홈앤서비스 SK BROADBAND

일러두기 __『파이썬으로 시작하는 머신러닝+딥러닝, 전면개정판』 100% 학습하기 __『파이썬으로 시작하는』 시리즈 안내 __IT 분야 취업을 위한 학습 로드맵 1장. 머신러닝, 딥러닝의 주요 개념 __1.1 인공지능, 머신러닝, 딥러닝 __1.2 종속변수, 독립변수, 모델, 학습, 추론 __1.3 지도학습, 비지도학습, 강화학습 __1.4 머신러닝 프로세스 __1.5 과대적합과 과소적합 __1.6 딥러닝의 주요 용어 __1.7 이 책에서 다루는 분석 모델 __1.8 컴퓨터를 학습시키기 위한 준비 2장. 데이터 전처리 __2.1 데이터 탐색(EDA) __2.2 결측치 처리 __2.3 이상치 처리 __2.4 데이터 통합 __2.5 데이터 변환 __2.6 데이터 축소 __2.7 데이터 분할 __2.8 데이터 전처리 연습문제 3장. 지도학습 __3.1 의사결정나무 __3.2 앙상블(Random Forest, LightGBM, XGBoost) __3.3 KNN(K Nearest Neighbor) __3.4 SVM(Support Vector Machine) __3.5 로지스틱 회귀(Logistic Regression) __3.6 선형 회귀(Linear Regression) __3.7 평가 지표 4장. 비지도학습 __4.1 군집 모델이란? __4.2 계층적 군집 알고리즘 __4.3 K-means 알고리즘 __4.4 군집 알고리즘의 평가 방법 5장. 머신러닝의 성능 개선 __5.1 머신러닝에서 성능이란? __5.2 교차검증 __5.3 하이퍼파라미터 튜닝 __5.4 특성 공학(Feature Engineering) __5.5 학습의 이른 종료 6장. 머신러닝 연습문제 __6.1 유방암 예측 모델 __6.2 AI 면접관, 지원자 합격 여부 예측하기 __6.3 주택 가격 예측 모델 __6.4 쇼핑몰 고객 데이터 분석 7장. 딥러닝 __7.1 인공신경망이란? ____7.1.1 인공신경망 ____7.1.2 인공신경망의 학습 ____7.1.3 인공신경망의 활성화 함수 ____7.1.4 인공신경망의 손실 함수 __7.2 인공신경망 구성하기 __7.3 인공신경망의 성능 개선 ____7.3.1 드롭아웃(Dropout) ____7.3.2 이른 종료(Early Stop) ____7.3.3 배치 정규화(Batch Normalization) ____7.3.4 가중치 초기값 설정(Weight Initialization) 8장. CNN __8.1 CNN의 이해 ____8.1.1 컨볼루션 레이어(Convolution Layer) ____8.1.2 풀링 레이어(Pooling Layer) ____8.1.3 완전 연결 레이어(Fully Connected Layer) __8.2 CNN 구성하기 __8.3 이미지 분류 응용 ____8.3.1 이미지란? ____8.3.2 이미지 데이터 전처리 ____8.3.3 이미지넷 ____8.3.4 VGGNet ____8.3.5 GoogLeNet ____8.3.6 ResNet ____8.3.7 EfficientNet ____8.3.8 전이 학습 9장. RNN __9.1 RNN의 이해 __9.2 언어 모델의 이해 ____9.1.1 자연어 처리 ____9.1.2 텍스트 전처리 ____9.1.3 Seq2Seq ____9.1.4 Attention ____9.1.5 Transformer ____9.1.6 최신 자연어 처리 분야의 핵심 기술 요소