1-1강: 인공지능과 머신러닝, 딥러닝

1-1강: 인공지능과 머신러닝, 딥러닝

1-2강: 코랩(Colab) 소개

1-2강: 코랩(Colab) 소개

2-1강: 머신러닝 프로세스(1) 문제 정의, 데이터 전처리

2-1강: 머신러닝 프로세스(1) 문제 정의, 데이터 전처리

2-2강: 머신러닝 프로세스(2) 학습, 평가

2-2강: 머신러닝 프로세스(2) 학습, 평가

2-3강: 실습 - 와인 데이터 분류

2-3강: 실습 - 와인 데이터 분류

3-1강: 분류 모델의 종류 - KNN, SVC, 로지스틱회귀

3-1강: 분류 모델의 종류 - KNN, SVC, 로지스틱회귀

3-2강: 데이터 기반 성능 개선 방법

3-2강: 데이터 기반 성능 개선 방법

3-3강: 실습 - 교차검증, 스케일링

3-3강: 실습 - 교차검증, 스케일링

3-4강: 실습 - 차원축소

3-4강: 실습 - 차원축소

3-5강: 모델 기반 성능 개선 방법

3-5강: 모델 기반 성능 개선 방법

3-6강: 실습 - 유방암 데이터 분류

3-6강: 실습 - 유방암 데이터 분류

4-1강: 회귀 알고리즘

4-1강: 회귀 알고리즘

4-2강: 회귀 모델의 평가 방법

4-2강: 회귀 모델의 평가 방법

4-3강: 실습 - 보스턴 집값 예측

4-3강: 실습 - 보스턴 집값 예측

5-1강: 군집 모델(1)

5-1강: 군집 모델(1)

5-2강: 군집 모델(2)

5-2강: 군집 모델(2)

5-3강: 실습 - K-means 알고리즘

5-3강: 실습 - K-means 알고리즘

6-1강: 인공신경망

6-1강: 인공신경망

6-2강: 인공신경망의 학습

6-2강: 인공신경망의 학습

6-3강: 인공신경망 설계

6-3강: 인공신경망 설계

6-4강: 실습 - concrete 데이터 학습

6-4강: 실습 - concrete 데이터 학습

7-1강: CNN이란?

7-1강: CNN이란?

7-2강: 실습 - 손글씨 데이터 학습하기

7-2강: 실습 - 손글씨 데이터 학습하기

7-3강: 성능 좋은 CNN - VGGNet, GoogLeNet, ResNet

7-3강: 성능 좋은 CNN - VGGNet, GoogLeNet, ResNet

8-1강: RNN이란?

8-1강: RNN이란?

8-2강: 실습 - 영화평 감성분석

8-2강: 실습 - 영화평 감성분석

8-3강: 인코더, 디코더, 어텐션

8-3강: 인코더, 디코더, 어텐션

실습파일

[파이썬으로 시작하는 머신러닝+딥러닝] 실습파일은 저자 깃허브(https://github.com/zzhining/python_ml_dl)에서도 다운로드 가능합니다.