codepresso logo


코드프레소 인공지능 트랙 소개

1. 파이썬으로 시작하는 머신러닝
2. 딥러닝 첫 걸음 시작하기!
3. TensorFlow 로 시작하는 딥러닝
4. 파이썬으로 구현하는 머신러닝 : 회귀분석
5. 파이썬으로 구현하는 머신러닝 : 분류분석
6. 파이썬으로 구현하는 머신러닝 : 트리모델
7. 파이썬으로 구현하는 머신러닝 : 비지도학습
8. 머신러닝을 위한 사이킷런 활용 팁
9. 이미지 데이터 처리를 위한 CNN 완벽 가이드
10. 시계열 데이터 처리를 위한 RNN 완벽 가이드

이번 포스트에서는 5(파이썬으로 구현하는 머신러닝 : 분류분석), 6(파이썬으로 구현하는 머신러닝 : 트리 모델)에 대하여 작성할 것이다.


파이썬으로 구현하는 머신러닝 : 분류분석

classification.png

파이썬으로 구현하는 머신러닝 : 분류분석 강의 링크 : https://www.codepresso.kr/course/65

파이썬으로 구현하는 머신러닝 : 분류분석 강의는 다음과 같이 진행된다.

1. 지도학습을 위한 분류 : 기본 이해 편
   1. 분류(Classification)의 이해
   2. 로지스틱 회귀(Logistic Regression)의 이해
   3. 분류 분석을 위한 성능 지표
   4. 사이킷런 활용한 로지스틱 회귀 실습1
   5. 사이킷런 활용한 로지스틱 회귀 실습2
   6. ROC 커브의 주요 개념 이해
   7. Threshold(임계값)과 TPR-FPR 값의 변화
   8. AUC 지표를 통한 모델 성능 분석
   9. 사이킷런을 활용한 ROC 커브와 AUC 실습

총 9개의 강의 중에 강사와 같이하는 실습 강의 2개, 혼자 하는 실습 1개, 일반 강의 6개로 이루어져 있다.

이번 강의에서는 반복된 실습이 있기 때문에 스스로 생각하는 시간이 많았다.

특히 혼자 하는 실습을 통해 앞선 강의에서 내가 놓치고 있던 부분을 알고 부족한 부분을 채울 수 있게 되어 좋았다.

실습을 하면서 앞선 강의에서 부족한 부분을 채우면서 코드프레소(파이썬으로 구현하는 머신러닝 : 분류분석) 강의를 수강하면 좋겠다.


파이썬으로 구현하는 머신러닝 : 트리 모델

decisionTree.png

파이썬으로 구현하는 머신러닝 : 트리 모델 강의 링크 : https://www.codepresso.kr/course/66

파이썬으로 구현하는 머신러닝 : 트리 모델 강의는 다음과 같이 진행된다.

1. 지도학습을 위한 트리 모델
   1. Decision Tree(의사결정나무)모델의 개념
   2. 사이킷런을 활용한 Decision Tree 모델 구현
   3. Dicision Tree 모델의 성능 검증
   4. Dicision Tree 모델의 학습(Fitting)
   5. Dicision Tree 모델의 Feature 중요도 확인
   6. Dicision Tree의 특징 및 Hyperparameter
   7. Dicision Tree 모델의 Hyperparameter 적용 실습
   8. Ensemble Learning(앙상블 학습 기법)의 개념
   9. 사이킷런을 활용한 Voting Classifier 실습
   10. Random Forest 개념
   11. 사이킷런을 활용한 Random Forest 실습

총 11개의 강의 중에 혼자 하는 실습 6개, 일반 강의 5개로 이루어져 있다.

이번 강의에서는 앞선 강의들 보다 실습하는 내용이 많아서 좋았다.

또한 개념 강의를 듣고 혼자 하는 실습이 다른 강의에 비해 많아서 개념 이해가 더 잘 되었다.

하지만 Bagging 기법에서 사용하는 hard 기법, soft 기법이 강의 도중에 나왔지만 자세한 설명이 없어서 아쉬웠다.

앞선 강의를 듣고 Decision Tree 실습하고 싶은 사람이 코드프레소(파이썬으로 구현하는 머신러닝 : 트리 모델) 강의를 수강하면 좋겠다.


codepresso logo

코드프레소 체험단 활동을 통해 강의를 제공받았습니다.

감사합니다.


홈으로 가기 더 많은 codepresso post 보기 post 목록 보기