper Confidence Interval) - 4단계

톰슨 샘플링

톰슨 샘플링 직관
알고리즘 비교: UCB vs Thompson 샘플링
Machine Learning A-Z 폴더를 준비하세요
파이썬에서의 톰슨 샘플링 - 1단계
파이썬에서의 톰슨 샘플링 - 2단계
파이썬에서의 톰슨 샘플링 - 3단계
파이썬에서의 톰슨 샘플링 - 4단계
이 섹션을 위한 추가 자료들
R에서 톰슨 샘플링 - 1단계
R에서 톰슨 샘플링 - 2단계

-------------------- Part 7: 자연어 처리(NLP) --------------------

"Part 7 - 자연어 처리(NLP)"에 오신 것을 환영합니다!
자연어 처리(NLP) 직관
자연어 처리 유형
클래식 모델 vs 딥러닝 모델
Bag-Of-Words 모델
Machine Learning A-Z 폴더를 준비하세요.
파이썬에서의 자연어 처리 - 1단계
파이썬에서의 자연어 처리 - 2단계
파이썬에서의 자연어 처리 - 3단계
파이썬에서의 자연어 처리 - 4단계
파이썬에서의 자연어 처리 - 5단계
파이썬에서의 자연어 처리 - 6단계
보너스 - 파이썬에서의 자연어 처리
도전 과제
R에서의 자연어 처리 - 1단계
R에서의 자연어 처리 - 2단계
R에서의 자연어 처리 - 3단계
R에서의 자연어 처리 - 4단계
R에서의 자연어 처리 - 5단계
R에서의 자연어 처리 - 6단계
R에서의 자연어 처리 - 7단계
R에서의 자연어 처리 - 8단계
R에서의 자연어 처리 - 9단계
R에서의 자연어 처리 - 10단계
도전 과제

-------------------- Part 8: 딥 러닝 --------------------

"Part 8 - 딥 러닝"에 오신 것을 환영합니다!
딥 러닝이란?

인공 신경망

공략 계획
뉴런(The Neuron)
활성화 함수
신경망은 어떻게 작동합니까?
신경망은 어떻게 학습합니까?
경사하강법
확률적 경사하강법
역전파(Backpropagation)
비즈니스 실전 문제 설명
Machine Learning A-Z 폴더를 준비하세요.
Python에서의 ANN - 1단계
Python에서의 ANN - 2단계
Python에서의 ANN - 3단계
Python에서의 ANN - 4단계
Python에서의 ANN - 5단계
R에서의 ANN - 1단계
R에서의 ANN - 2단계
R에서의 ANN - 3단계
R에서의 ANN - 4단계 (마지막 단계)
딥 러닝 추가 콘텐츠
추가 콘텐츠: ANN 사례 연구

컨볼루션 신경망(Convolutional Neural Networks)

공략 계획
컨볼루션 신경망이란?
1단계(a) - 컨볼루션 연산
1단계(b) - ReLU 계층
2단계 - 풀링
3단계 - Flattening
4단계 - 전체 연결(Full Connection)
요약
소프트맥스와 교차 엔트로피(Softmax & Cross-Entropy)
데이터세트(dataset)를 준비하세요.
Python에서의 CNN - 1단계
Python에서의 CNN - 2단계
Python에서의 CNN - 3단계
Python에서의 CNN - 4단계
Python에서의 CNN - 5단계
Python에서의 CNN - 최종 데모!
딥 러닝 추가 콘텐츠 #2

-------------------- Part 9: 차원 축소 --------------------

"Part 9 - 차원 축소"에 오신 것을 환영합니다!

주성분 분석(PCA)

주성분 분석(PCA) 직관
Machine Learning A-Z 폴더를 준비하세요.
Python에서의 PCA - 1단계
Python에서의 PCA - 2단계
R에서의 PCA - 1단계
R에서의 PCA - 2단계
R에서의 PCA - 3단계

선형 판별 분석 [Linear Discriminant Analysis (LDA)]

선형 판별 분석(LDA) 직관
Machine Learning A-Z 폴더를 준비하세요.
Python에서의 LDA
R에서의 LDA

커널 PCA

Machine Learning A-Z 폴더를 준비하세요.
Python에서의 커널 PCA
R에서의 커널 PCA

-------------------- Part 10: 모델 선택 및 Boosting --------------------

"Part 10 - 모델 선택 및 Boosting"에 오신 것을 환영합니다!

