머신러닝 핵심 알고리즘 입문: 지도학습 & 비지도학습 완전 정복
강좌 소개
NCS(국가직무능력표준) ‘인공지능 모델링’ 능력단위를 체계적으로 반영하여, 복잡한 수식의 공포 없이 머신러닝의 핵심 작동 원리를 직관적으로 이해하고 실습하는 표준 입문 코스입니다.
선형 회귀, 로지스틱 회귀, 의사결정나무, 랜덤 포레스트 등 대표적인 지도학습 알고리즘부터 K-평균 군집화, PCA 차원 축소 등 비지도학습까지 파이썬 코드로 직접 구현하며 기초를 다집니다.
이 강좌에서 배우는 것들
- NCS 인공지능 모델링 표준에 맞춘 핵심 머신러닝 지식 습득
- 회귀(Regression)와 분류(Classification) 알고리즘의 차이와 원리 이해
- 랜덤 포레스트 등 앙상블 학습 모델 구현 능력
- 과적합(Overfitting) 방지 및 교차 검증(Cross-Validation) 전략 체득
교육 과정 (Curriculum)
Section 1: 머신러닝 개요와 데이터 전처리
- 머신러닝의 정의와 학습 패러다임(지도, 비지도, 강화)
- 데이터셋 분할(Train/Val/Test)과 피처 스케일링
- 결측치 및 범주형 데이터 인코딩 기법
Section 2: 지도학습 알고리즘과 모델 훈련
- 선형 회귀(Linear Regression)와 규제(Ridge, Lasso)
- 로지스틱 회귀와 분류 성능 평가 지표(ROC-AUC, F1-Score)
- 의사결정나무(Decision Tree)와 앙상블(Random Forest)
Section 3: 비지도학습과 모델 검증 전략
- K-Means 군집화를 활용한 고객 세분화 실습
- 주성분 분석(PCA)을 활용한 고차원 데이터 축소 및 시각화
- K-Fold 교차 검증과 그리드 서치(GridSearchCV) 하이퍼파라미터 튜닝
필수 조건
- 파이썬 기초 문법(변수, 함수, 조건문, 리스트)
수강 대상
- 머신러닝을 체계적인 커리큘럼으로 처음 시작하려는 입문자
- 데이터 분석가 또는 AI 엔지니어로 커리어를 전환하려는 실무자
- NCS 기반 인공지능 기술 자격 및 직무 역량을 갖추려는 학습자