머신 러닝 기초: 사례 연구 접근 방식
데이터가 있고 그 데이터로 무엇을 알 수 있는지 궁금하신가요? 머신 러닝으로 비즈니스를 개선할 수 있는 핵심 방법을 더 깊이 이해해야 하나요? 회귀 및 분류에서 딥 러닝 및 추천 시스템까지 어떤 내용으로든 전문가와 대화할 수 있기를 원하시나요? 이 과정에서는 일련의 실제 사례 연구를 통해 머신 러닝에 대한 실무 경험을 얻을 수 있습니다. 첫 번째 과정이 끝나면 주택 수준 특성을 기반으로 주택 가격을 예측하고, 사용자 리뷰에서 감정을 분석하고, 관심 문서를 검색하고, 제품을 추천하고, 이미지를 검색하는 방법을 배우게 됩니다. 이러한 사용 사례에 대한 실습을 통해 광범위한 영역에서 머신 러닝 방법을 적용할 수 있습니다. 이 첫 번째 과정은 머신 러닝 방법을 블랙박스로 취급합니다. 이 추상화를 통해 관심 있는 작업을 이해하고, 이러한 작업을 머신 러닝 도구와 일치시키고, 출력 품질을 평가하는 데 집중할 것입니다. 후속 과정에서는 모델과 알고리즘을 검토하여 이 블랙박스의 구성 요소를 자세히 알아볼 것입니다.
Monthly Subscription Starting at AED 99 + VAT
- Level Foundation
- Course by University of Washington
-
Offered by
About
데이터가 있고 그 데이터로 무엇을 알 수 있는지 궁금하신가요? 머신 러닝으로 비즈니스를 개선할 수 있는 핵심 방법을 더 깊이 이해해야 하나요? 회귀 및 분류에서 딥 러닝 및 추천 시스템까지 어떤 내용으로든 전문가와 대화할 수 있기를 원하시나요? 이 과정에서는 일련의 실제 사례 연구를 통해 머신 러닝에 대한 실무 경험을 얻을 수 있습니다. 첫 번째 과정이 끝나면 주택 수준 특성을 기반으로 주택 가격을 예측하고, 사용자 리뷰에서 감정을 분석하고, 관심 문서를 검색하고, 제품을 추천하고, 이미지를 검색하는 방법을 배우게 됩니다. 이러한 사용 사례에 대한 실습을 통해 광범위한 영역에서 머신 러닝 방법을 적용할 수 있습니다. 이 첫 번째 과정은 머신 러닝 방법을 블랙박스로 취급합니다. 이 추상화를 통해 관심 있는 작업을 이해하고, 이러한 작업을 머신 러닝 도구와 일치시키고, 출력 품질을 평가하는 데 집중할 것입니다. 후속 과정에서는 모델과 알고리즘을 검토하여 이 블랙박스의 구성 요소를 자세히 알아볼 것입니다. 이 조각들은 결합하여 지능형 애플리케이션 개발에 사용할 머신 러닝 파이프라인을 형성합니다. 학습 결과: 이 과정을 마치면 다음을 수행할 수 있습니다. -실제로 머신 러닝의 잠재적 애플리케이션을 식별합니다. -회귀, 분류 및 클러스터링을 통해 가능해진 분석의 핵심 차이를 설명합니다. -잠재적 애플리케이션에 적합한 머신 러닝 작업을 선택합니다. -회귀, 분류, 클러스터링, 검색, 추천 시스템 및 딥 러닝을 적용합니다. -머신 러닝 모델에 대한 입력 정보 역할을 하는 특성으로 데이터를 제시합니다. -각 작업에 대한 관련 오류 지표 측면에서 모델 품질을 평가합니다. -새로운 데이터를 분석하기 위해 모델에 맞는 데이터 세트를 활용합니다. -머신 러닝을 핵심으로 사용하는 엔드 투 엔드 애플리케이션을 구축합니다. -Python에서 이러한 기술을 구현합니다.Modules
우리와 함께 머신 러닝을 배워야 하는 이유
-
5
Videos
-
2
Readings
5
Videos
- 이 과정 및 전문화 과정에 오신 것을 환영합니다
- 우리는 누구인가
- 머신 러닝이 세상을 바꾸고 있다
- 왜 사례 연구 접근 방식인가?