모델 선택

Machine Learning A-Z 폴더를 준비하세요.
Python에서 k-폴드 교차 검증
Python의 Grid Search
R에서 k-폴드 교차 검증
R에서 Grid Search

XGBoost

Machine Learning A-Z 폴더를 준비하세요.
Python에서의 XGBoost
모델 선택 및 Boosting 추가 콘텐츠
R에서의 XGBoost
추가 영상: 감사합니다!

보너스 강의

***스페셜 보너스!***

Screenshots

【한글자막】 머신러닝의 모든 것 with AI, Python & R + ChatGPT Prize [2024] - Screenshot_01【한글자막】 머신러닝의 모든 것 with AI, Python & R + ChatGPT Prize [2024] - Screenshot_02【한글자막】 머신러닝의 모든 것 with AI, Python & R + ChatGPT Prize [2024] - Screenshot_03【한글자막】 머신러닝의 모든 것 with AI, Python & R + ChatGPT Prize [2024] - Screenshot_04

Reviews

이주하
September 17, 2023
지금 209번 강의는 자막이랑 실제 설명이 하나도 맞지 않습니다. 다른강의의 자막이 틀려있는 것 같습니다. 그 외에도 몇몇 강의는 갑자기 자막이 없거나 한 경우가 있는 것 같습니다.
성수
September 9, 2022
Contents is very good. But Korean subtitles is very shi*.. Somtimes the subtitles interrupt understanding of this contents. Because of the Korean subtitles, I had no choice but to give this lecture a low rating.
전현서
August 29, 2022
번역이 너무 딱딱합니다. 번역된 말이 한국인이 자주 사용하는 단어가 아니라, 자막을 봐도 다시 머릿속에서 해석을 해야합니다. 조금 더 한국인이 이해하기 쉬운 단어 위주로 번역이 되면 좋습니다. 강의 자체는 이해하기 쉽습니다.
Hojun
July 5, 2022
전반적으로 만족스러운 강의 내용이었습니다. 다만, 수학적 공식에 대한 해설은 누락되어 있어서 이 부분들은 따로 리서치를 통하여 이해를 도모하시면 좋을 것 같습니다 (가령, SVM 수학 공식에 대한 설명 배제)
이상현
March 5, 2022
아니 한글자막 작업이 다 안되어 있는데, 한글자막 영상이라고 유료로 판매하는 건 기만 아닌가요? 샘플 영상에서는 한글자막 신경써서 해놓아서 완전 속았습니다. 필요한 강의 몇 개 틀어봤는데, 전부 한글자막 안되네요. 한 두달 뒤에 자막을 새로 올린다는 글 보고 어이가 없네요. 그럼 한 두달 뒤에 작업을 완료해서 올리셔야죠. 강의와는 별개로, 별점 하나도 아까운 운영입니다.
Sinyoung
January 11, 2022
번역이 진짜 심각합니다... 오히려 번역안보고 듣는게 나을정도인것 같은데요. 어떻게 번역하신지는 모르겠지만, 느낌 받기로는 영어 자동생성자막을 구글번역기에 번역한것 같은 느낌입니다. 이거로 들을거면 원강의로 그냥 듣는게 원래 수강생들이 써놨던 Q&A도 볼 수 있고 더 나은것 같아요. 같은 가격이면 메리트가 전혀 없습니다. 마음 같아선 별1개인데 강사님 강의는 좋아서 3개드립니다...

Charts

Price

【한글자막】 머신러닝의 모든 것 with AI, Python & R + ChatGPT Prize [2024] - Price chart

Rating

【한글자막】 머신러닝의 모든 것 with AI, Python & R + ChatGPT Prize [2024] - Ratings chart

Enrollment distribution

【한글자막】 머신러닝의 모든 것 with AI, Python & R + ChatGPT Prize [2024] - Distribution chart
4294148
udemy ID
9/12/2021
course created date
10/16/2021
course indexed date
Bot
course submited by