Practical Machine Learning with Python

머신러닝은 산업을 변화시키고 있지만, 복잡한 수학과 끝없는 알고리즘 때문에 시작하기가 부담스럽게 느껴질 수 있습니다. 본 텍스트 기반 코스는 핵심 개념을 쉽게 설명하여 실제 예측 모델을 단계별로 구축하는 방법을 가르쳐 줍니다. 기본적인 데이터 패턴을 이해하는 것부터 시작해 견고한 머신러닝 모델을 구현, 튜닝 및 평가하는 단계로 나아가게 됩니다. 명확한 글로 된 설명과 구조화된 코드 예제를 통해 학습하면서 분류 및 회귀 문제를 자신 있게 해결하는 데 필요한 실무 기술을 습득하게 됩니다. 배울 내용: - 머신러닝의 기초 개념, 용어 및 일반적인 프로젝트 수명 주기를 이해합니다. - 선형 회귀, 로지스틱 회귀, 의사결정 트리를 포함한 핵심 회귀 및 분류 알고리즘을 구현합니다. - 최신 scikit-learn 파이프라인을 적용하여 데이터를 깔끔하게 정제하고, 결측치를 처리하며, 특성 스케일링을 수행합니다. - 정확도(accuracy), 정밀도(precision), 재현율(recall), 평균 제곱 오차(mean squared error)와 같은 적절한 지표를 사용하여 모델 성능을 평가합니다. - 랜덤 포레스트와 같은 앙상블 기법을 활용하여 예측 정확도를 높이고 복잡한 데이터셋을 처리합니다. - 재현성을 위해 타입 힌트와 명확한 프로젝트 구조를 포함한 최신 Python 관행을 사용하여 머신러닝 코드를 정리합니다. 이 코스는 실습 코딩을 소개하기 전에 필수 용어와 기본 개념부터 시작합니다. 고전적인 알고리즘에서 시작하여 고급 앙상블 기법으로 나아가며, 체계적으로 모델을 구성, 평가 및 개선하는 방법을 배웁니다. 이 코스는 Python에 대한 기본 지식이 있으며 데이터 과학 분야에 입문하고자 하는 입문자를 위해 설계되었습니다. 고급 수학적 배경이나 이전의 머신러닝 경험은 필요하지 않습니다. 처음부터 자신만의 첫 머신러닝 모델을 구축하기 위해 지금 바로 읽기 시작하세요.