Chapter 01. 머신러닝은 런닝머신인가요
(전체 러닝타임: 0:53:33) | 01_머신러닝은 런닝머신인가요? |
02_Iris Classification 1 - 손으로 분류하기 | |
03_Iris Classification 2 - Decision Tree | |
04_Iris Classification - 실습 (1) | |
05_Iris Classification - 실습 (2) | |
Chapter 02. 머신러닝 데이터는 왜 나누나요
(전체 러닝타임: 0:59:40) | 01_이전 챕터 wrap-up |
02_머신러닝 데이터는 왜 나누나요 | |
03_데이터 나누기 - 실습 (1) | |
04_데이터 나누기 - 실습 (2) | |
05_데이터 나누기 - 실습 (3) | |
06_데이터 나누기 - 실습 (4) | |
Chapter 03. 회귀가 뭔가요 이름이 어려워요
(전체 러닝타임: 0:34:43) | 01_지도 학습과 비지도 학습 |
02_회귀 (Regression) | |
03_선형 회귀 (Linear Regression) | |
04_선형 회귀 - 실습 | |
Chapter 04. 회귀로 푸는 보스턴 집 값 예측
(전체 러닝타임: 0:39:47) | 01_다변수 데이터에 대한 회귀 |
02_보스턴 집 값 예측 1 - 데이터 불러오기 | |
03_보스턴 집 값 예측 2 - 시각화를 활용한 데이터 파악하기 | |
04_보스턴 집 값 예측 3 - Decision Tree Regression | |
05_보스턴 집 값 예측 - 실습 (1) | |
06_보스턴 집 값 예측 - 실습 (2) | |
Chapter 05. 와인을 분류해보고 싶나요
(전체 러닝타임: 1:11:27) | 01_와인 데이터 살펴보기 |
02_와인 분류기 제작 1 - 데이터 전처리 | |
03_와인 분류기 제작 2 - MinMaxScaler와 StandardScaler | |
04_와인 분류기 제작 3 - Scaler를 적용한 학습 | |
05_와인 분류기 제작 4 - 이진 분류로 와인 맛 분류하기 | |
06_와인 데이터 분류 - 실습 (1) | |
07_와인 데이터 분류 - 실습 (2) | |
08_와인 데이터 분류 - 실습 (3) | |
09_와인 데이터 분류 - 실습 (4) | |
10_와인 데이터 분류 - 실습 (5) | |
Chapter 06. Label Encoder와 Scaler
(전체 러닝타임: 0:34:25) | 01_Label Encoder |
02_Min-Max Scaler | |
03_Standard Scaler | |
04_Robust Scaler | |
05_Label Encoder - 실습 | |
06_Scaler - 실습 | |
Chapter 07. 분류 모델의 평가
(전체 러닝타임: 0:53:18) | 01_분류 모델 평가의 개념 1 |
02_분류 모델 평가의 개념 2 | |
03_ROC와 AUC | |
04_ROC 커브 그려보기 | |
05_분류 모델 평가 - 실습 (1) | |
06_분류 모델 평가 - 실습 (2) | |
01_Pipeline | |
02_Pipeline - 실습 |
Chapter 09. Logistic Regression
(전체 러닝타임: 1:10:52) | 01_이름은 회귀지만 저는 분류기에요 |
02_비용 함수 (Cost Function) | |
03_비용 함수 최소값 구하기 | |
04_회귀를 분류에 적용학고 싶다면 | |
05_Decision Tree와 Logistic Regression 비교해보기 | |
06_PIMA 인디언 당뇨병 주요 Feature 찾기 | |
07_로지스틱 회귀 - 실습 (1) | |
08_로지스틱 회귀 - 실습 (2) | |
Chapter 10. 하이퍼파라미터 튜닝
(전체 러닝타임: 0:50:11) | 01_교차 검증 (Cross Validation) |
02_교차 검증 구현하기 | |
03_하이퍼파라미터 튜닝 | |
04_하이퍼파라미터 튜닝 - 실습 (1) | |
05_하이퍼파라미터 튜닝 - 실습 (2) | |
Chapter 11. Precision and Recall
(전체 러닝타임: 0:14:45) | 01_Precision and Recall |
02_Precision and Recall - 실습 | |
Chapter 12. kNN
(전체 러닝타임: 0:15:14) | 01_k-최근접 이웃 (k-Nearest Neighbor) |
02_kNN - 실습 | |
Chapter 13. 앙상블 기법
(전체 러닝타임: 0:50:07) | 01_앙상블 기법과 Random Forest |
02_HAR Dataset | |
03_HAR 데이터로 앙상블 기법 다뤄보기 1 | |
04_HAR 데이터로 앙상블 기법 다뤄보기 2 - Random Forest | |
05_앙상블 기법 예제 - 실습 (1) | |
06_앙상블 기법 예제 - 실습 (2) | |
Chapter 14. Credit Card Fraud Detection
(전체 러닝타임: 1:22:10) | 01_신용카드 데이터 살펴보기 |
02_앙상블 기법의 Boosting 기법 | |
03_부정사용 검출 1st Trial | |
04_부정사용 검출 2nd/3rd Trial | |
05_부정사용 검출 4th Trial | |
06_신용카드 부정사용 검출 - 실습 (1) - 데이터 살펴보기 | |
07_신용카드 부정사용 검출 - 실습 (2) - 1st Trial | |
08_신용카드 부정사용 검출 - 실습 (3) - 2nd Trial | |
09_신용카드 부정사용 검출 - 실습 (4) - 3rd Trial | |
10. 신용카드 부정사용 검출 - 실습 (5) - 4th Trial | |
Chapter 15. 이 데이터의 주성분
n개는 무엇인가
(전체 러닝타임: 0:42:18) | 01_주성분 분석 (Principal Component Analysis) 란? |
02_PCA 사용해보기 | |
03_Iris 데이터에 PCA 적용해보기 | |
04_와인 데이터에 PCA 적용해보기 | |
05_주성분 분석 - 실습 (1) | |
06_주성분 분석 - 실습 (2) | |
07_주성분 분석 - 실습 (3) | |
Chapter 16. 표정을 예측해 드립니다
(전체 러닝타임: 0:24:47) | 01_PCA로 찾은 고유 얼굴(Eigenface)로 다양한 얼굴 변화 관찰하기 |
02_PCA Eigenface - 실습 | |
Chapter 17. Clustering
(전체 러닝타임: 0:28:56) | 01_비지도 학습 군집화 (Clustering) |
02_Iris 데이터 군집화 해보기 | |
03_군집 평가 | |
04_군집화 - 실습 |