- 전문화 개요
2
Readings
- 머신 러닝 전문화 과정에 관한 중요 업데이트
- 이 모듈에서 제시하는 슬라이드
이 전문화는 누구를 위한 것이며 무엇을 할 수 있는가?
-
5
Videos
5
Videos
- ML에 입문한 방법
- 이 전문화는 누구를 위한 것인가?
- 여러분이 할 수 있는 일
- 캡스톤과 지능형 애플리케이션의 예
- 지능형 애플리케이션의 미래
과정 도구 시작하기
-
3
Readings
3
Readings
- Python, Jupyter Notebook 및 Turi Create 시작하기
- 파일은 어디에 저장됩니까?
- 이전 과정의 중요한 변경 사항
Python 및 Jupyter Notebook 시작하기
-
4
Videos
-
1
Readings
4
Videos
- Jupyter Notebook 시작
- Python에서 변수 만들기
- Python의 조건문 및 루프
- Python에서 함수 및 람다 만들기
1
Readings
- 이 강의에서 사용하는 Jupyter Notebook을 다운로드하여 따라해 보기
데이터 엔지니어링 및 분석을 위한 SFrame 시작하기
-
4
Videos
-
1
Readings
4
Videos
- Turi Create 시작 및 SFrame 로드
- 데이터 시각화를 위한 캔버스
- SFrame의 열과 상호 작용하기
- 데이터 변환을 위한 .apply() 사용
1
Readings
- 이 강의에서 사용하는 Jupyter Notebook을 다운로드하여 따라해 보기
더 많은 SFrame 연습
-
1
Readings
-
1
Assignment
1
Assignment
- SFrames
1
Readings
- Wiki People 데이터 다운로드
선형 회귀 모델링
-
4
Videos
-
1
Readings
4
Videos
- 주택 가격 예측: 회귀 사례 연구
- 목표는 무엇이고 어떻게 단순하게 해결할 수 있는가?
- 선형 회귀: 모델 기반 접근 방식
- 고차 효과 추가
1
Readings
- 이 모듈에서 제시하는 슬라이드
회귀 모델 평가
-
4
Videos
4
Videos
- 학습/테스트 분할을 통한 과적합 평가
- 학습/테스트 곡선
- 다른 특성 추가
- 기타 회귀 예제
회귀 요약
-
1
Videos
-
1
Assignment
1
Assignment
- 회귀
1
Videos
- 회귀 ML 블록 다이어그램
주택 가격 예측: Jupyter Notebook
-
10
Videos
-
1
Readings
10
Videos
- 주택 매매 데이터 로드 및 탐색
- 데이터를 학습 세트와 테스트 세트로 분할하기
- 집 크기로 주택 가격을 예측하는 단순 회귀 모델 학습하기
- 단순한 모델의 오차(RMSE) 평가
- Matplotlib으로 단순한 모델의 예측 시각화
- 학습된 모델 계수 검사
- 데이터의 다른 특성 탐색
- 더 많은 특성으로 주택 가격을 예측하는 모델 학습하기
- 학습된 모델을 적용하여 평균 주택 가격 예측하기
- 학습된 모델을 적용하여 두 채의 멋진 주택 가격 예측하기
1
Readings
- 이 강의에서 사용하는 Jupyter Notebook을 다운로드하여 따라해 보기
프로그래밍 과제
-
1
Readings
-
1
Assignment
1
Assignment
- 주택 가격 예측
1
Readings
- 주택 가격 예측 과제
분류 모델링
-
5
Videos
-
1
Readings
5
Videos
- 리뷰 감정 분석: 분류 사례 연구
- 지능형 음식점 리뷰 시스템이란?
