머신러닝 목차

 

머신러닝

1. 머신러닝 소개

1.1 인공지능이란

(혼공머신) - 4차산업 혁명 시대에 꼭 필요한 인공지능에 대해 알아 보자.

링크 :  https://wondangcom.tistory.com/2771(2024.3.7)

1.1 인공지능이란

1.2 머신러닝을 사용하는 이유

(핸즈온머신러닝) - 머신러닝을 왜 사용해야 하는지 알아 보자.

링크 :  https://wondangcom.tistory.com/2772(2024.3.14)

1.2 머신러닝을 사용하는 이유

1.3 머신러닝 시스템의 종류

(핸즈온머신러닝) - 머신러닝 시스템의 종류는 무엇이 있는지 살펴 보자.

링크 :  https://wondangcom.tistory.com/2773(2024.3.21)

1.3 머신러닝 시스템의 종류

1.4 머신러닝에서 사용되는 용어

머신러닝에서 사용하는 용어를 살펴 본다.

링크 :  https://wondangcom.tistory.com/2774(2024.3.28)

1.4 머신러닝에서 사용되는 용어

1.5 머신러닝의 모델 구분

머신러닝의 분류에는 크게 회귀 모델과 분류 모델이 있다. 이 차이점을 알고 분류모델을 사용해야 하는지 또는 회귀 모델을 사용해야 하는지를 구분 하는 방법을 살펴 보자.

1. 회귀모델

2. 분류모델

링크 : https://wondangcom.tistory.com/2777(2024.4.4)

1.5 머신러닝의 모델 구분

1.6 머신러닝 과정 이해

머신러닝으로 데이터를 이용하여 학습하는 과정을 이해해 본다.

1. 데이터 준비

2. 학습용과 테스트용 분리

3. 모델을 선택하여 학습

4. 모델을 테스트

5. 예측

링크 : https://wondangcom.tistory.com/2780(2024.4.11)

1.6 머신러닝 과정

 

 

2. 데이터 전처리

2.1 데이터 다루기

(혼공머신)- 입문자가 왜 데이터 전처리 과정을 익혀야 하는지 살펴 보자.

1. 최근접 이웃 분류 - 머신러닝 알고리즘 중 가장 기본적인 분류 방법인 최근접 이웃 알고리즘에 대해 살펴 본다.

링크 : https://wondangcom.tistory.com/2782(2024.4.18)

2.1 데이터다루기 - 최근접 이웃 분류

2. 산점도로 예측 데이터 정확도 분석하기 - 최근접 이웃 분류로 임의의 값을 분석한 후 예측 상태를 산점도로 확인해 보기

링크: https://wondangcom.tistory.com/2786(2024.4.25)

3. 데이터 전처리 - 데이터의 단위가 틀려질 때 어떤 특성은 cm 단위, 어떤 특성은 kg 단위라면 정확한 예측이 가능할까?

링크 : https://wondangcom.tistory.com/2788(2024.5.2)

 

3. 회귀모델

3.1 선형 회귀

회귀 모델이 무엇인지 살펴 보고 이것을 기계학습 하는 방법에 대해 살펴 보자.

링크 : https://wondangcom.tistory.com/2796(2024.5.9)

3.2 경사 하강법

선형 회귀에서 가장 좋은 성능을 찾아가기 위한 기법 중에 하나인 경사 하강법에 대해 살펴 보자.

링크 : https://wondangcom.tistory.com/2799 (2024.5.16)

 

3.3 다항 회귀

독립변수의 특성의 차수를 높여서 기계학습 하는 방법을 살펴 보자.

링크: https://wondangcom.tistory.com/2808 (2024.5.23)

3.4 규제

(혼공머신) - 과대적합과 과소적합에 대해 살펴 보고 이것을 규제하는 방법에 대해 살펴 보자.

링크 - https://wondangcom.tistory.com/2812(2024.5.30)

4. 분류모델

4.1 MNIST

(핸즈온머신러닝) - 분류모델에서 가장 많이 사용하고 있는 MNIST 데이터를 살펴 본다.

https://wondangcom.tistory.com/2813(2024.6.7)

4.2 로지스틱회귀

(텐서플로로 다지는 기초) - 선형 회귀에서 신경망으로 가기 위한 걸음마 로지스틱 회귀에 대해 살펴 보자.

1. 단순 선형 회귀(Linear Regression) 복습

- 선형 회귀에 대한 복습 : https://wondangcom.tistory.com/2817 (2024.6.14)

- 경사 하강법 복습 및 실습 : https://wondangcom.tistory.com/2819 (2024.6.21)

 

2. 다중 선형 회귀의 개념(Multiple Linear Regression)

- 로지스틱 회귀의 개념을 살펴 보기 위해 다중 선형 회귀의 개념에 대해 먼저 살펴 본다.

링크 : https://wondangcom.tistory.com/2820(2024.6.28)

 

3. 선형회귀와 로지스틱 회귀

- 선형회귀와 로지스틱 회귀의 차이점을 살펴 본다.

링크 : https://wondangcom.tistory.com/2821(2024.7.5) 

 

4.3 결정트리

(혼공머신) - 분류 모델 중 결정 트리에 대해 살펴 본다.

링크 - https://wondangcom.tistory.com/2822(2024.7.12)

 

4.4 앙상블 학습과 랜덤 포레스트

(혼공머신) - 결정 트리에서 앙상블학습과 랜덤 포레스트에 대해 살펴 본다.

 

5. 비지도 학습

5.1 군집화

(핸즈온 머신러닝) 비지도 학습을 통해 비슷한 샘플을 클러스터로 모으는 방법을 살펴 본다.

5.2 차원축소

(혼공머신) - 많은 특징들을 한번에 훈련하기에는 너무 힘들어~ 차원을 축소하여 특징들만을 가지고 훈련하는 방법을 살펴 보자.

5.3 주성분 분석

(혼공머신) - 차원 축소하기 위해서는 특징을 분실하지 않는 것이 중요해~ 이것을 주성분 분석을 통해 이루어지는 과정을 살펴 보자.

 

딥러닝

6. 딥러닝이란

6.1 퍼셉트론

(텐서플로로 다지는 기초)

6.2 심층 신경망(DNN)

(텐서플로로 다지는 기초)

7. 합성곱(CNN)

7.1 합성곱이란

(텐서플로로 다지는 기초)

7.2 합성곱

(텐서플로로 다지는 기초)

8. 순환뉴런(RNN)

8.1 RNN이란

 

9. 머신러닝 활용

9.1 콩의 질병 분류기 만들기

 

 

 

 

목차는 지속적으로 변경 예정이며 큰 틀을 잡고 여기에 맞춰서 포스팅을 해 보려고 합니다.