EunSeo's Dev Story

01 머신러닝을 위한 데이터 전처리 이해하기 머신러닝 과정 이해하기 데이터 전 처리의 역할 머신러닝의 입력 형태로 데이터 변환 ( 특성 엔지니어링 ) 결측값 및 이상치를 처리하여 데이터 정제 학습용 및 평가용 데이터 분리 데이터 전 처리가 왜 필요할까? - 데이터 변환 - 대부분의 머신러닝 모델은 숫자 데이터를 입력 받는다. - 실제 데이터는 머신러닝 모델이 이해할 수 없는 다양한 형태로 존재한다. - 전 처리를 통하여 머신러닝 모델이 이해할 수 있는 수치형 자료로 변환이 필요하다. 데이터 전 처리가 왜 필요할까? - 데이터 정제 - 전 처리를 통하여 데이터의 결측값 및 이상치를 처리한다. 데이터 전 처리가 왜 필요할까? - 데이터 분리 - 원본 데이터 전체를 학습용 데이터로 사용하게 되면 평가에서 학습..

01 인공지능 / 머신러닝 수업 개론 수강 목표 커리큘럼 02 머신러닝 정의 빅 데이터와 머신러닝 - 4차 산업 흐름에 따라 수 많은 정보가 디지털 데이터로 저장되고 있다. - 빅 데이터를 통해 IoT, 클라우드, 머신러닝 기술이 상호 협력하고 있다. - 머신러닝은 빅 데이터를 분석할 수 있는 강력한 툴이다. - 기존 통계학 및 시각화 방법의 한계를 해결할 수 있다. 머신러닝이란? 명시적으로 프로그래밍을 하지 않고도 컴퓨터가 학습할 수 있는 능력을 갖게 하는 것이다. - 머신러닝은 Train ( 학습 ) 과정을 거쳐 Predict ( 예측 )을 하고, 결과에 따라 Action ( 행동 )을 한다. 머신러닝의 기법 구분 03 지도학습과 비지도학습 지도학습 VS 비지도학습 - 지도학습과 비지도학습의 구분은 ..