- 분류 작업의 예
- 선형 분류기
- 결정 경계
1
Readings
- 이 모듈에서 제시하는 슬라이드
분류 모델 평가
-
5
Videos
5
Videos
- 분류기 학습 및 평가
- 좋은 정확도란 무엇인가?
- 거짓 긍정, 거짓 부정 및 혼동 행렬
- 학습 곡선
- 클래스 확률
분류 요약
-
1
Videos
-
1
Assignment
1
Assignment
- 분류
1
Videos
- 분류 ML 블록 다이어그램
감정 분석: Jupyter Notebook
-
8
Videos
-
1
Readings
8
Videos
- 제품 리뷰 데이터 로드 및 탐색
- 단어 수 벡터 만들기
- 가장 인기있는 제품 탐색
- 긍정적이거나 부정적인 감정이 있는 리뷰 정의
- 감정 분류기 학습
- 분류기 및 ROC 곡선 평가
- 모델을 적용하여 제품에 대한 가장 긍정적이고 부정적인 리뷰 찾기
- 제품의 가장 긍정적인 측면과 부정적인 측면 탐색
1
Readings
- 이 강의에서 사용하는 Jupyter Notebook을 다운로드하여 따라해 보기
프로그래밍 과제
-
1
Readings
-
1
Assignment
1
Assignment
- 제품 감정 분석
1
Readings
- 제품 감정 분석 과제
문서 검색 및 문서 유사성 측정을 위한 알고리즘
-
6
Videos
-
1
Readings
6
Videos
- 문서 검색: 클러스터링 및 유사성 측정 사례 연구
- 문서 검색 작업은 무엇인가?
- 유사성 측정을 위한 단어 수 표현
- tf-idf로 중요한 단어 우선 순위 지정
- tf-idf 벡터 계산
- 최근접 이웃 검색을 사용하여 유사한 문서 검색
1
Readings
- 이 모듈에서 제시하는 슬라이드
클러스터링 모델 및 알고리즘
-
4
Videos
4
Videos
- 문서 클러스터링 작업 개요
- 문서 클러스터링 비지도 학습 작업
- k-평균: 클러스터링 알고리즘
- 클러스터링의 다른 예
클러스터링 및 유사성 요약
-
1
Videos
-
1
Assignment
1
Assignment
- 클러스터링 및 유사성
1
Videos
- 클러스터링 및 유사성 ML 블록 다이어그램
문서 검색: Jupyter Notebook
-
6
Videos
-
1
Readings
6
Videos
- Wikipedia 데이터 로드 및 탐색
- 단어 수 살펴보기
- TF-IDF 계산 및 탐색
- Wikipedia 기사 간의 거리 계산
- Wikipedia 기사에 대한 최근접 이웃 모델 구축 및 탐색
- 실제 문서 검색의 예
1
Readings
- 이 강의에서 사용하는 Jupyter Notebook을 다운로드하여 따라해 보기
프로그래밍 과제
-
1
Readings
-
1
Assignment
1
Assignment
- Wikipedia 기사 검색
1
Readings
- Wikipedia 기사 검색 과제
추천 시스템
-
3
Videos
-
1
Readings
3
Videos
- 추천 시스템 개요
- 추천 시스템이 작동하는 분야
- 분류를 통한 추천 시스템 구축
1
Readings
- 이 모듈에서 제시하는 슬라이드
협업 필터링을 위한 동시 발생 행렬
-
3
Videos
3
Videos
- 협업 필터링: 다른 고객이 함께 구매한 상품...
