https://www.youtube.com/watch?v=J6wehCO_c58&list=PLVsNizTWUw7HpqmdphX9hgyWl15nobgQX
1강_인공지능, 머신러닝 그리고 딥러닝이란 무엇인가?
인공지능: 사람 처럼
머신러닝
딥러닝
scikit-learn
2강_코랩과 주피터 노트북으로 손코딩 준비하기
colab 사용법 소개
3강 마켓과 머신러닝
전통적인 프로그램 : if else
4강 훈련 세트와 테스트 세트로 나누어 사용하기
훈련 세트
테스트 세트 : 모델 성능 평가
샘플링 편향을 조심해야 한다. 특정 한 class에 대해서 치우치는 경우
지도 학습 : k-nn
비지도 학습 :
강화 학습 :
5강 정교한 결과 도출을 위한 데이터 전처리 알아보기
train_test_split
표준 점수 : (특성 - 평균) / 표준편차
knn은 scale을 조절하는 것이 좋다. 특성의 scale에 예민하다.
훈련 세트의 scale된 것을 test에 적용한다.
훈련 세트를 기준으로 한다.
preprocessing
6강 회귀 문제를 이해하고 k-최근접 이웃 알고리즘으로 풀어 보기
데이터 전처리 : 표준점수
회귀
reshape로 배열 크기 조절
R ** 2 (결정계수)= 1- ((타깃-예측)**2 의 합 / (타깃 - 평균)**2 의 합)
과대적합과 과소적합
7강 사이킷런으로 선형 회귀 모델 만들어 보기
선형회귀 : 음수가 나올 수 있다.
다항회귀
8강 특성 공학과 규제 알아보기
다중회귀 :
특성이 많으면 과대적합
특성 공학
다항 특성
규제 : Lasso , Ridge
9강 로지스틱 회귀 알아보기
변환기는 train, test같은것으로 해야한다.
knn
로지스틱 회귀
10강 확률적 경사 하강법 알아보기
점진적 학습 : 모델 서비스 할때
online: 모델 서비스 도중
11강 로지스틱 회귀로 와인 분류하기 & 결정 트리
결정 트리
가지치기 depth로 한다.
12강 교차 검증과 그리드 서치
검증 세트
성능 올리기
일반화 성능
13강 트리의 앙상블
정형데이터
비정형데이터
랜덤 포레스트
bootstrap sample 동일한 샘플 중복허용
14강 흑백 이미지 분류 방법과 비지도 학습, 군집 알고리즘 이해하기
군집 알고리즘
15강 k-평균 알고리즘 작동 방식을 이해하고 비지도 학습 모델 만들기
K-means
16강 주성분 분석: 차원 축소 알고리즘 PCA 모델 만들기
PCA
17강 인공 신경망 ▶️ 간단한 인공 신경망 모델 만들기
18강 심층 신경망 ▶️인공 신경망에 층을 추가하여 심층 신경망 만들어 보기
신경망은 여러개 층 동시에 학습한다.
19강 신경망 모델 훈련 ▶️인경 신경망 모델 훈련의 모범 사례 학습하기
dropout
조기종료
20강 합성곱 신경망의 개념과 동작 원리 배우기
padding
stride
pooling
21강 합성곱 신경망을 사용한 이미지 분류
다중분류문제
22강 합성곱 신경망의 시각화
가중치 시각화
함수형 API
23강 순차 데이터와 순환 신경망
순환신경망
순차데이터
24강 순환 신경망으로 IMDB 리뷰 분류하기
25강 LSTM과 GRU 셀
GRU
LSTM