-
머신러닝을 위한 기초통계 3
-
머신러닝에서 사용하는 통계 16 minLecture1.1
-
데이터 탐색 15 minLecture1.2
-
상관분석 28 minLecture1.3
-
-
머신러닝 시작하기 5
-
머신러닝 개요 22 minLecture2.1
-
데이터 전처리 45 minLecture2.2
-
단순 데이터 분리 17 minLecture2.3
-
모형 생성, 예측, 평가 13 minLecture2.4
-
이것이 끝이 아닙니다. 10 minLecture2.5
-
-
군집분석 4
-
K-Means 클러스터링 19 minLecture3.1
-
Hierarchical 클러스터링 13 minLecture3.2
-
클러스터링의 한계와 극복 33 minLecture3.3
-
군집모형 성능평가 37 minLecture3.4
-
-
분류분석 7
-
분류분석 개요 08 minLecture4.1
-
분류분석 모형 1 – 분류분석 모형의 종류, 확률적 생성모형(QDA) 30 minLecture4.2
-
분류분석 모형 2 – 확률적 생성모형(나이브베이즈) 16 minLecture4.3
-
분류분석 모형 3 – 확률적 판별모형(로지스틱 회귀, 의사결정나무) 39 minLecture4.4
-
분류분석 모형 4 – 판별 분석 모형 13 minLecture4.5
-
인공신경망 모형 32 minLecture4.6
-
분류모형 성능평가Lecture4.7
-
-
회귀분석 7
-
머신러닝 모형 최적화 5
-
변수 선택과 차원 축소Lecture6.1
-
파라미터 탐색Lecture6.2
-
자료 불균형 처리Lecture6.3
-
최적 모형 탐색Lecture6.4
-
투표를 통한 최적의 앙상블 모형 만들기Lecture6.5
-
-
부정탐지 분석 프로젝트 1
-
프로젝트 개요Lecture7.1
-
