과정정보
교육소개
코딩 없는 AI 데이터 사이언스, Orange3! 분류 머신러닝 분석 모델 구축부터 적용까지 쉽고 빠르게 Orange3는 코딩 없이 드래그 앤드 드롭 기능으로 누구나 쉽게 데이터 분석을 할 수 있는 머신 러닝 도구이다. 분류 머신러닝 분석, 아직도 파이썬 밖에 모른다면 Orange3를 활용해보자. 본 과정을 통해 복잡한 프로그래밍의 벽을 허물고, 머신러닝 기반 데이터 분석을 자신 있게 수행할 수 있는 고급 데이터 사이언티스트로 거듭나 보자.
학습목표
1. Orange3을 활용하여 분류 머신러닝 모델을 구축할 수 있다.
2. 다양한 분류 모델의 활용과 평가 지표의 적용 방법을 설명할 수 있다.
3. 분류 머신러닝 모델 데이터 분석 과정의 유의점을 설명할 수 있다.
학습대상
1. 노코드 프로그램으로 분류 머신러닝 분석을 간단히 수행하고 싶은 직장인
2. 파이썬보다 더 간단한 고급 분석 도구 사용을 원하는 직장인
3. 데이터 분석 역량을 향상하여 업무 효율성을 향상하고자 하는 직장인
강사 및 내용전문가 소개
평가비율 및 수료기준
학습목차
1
이진분류의 대명사, 로지스틱 회귀분석
-
START
-
로지스틱 회귀분석
-
로지스틱 회귀분석 실습
2
Calibrated Learner(보정 학습자)
-
START
-
Calibrated Learner(보정 학습자)
3
분류 모델의 평가 지표1. 혼동 행렬
-
START
-
분류 모델의 평가 지표, 혼동 행렬 이해
-
분류 모델의 평가 지표, 혼동 행렬 실습
4
분류 모델의 평가 지표2. ROC 곡선과 AUC
-
START
-
분류 모델의 평가 지표, ROC 곡선과 AUC 이해
-
분류 모델의 평가 지표, ROC 곡선과 AUC 실습
5
ROC 분석으로 예측 확률 임계치 정하기
-
START
-
ROC 분석으로 예측 확률 임계치 정하기
6
분류 모델의 평가 지표 - Gain chart
-
START
-
분류 모델의 평가 지표, Gain chart
7
초평면을 찾는 서포트 벡터 머신
-
START
-
서포트 벡터 머신(SVM)
-
커널 트릭
8
최근접 이웃을 따라하는 KNN
-
START
-
최근접 이웃을 따라하는 KNN
9
조건부 확률에 기반한 나이브 베이즈
-
START
-
조건부 확률에 기반한 나이브 베이즈
10
Decision Tree(의사결정 나무 모형)
-
START
-
Decision Tree 의사결정 나무 모형
12
무작위성을 높인 랜덤 포레스트
-
START
-
무작위성을 높인 랜덤 포레스트
13
분류 모형의 분류와 Curve fit
-
START
-
분류 모형의 분류와 Curve fit
14
앙상블 기법1. 배깅(Bagging)
-
START
-
분석 모델의 중첩, 앙상블 기법
-
다수결로 결정하는 배깅(Bagging)
15
앙상블 기법2. 부스팅(Boosting)
-
START
-
부스팅 – AdaBoost와 Gradient Boosting, XG Boost
16
앙상블 기법3. 스태킹(Stacking)
-
START
-
여러 모델의 결과를 메타 분석하는 스태킹(stacking)
수강후기
연관과정
동일 카테고리 내 인기과정
