머신러닝

머신러닝에대한 이해와 함께 머신러닝작업과적절한 알고리즘을 선정하는 방법을 알수있다.

- 머신러닝개념 및 학습법

- 머신러닝알고리즘 선택

- 머신러닝을위한 R

관리와 시각화

R로 데이터를 가공하면서 데이터를 로딩하고 탐구하고 이해하기 위해 데이터구조와 프로시저를 사용할 수 있으며 시각화할 수 있다.

- R의 데이터 구조 및 관리

- 데이터 이해와 탐험

분류

최근접 이웃기법을 이용한 데이터분류와 데이터분류를 위한 베이지안 기법을 알수 있다.

- 최근접이웃을 사용한 분류 (KNN알고리즘)

- KNN알고리즘 실습

- 나이브베이즈 이해

- 나이브베이즈 알고리즘 실습

예측

결정트리, 분류규칙, 서포트벡터머신을사용한 값을 예측하고 선형회귀를 이용한 수치값을예측할 수 있다.

- 결정트리

- 분류규칙

- 회귀기법 및 선형회귀이해 및 실습

- 회귀트리와모델트리이해및 실습

모델화

신경망을 이용한 데이터 모델화를 습득할 수 있다.

- 신경망의 이해

- ANN와 콘크리트의 내구력 모델화

- 서포트벡터머신

- SVM으로 OCR수행 실습

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

- 군집화 이해 및 실습

- 모델성능평가 이해 및 실습

- 모델성능향상 이해 및 실습