- 인기 상품의 효과
- 동시 발생 행렬 정규화 및 구매 내역 활용
행렬 분해
-
5
Videos
5
Videos
- 행렬 완성 작업
- 알려진 사용자/항목 특성의 추천
- 행렬 형태의 예측
- 행렬 분해를 통한 숨겨진 구조 발견
- 모든 것을 통합: 특성별 행렬 분해
추천 시스템에 대한 성능 측정항목
-
3
Videos
3
Videos
- 추천 시스템에 대한 성능 측정항목
- 최적의 추천 시스템
- 정밀도-재현율 곡선
추천 시스템 요약
-
1
Videos
-
1
Assignment
1
Assignment
- 추천 시스템
1
Videos
- 추천 시스템 ML 블록 다이어그램
노래 추천: Jupyter Notebook
-
4
Videos
-
1
Readings
4
Videos
- 노래 데이터 로드 및 탐색
- 인기 기반 노래 추천 생성 및 평가
- 개인화된 노래 추천 생성 및 평가
- 추천 모델을 비교하기 위한 정밀도-재현율 사용
1
Readings
- 이 강의에서 사용하는 Jupyter Notebook을 다운로드하여 따라해 보기
노래 추천 과제
-
1
Readings
-
1
Assignment
1
Assignment
- 노래 추천
1
Readings
- 노래 추천 과제
신경망: 매우 비선형적인 특성 학습
-
3
Videos
-
1
Readings
3
Videos
- 이미지 검색: 딥 러닝 사례 연구
- 비주얼 제품 추천이란 무엇인가?
- 신경망을 사용한 매우 비선형적인 특성 학습
1
Readings
- 이 모듈에서 제시하는 슬라이드
딥 러닝 및 심층 특성
-
6
Videos
6
Videos
- 컴퓨터 비전에 딥 러닝 적용
- 딥 러닝 성능
- ImageNet 데이터에 대한 딥 러닝 모델 데모
- 컴퓨터 비전에서 딥 러닝의 다른 예
- 딥 러닝의 과제
- 심층 특성
딥 러닝 요약
-
1
Videos
-
1
Assignment
1
Assignment
- 딥 러닝
1
Videos
- 딥 러닝 ML 블록 다이어그램
이미지 분류를 위한 심층 특성: Jupyter Notebook
-
3
Videos
-
1
Readings
3
Videos
- 이미지 데이터 로드
- 원시 이미지 픽셀을 사용하여 분류기 학습 및 평가
- 심층 특성을 사용하여 분류기 학습 및 평가
1
Readings
- 이 강의에서 사용하는 Jupyter Notebook을 다운로드하여 따라해 보기
이미지 검색을 위한 심층 특성: Jupyter Notebook
-
5
Videos
-
1
Readings
5
Videos
- 이미지 데이터 로드
- 이미지 검색을 위한 최근접 이웃 모델 만들기
- 최근접 이웃 모델을 쿼리하여 이미지 검색
- 자동차 이미지에 대해 가장 유사한 이미지 쿼리
- Python 람다를 사용하여 다른 예제 이미지 검색 표시
1
Readings
- 이 강의에서 사용하는 Jupyter Notebook을 다운로드하여 따라해 보기
프로그래밍 과제
-
1
Readings
-
1
Assignment
1
Assignment
- 이미지 검색을 위한 심층 기능
1
Readings
- 이미지 검색을 위한 심층 특성 과제
머신 러닝을 서비스로 배포
-
3
Videos
-
1
Readings
3
Videos
- 다 왔습니다!
- ML 서비스 배포
- 배포 후에는 어떻게 되는가?
1
Readings
- 이 모듈에서 제시하는 슬라이드
머신 러닝 과제와 미래 방향
-
4
Videos
4
Videos
- ML의 미결 과제
- ML은 어디로 가고 있는가?
- 앞으로의 전문화 과정
- 감사합니다!
Auto Summary
Unlock the power of machine learning with this foundational course designed for data science and AI enthusiasts. Led by Coursera, you'll dive into real-world case studies, learning to predict housing prices, analyze sentiments, and build recommendation systems. Perfect for beginners, this course abstracts complex models, allowing you to focus on practical applications. With hands-on Python projects, you'll master regression, classification, clustering, and more. Available through Starter and Professional subscriptions, this course is ideal for anyone eager to harness machine learning to enhance business insights.
Carlos Guestrin