본문 영역으로 바로가기
SMUk:
SMU2022_1
기계 학습 기반의 데이터 공학
분류 탐색
인문
자연
사회
의약
예체능
공학
융ㆍ복합
블루 리본
4차 산업혁명
AI 인공지능
전체 강좌 보기 +
언어 선택
English
한국어 (대한민국)
분류 탐색
인문
자연
사회
의약
예체능
공학
융ㆍ복합
블루 리본
4차 산업혁명
AI 인공지능
전체 강좌 보기 +
닫기
로그인
회원가입
Kor
Eng
로그인
K-MOOC 소개
K-MOOC란?
추진체계
참여기관
강좌찾기
분야별 강좌
묶음강좌
학점은행과정
커뮤니티
공지사항
뉴스
자료실
FAQ
K-MOOC에 바라는점
K-MOOC 소개
K-MOOC란?
추진체계
참여기관
강좌찾기
분야별 강좌
묶음강좌
학점은행과정
커뮤니티
공지사항
뉴스
자료실
FAQ
K-MOOC에 바라는점
TOP
경고:
현재 사용중인 브라우저는 지원하지 않습니다.
Chrome
나
Firefox
를 사용하는 것을 권장합니다.
본 강좌 학습을 위해서는
로그인
을 하시거나
회원가입
을 해주세요.
강좌
강의 영상
, current location
기계 학습 기반의 데이터 공학
모두 펼치기
1. 그림 5장으로 이해하는 인공지능
1-1. Progress of AI
1-1. Progress of AI
시청
1-2. Lineage of AI
1-2. Lineage of AI
시청
1-3. Formula of AI
1-3. Formula of AI
시청
1-4. Lifecycle of AI
1-4. Lifecycle of AI
시청
2. 기계학습 개론
2-1. 기계 학습의 시작
2-1. 기계 학습의 시작
시청
2-2. 데이터 준비
2-2. 데이터 준비
시청
2-3. ML 모델 설정
2-3. ML 모델 설정
시청
2-4. ML 모델 훈련
2-4. ML 모델 훈련
시청
3. 데이터 개론
3-1. 데이터와 AI
3-1. 데이터와 AI
시청
3-2. Data collection
3-2. Data collection
시청
3-3. Data labeling
3-3. Data labeling
시청
3-4. Data verification & Validation
3-4. Data verification & Validation
시청
4. Pandas (1)
4-1. 데이터 수집 개요
4-1. 데이터 수집 개요
시청
4-2. Pandas 소개
4-2. Pandas 소개
시청
4-3. Pandas 자료구조 생성
4-3. Pandas 자료구조 생성
시청
4-4. Pandas 데이터 선택
4-4. Pandas 데이터 선택
시청
5. Pandas (2)
5-1. Pandas 데이터 가공
5-1. Pandas 데이터 가공
시청
5-2. Pandas 데이터 분석
5-2. Pandas 데이터 분석
시청
5-3. Pandas 데이터 편집
5-3. Pandas 데이터 편집
시청
6. 웹 크롤링
6-1. 웹 데이터 수집
6-1. 웹 데이터 수집
시청
6-2. 간단한 웹 크롤링
6-2. 간단한 웹 크롤링
시청
6-3. 정규표현식을 이용한 웹크롤링
6-3. 정규표현식을 이용한 웹크롤링
시청
6-4. 정규표현식을 이용한 웹크롤링 (실습)
6-4. 정규표현식을 이용한 웹크롤링 (실습)
시청
7. 웹 스크레이핑
7-1. Beautifulsoup을 이용한 스크레이핑 (1)
7-1. Beautifulsoup을 이용한 스크레이핑 (1)
시청
7-2. Beautifulsoup을 이용한 스크레이핑 (1) : 실습
7-2. Beautifulsoup을 이용한 스크레이핑 (1) : 실습
시청
7-3. Beautifulsoup을 이용한 스크레이핑 (2)
7-3. Beautifulsoup을 이용한 스크레이핑 (2)
시청
7-4. Beautifulsoup을 이용한 스크레이핑 (2) : 실습
7-4. Beautifulsoup을 이용한 스크레이핑 (2) : 실습
시청
9. ML 기반의 데이터 공학(1)
9-1. 회귀 모델의 이해
9-1. 회귀 모델의 이해
시청
9-2. 회귀와 정규화
9-2. 회귀와 정규화
시청
9-3. 회귀 모델을 적용한 예제 (1)
9-3. 회귀 모델을 적용한 예제 (1)
시청
9-4. 회귀 모델을 적용한 예제 (2)
9-4. 회귀 모델을 적용한 예제 (2)
시청
10. ML 기반의 데이터 공학(2)
10-1. 로지스틱 회귀(Logistic regression)
10-1. 로지스틱 회귀(Logistic regression)
시청
10-2. 결정 트리(Decision tree)
10-2. 결정 트리(Decision tree)
시청
10-3. 로지스틱 회귀의성능 측정법(Metric)
10-3. 로지스틱 회귀의성능 측정법(Metric)
시청
10-4. 분류 모델을 적용한 예제 (1)
10-4. 분류 모델을 적용한 예제 (1)
시청
10-5. 분류 모델을 적용한 예제 (2)
10-5. 분류 모델을 적용한 예제 (2)
시청
11. ML 기반의 데이터 공학(3)
11-1. 랜덤 포레스트
11-1. 랜덤 포레스트
시청
11-2. 앙상블 모델의 개념
11-2. 앙상블 모델의 개념
시청
11-3. 앙상블 모델의 종류
11-3. 앙상블 모델의 종류
시청
11-4. 앙상블 모델의 상세
11-4. 앙상블 모델의 상세
시청
12. ML 기반의 데이터 공학(4)
12-1. 배깅 개념의 이해
12-1. 배깅 개념의 이해
시청
12-2. 부스팅 개념의 이해
12-2. 부스팅 개념의 이해
시청
12-3. 배깅 예제
12-3. 배깅 예제
시청
12-4. 부스팅 예제
12-4. 부스팅 예제
시청
13. ML 기반의 데이터 공학(5)
13-1. 비지도학습의 이해
13-1. 비지도학습의 이해
시청
13-2. 군집화의 이해 (1)
13-2. 군집화의 이해 (1)
시청
13-3. 군집화의 이해 (2)
13-3. 군집화의 이해 (2)
시청
13-4. 차원축소의 이해
13-4. 차원축소의 이해
시청
13-5. 군집화를 적용한 예제
13-5. 군집화를 적용한 예제
시청
14. ML 기반의 데이터 공학(6)
14-1. RNN 모델 (1)
14-1. RNN 모델 (1)
시청
14-2. RNN 모델 (2)
14-2. RNN 모델 (2)
시청
14-3. 시계열 데이터 처리의 이해 (텍스트 분류)
14-3. 시계열 데이터 처리의 이해 (텍스트 분류)
시청
14-4. RNN을 사용한 시계열 처리
14-4. RNN을 사용한 시계열 처리
시청
14-5. 시계열 데이터 처리 예
14-5. 시계열 데이터 처리 예
시청