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