![]() |
오리엔테이션 | ![]() |
||
1. | ![]() |
머신러닝 딥러닝 정의 | 1. 머신러닝의 정의 2. 머신러닝의 활용 3. 딥러닝의 정의 4. 딥러닝의 활용 | ![]() ![]() |
![]() |
머신러닝을 이용한 활용방법 | 1. 머신러닝의 적용 분야 2. 머신러닝의 실무 사례 | ![]() ![]() |
|
![]() |
딥러닝을 이용한 활용방법 | 1. 딥러닝의 적용 분야 2. 딥러닝의 실무 사례 | ![]() ![]() |
|
2. | ![]() |
머신러닝 개발 기본 과정 | 1. 머신러닝 목표 결정 2. 머신러닝 데이터 수집 3. 머신러닝 데이터 가공 4. 머신 러닝 데이터 학습 5. 머신러닝 모델 평가 | ![]() ![]() |
![]() |
머신러닝 데이터 학습 방법 | 1. 지도 학습 2. 비지도 학습 3. 강화 학습 | ![]() ![]() |
|
![]() |
머신러닝 학습모델 평가 방법 | 1. 정확도 2. 오차행렬 3. 정밀도와 재현율 4. F1 스코어 5. ROC 곡선과 AUC | ![]() ![]() |
|
3. | ![]() |
spyder 및 pycarm 소개 | 1. Spyder Tool 소개 2. Pycharm Tool 소개 | ![]() ![]() |
![]() |
Colaboratory, Jupyter Notebook 소개 | 1. Google Colaboratory 소개 2. Google Colaboratory 사용 방법 3. Jupyter Notebook 소개 Jupyter Notebook 사용 방법 | ![]() ![]() |
|
![]() |
의료 분야 개발 실무사례 | 1. 실무자와 인터뷰 | ![]() ![]() |
|
4. | ![]() |
머신러닝 시작 | 1. 머신러닝 프레임워크 2. AND 연산 3. XOR 연산 | ![]() ![]() |
![]() |
OpenDB를 이용한 꽃 데이터 분류 | 1. Open DB 소개 2. 꽃 데이터 분류하기 | ![]() ![]() |
|
![]() |
OpenDB를 이용한 와인 판정하기 | 1. Open DB 소개 2. 와인 판정하기 | ![]() ![]() |
|
5. | ![]() |
과거 10년 동안의 기상 데이터 분석하기 | 1. OpenDB 소개 2. OpenDB 정리 3. 기상 데이터 분석하기 | ![]() ![]() |
![]() |
최적의 알고리즘과 매개변수 찾기 | 1. 최적의 알고리즘 찾기 2. 최적의 매개변수 찾기 | ![]() ![]() |
|
![]() |
얼굴 검출하기 | 1. OpenCV 소개 2. 얼굴 검출 프로그램 3. 자동 모자이크 처리 프로그램 | ![]() ![]() |
|
6. | ![]() |
문자인식 – 손글씨 판정하기 | 1. OpenDB 소개 2. 손글씨 숫자 판정하기 | ![]() ![]() |
![]() |
윤곽 검출 – 엽서의 우편 번호 인식하기 | 1. OpenCV 소개 2. 윤곽 추출 3. 문자 인식 4. 문자 추출 | ![]() ![]() |
|
![]() |
동영상 분석 – 동영상에서 열대어가 등장하는 부분 검출하기 | 1. 동영상 분석 2. 화면에 움직임이 있는 부분 추출 3. 동영상에서 열대어가 등장하는 부분 검출 4. 동영상에서 열대어가 많이 나오는 부분 찾기 | ![]() ![]() |
|
7. | ![]() |
자연어 처리하기(1) | 1. 언어 판정하기 2. 문장을 단어로 분할하기 | ![]() ![]() |
![]() |
자연어 처리하기(2) | 1. Word2Vec 소개 2. Corpus(코퍼스) 3. 자연어 처리 | ![]() ![]() |
|
![]() |
머신러닝 실무 사례 | 1. 실무자와 인터뷰 | ![]() ![]() |
|
8. | ![]() |
점검하기 | 1주차에서 7주차까지 점검하기 | ![]() ![]() |
9. | ![]() |
꽃 분류하기 Tensorflow | 1. TensorFlow 소개 2. 붓꽃 분류 복습하기 3. TensorFlow로 붓꽃 분류하기 | ![]() ![]() |
![]() |
꽃 분류하기 keras | 1. Keras 소개 2. Keras로 붓꽃 분류하기 | ![]() ![]() |
|
![]() |
손글씨 숫자 판정하기 MLP | 1. MNIST 데이터 소개 2. MLP(다층 퍼셉트론) 알고리즘 | ![]() ![]() |
|
10. | ![]() |
손글씨 숫자 판정하기 CNN | 1. CNN 소개 2. MNIST 분류 복습하기 3. CNN으로 MNIST 분류하기 | ![]() ![]() |
![]() |
사진에 찍힌 물체 판정하기 MLP | 1. 데이터셋 : CLFAR-10 소개 2. MLP(다층 퍼셉트론) 알고리즘 | ![]() ![]() |
|
![]() |
사진에 찍힌 물체 인식하기 CNN | 1. CNN(합성곱 신경망) 알고리즘 | ![]() ![]() |
|
11. | ![]() |
LSTM을 이용한 시계열 예측 | 1. LSTM 알고리즘 2. 시계열 예측하기 | ![]() ![]() |
![]() |
LSTM을 이용한 주가예측(1) | 1. 주식 데이터셋 구축 2. Keras 를 이용한 LSTM 모델 예측 | ![]() ![]() |
|
![]() |
LSTM을 이용한 주가예측(2) | 1. 주식 데이터셋 구축 2. Tensorflow 를 이용한 LSTM 모델 예측 | ![]() ![]() |
|
12. | ![]() |
챗봇 개발하기(1) | 1. 챗봇 프로젝트 소개 2. 훈련 데이터 생성 | ![]() ![]() |
![]() |
챗봇 개발하기(2) | 1. 챗봇 Deep learning 적용 2. 챗봇 만들기 – Char CNN | ![]() ![]() |
|
![]() |
챗봇 개발하기(3) | 1. RNN vs Seq2Seq vs LSTM 2. 챗봇 만들기 – Seq2Seq 만들기 - Seq2Seq | ![]() ![]() |
|
13. | ![]() |
강화학습으로 비디오 게임하기(1) | 1. 강화학습을 이용한 비디오 게임 2. Pygame 소개 3. 강화학습 소개 4. 비디오 게임 디자인 | ![]() ![]() |
![]() |
강화학습으로 비디오 게임하기(2) | 1. 비디오 게임 디자인 2. Deep Q-learning 소개 3. Deep Q-learning 적용 | ![]() ![]() |
|
![]() |
강화학습으로 비디오 게임하기(3) | 1. ϵ-greedy 알고리즘 2. 비디오 게임 학습 | ![]() ![]() |
|
14. | ![]() |
업무 시스템에 머신러닝 적용하기 | 1. 머신러닝 적용 2. 학습 데이터 저장 및 읽기 | ![]() ![]() |
![]() |
머신러닝에 데이터베이스 사용하기 | 1. 데이터베이스 소개 2. 데이터베이스 만들기 3. 데이터베이스 학습하기 | ![]() ![]() |
|
![]() |
딥러닝 실무 사례 | 1. 실무자와 인터뷰 | ![]() ![]() |
|
15. | ![]() |
점검하기 | 9주차에서 14주차까지 점검하기 | ![]() ![]() |