code.PRESS-UP 체험단 세 번째 후기

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

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

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