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!