머신러닝

강좌 개요

이 강좌는 roadmap.sh의 머신러닝(Machine Learning; ML) 로드맵을 따라 데이터로부터 규칙을 학습하는 모델을 직접 만들고 평가하는 학습 경로를 다룹니다. 로드맵이 제시하는 수학적 기초 → 파이썬(Python)과 필수 라이브러리 → 데이터 수집·정제 → 지도·비지도 학습 → 모델 평가 → 딥러닝·고급 개념의 흐름을 레슨 순서로 따르며, 각 단계에서 scikit-learn 기반의 파이썬 예제를 실행해 학습과 평가 결과를 확인합니다. 다루지 않는 것은 대규모 인프라와 연구 수준의 모델 설계입니다. 분산 학습, 쿠버

선수 지식

• python

레슨 구성

• 01. 강좌 개요 (1장. 강좌 소개)
• 02. 머신러닝을 위한 수학·파이썬 기초 (2장. 머신러닝을 위한 수학·파이썬 기초)
• 03. 데이터 수집과 전처리 (2장. 머신러닝을 위한 수학·파이썬 기초)
• 04. 지도 학습: 분류와 회귀 (3장. 지도 학습: 분류와 회귀)
• 05. 비지도 학습: 클러스터링과 차원 축소 (3장. 지도 학습: 분류와 회귀)
• 06. 모델 평가와 검증 (4장. 모델 평가와 검증)
• 07. 딥러닝과 고급 개념 (4장. 모델 평가와 검증)

실습 안내

• 본 강좌의 실습 코드는 브라우저 및 로컬 런타임에서 직접 수정하고 실행할 수 있습니다.