평일 09:00~18:00
(토,일,공휴일 휴무)
차수 | 교육기간 | 시간 | 교육장소 | 신청하기 |
---|---|---|---|---|
1 | 2018년 03월 08일(목) ~ 03월 10일(토) 종료 |
|
대학로 교육장 | 마감 |
2 | 2018년 05월 17일(목) ~ 05월 19일(토) 종료 |
|
NCIA양재교육장(대면) | 마감 |
3 | 2018년 07월 12일(목) ~ 07월 14일(토) 종료 |
|
NCIA양재교육장(대면) | 마감 |
4 | 2018년 08월 30일(목) ~ 09월 01일(토) 종료 |
|
NCIA양재교육장(대면) | 마감 |
5 | 2018년 10월 10일(수) ~ 10월 12일(금) 종료 |
|
NCIA양재교육장(대면) | 마감 |
6 | 2018년 11월 05일(월) ~ 11월 07일(수) 종료 |
|
NCIA양재교육장(대면) | 마감 |
7 | 2018년 12월 20일(목) ~ 12월 24일(월) 종료 |
|
마감 |
- 머신러닝에 대한 이해와 함께 머신러닝작업과 적절한 알고리즘을 선정하는 방법을 알수 있다.
- R로 데이터를 가공하면서 데이터를 로딩하고 탐구하고 이해하기 위해 데이터구조와 프로시저를 사용할 수 있으며 시각화할 수 있다.
- 최근접 이웃기법을 이용한 데이터분류와 데이터분류를 위한 베이지안 기법을 알수 있다.
- 결정트리, 규틱, 서포트 벡터머신을 사용한 값을 예측하고 선형회귀를 이용한 수치값을 예측할 수 있다.
- 신경망을 이용한 데이터 모델화를 습득할 수 있다.
- 장바구니분석을 위한 연관규칙을 사용한 패턴을 이해하고 분할을 위한 데이터를 군집화할 수 있다. 또한 모델성능을 평가하고 향상할 수 있다.
- 머신러닝 (머신러닝 개념 및 학습법, 머신러닝 알고리즘 선택, 머신러닝을 위한 R)
- 관리와 시각화 (R의 데이터 구조 및 관리, 데이터 이해와 탐험)
- 분류 (최근접이웃을 사용한 분류-KNN알고리즘, 나이브베이즈)
- 예측 (결정트리, 분류규칙, 회귀기법, 회귀트리와 모델트리)
- 모델화 (신경망의 이해, ANNS와 콘크리트의 내구력 모델화, 서포트벡터 머신, SVM으로 OCR수행 실습)
- 군집화(연관규칙,군집화, 모델성능평가 및 모델성능향상)
일차 | 과목 | 내용 |
1일차 | 머신러닝 | 머신러닝에 대한 이해와 함께 머신러닝작업과 적절한 알고리즘을 선정하는 방법을 알수 있다. - 머신러닝 개념 및 학습법 |
관리와 시각화 | R로 데이터를 가공하면서 데이터를 로딩하고 탐구하고 이해하기 위해 데이터구조와 프로시저를 사용할 수 있으며 시각화할 수 있다. - R의 데이터 구조 및 관리 | |
2일차 | 분류 | 최근접 이웃기법을 이용한 데이터분류와 데이터분류를 위한 베이지안 기법을 알수 있다. - 최근접이웃을 사용한 분류 (KNN알고리즘) - KNN알고리즘 실습- 나이브베이즈 이해 - 나이브베이즈 알고리즘 실습 |
예측 | 결정트리, 규틱, 서포트 벡터머신을 사용한 값을 예측하고 선형회귀를 이용한 수치값을 예측할 수 있다. - 결정트리 | |
3일차 | 모델화 | 신경망을 이용한 데이터 모델화를 습득할 수 있다. - 신경망의 이해 |
군집화 및 모델성능 | 장바구니분석을 위한 연관규칙을 사용한 패턴을 이해하고 분할을 위한 데이터를 군집화할 수 있다. 또한 모델성능을 평가하고 향상할 수 있다. - 연관규칙 이해 및 실습 |