[AI] 챕터09 - 실습과 프로젝트
공부할 챕터챕터주제간단 설명1머신러닝이란 무엇인가머신러닝의 정의, 동작 원리, AI와의 관계2머신러닝의 분류지도학습, 비지도학습, 강화학습의 차이3데이터와 전처리데이터가 왜 중요한가, 어떻게 다듬는가4특징(Feature)과 레이블(Label)입력과 출력의 개념, 특징 추출5학습과 예측모델 훈련(training), 예측(predict)의 의미6성능 평가정확도, 정밀도, 재현율, F1 Score 등7대표 알고리즘 이해회귀, 분류, 군집 등 알고리즘 소개8과적합과 일반화학습을 너무 많이/적게 했을 때 문제9실습과 프로젝트간단한 실전 예제, 모델 만들기이제 간단한 실습을 하면서 익혀보자! 목표: 데이터를 문류하는 머신러닝 모델을 만들어보자!- 꽃잎의 길이/너비 등으로 품종을 예측사용 기술: pandas, sci..
2025. 7. 24.
[AI] 챕터08 - 과적합과 일반
공부할 챕터챕터주제간단 설명1머신러닝이란 무엇인가머신러닝의 정의, 동작 원리, AI와의 관계2머신러닝의 분류지도학습, 비지도학습, 강화학습의 차이3데이터와 전처리데이터가 왜 중요한가, 어떻게 다듬는가4특징(Feature)과 레이블(Label)입력과 출력의 개념, 특징 추출5학습과 예측모델 훈련(training), 예측(predict)의 의미6성능 평가정확도, 정밀도, 재현율, F1 Score 등7대표 알고리즘 이해회귀, 분류, 군집 등 알고리즘 소개8과적합과 일반화학습을 너무 많이/적게 했을 때 문제9실습과 프로젝트간단한 실전 예제, 모델 만들기오늘도 지친몸을 이끌고 책상에 앉았다 잘했다!!! 강의는 듣고있는데 뭐라는지 하나도 모르겠지만! 계속 들어야지뭐! 과적합과 일반화(Overfitting & Gen..
2025. 7. 24.
[AI] 챕터07 - 대표 알고리즘
공부할 챕터챕터주제간단 설명1머신러닝이란 무엇인가머신러닝의 정의, 동작 원리, AI와의 관계2머신러닝의 분류지도학습, 비지도학습, 강화학습의 차이3데이터와 전처리데이터가 왜 중요한가, 어떻게 다듬는가4특징(Feature)과 레이블(Label)입력과 출력의 개념, 특징 추출5학습과 예측모델 훈련(training), 예측(predict)의 의미6성능 평가정확도, 정밀도, 재현율, F1 Score 등7대표 알고리즘 이해회귀, 분류, 군집 등 알고리즘 소개8과적합과 일반화학습을 너무 많이/적게 했을 때 문제9실습과 프로젝트간단한 실전 예제, 모델 만들기으아아아아ㅏㅏㅏㅏㅏ 이악물고 의자에 앉아서 공부한다 강의만 틀면 왜이렇게 졸린걸까? 나만 이래? 대학원 하면서 어느정도 공부는 해놔서 이번에도 가볍게 복습하는겸 ..
2025. 7. 22.
[AI] 챕터06 - 성능 평가
공부할 챕터챕터주제간단 설명1머신러닝이란 무엇인가머신러닝의 정의, 동작 원리, AI와의 관계2머신러닝의 분류지도학습, 비지도학습, 강화학습의 차이3데이터와 전처리데이터가 왜 중요한가, 어떻게 다듬는가4특징(Feature)과 레이블(Label)입력과 출력의 개념, 특징 추출5학습과 예측모델 훈련(training), 예측(predict)의 의미6성능 평가정확도, 정밀도, 재현율, F1 Score 등7대표 알고리즘 이해회귀, 분류, 군집 등 알고리즘 소개8과적합과 일반화학습을 너무 많이/적게 했을 때 문제9실습과 프로젝트간단한 실전 예제, 모델 만들기 좋아 이제 머신러닝 모델이 얼마나 잘 배웠는지를 판단해보는 시간이다아아아!성능 평가가 왜 중요한걸까? 모델을 학습했으면 이제 예측을 얼마나 잘하게요~하는지 알..
2025. 7. 21.
[AI] 챕터05 - 학습과 예측
공부할 챕터챕터주제간단 설명1머신러닝이란 무엇인가머신러닝의 정의, 동작 원리, AI와의 관계2머신러닝의 분류지도학습, 비지도학습, 강화학습의 차이3데이터와 전처리데이터가 왜 중요한가, 어떻게 다듬는가4특징(Feature)과 레이블(Label)입력과 출력의 개념, 특징 추출5학습과 예측모델 훈련(training), 예측(predict)의 의미6성능 평가정확도, 정밀도, 재현율, F1 Score 등7대표 알고리즘 이해회귀, 분류, 군집 등 알고리즘 소개8과적합과 일반화학습을 너무 많이/적게 했을 때 문제9실습과 프로젝트간단한 실전 예제, 모델 만들기학습(Training) 이란?데이터를 기반으로 모델이 패턴을 찾아내는 과정기본 구조입력(X)을 넣는다.예측값(Y')을 얻는다.실제 정답(Y)과 비교한다.오차(lo..
2025. 7. 17.
[AI] 챕터04 - 특징과 레이블
공부할 챕터챕터주제간단 설명1머신러닝이란 무엇인가머신러닝의 정의, 동작 원리, AI와의 관계2머신러닝의 분류지도학습, 비지도학습, 강화학습의 차이3데이터와 전처리데이터가 왜 중요한가, 어떻게 다듬는가4특징(Feature)과 레이블(Label)입력과 출력의 개념, 특징 추출5학습과 예측모델 훈련(training), 예측(predict)의 의미6성능 평가정확도, 정밀도, 재현율, F1 Score 등7대표 알고리즘 이해회귀, 분류, 군집 등 알고리즘 소개8과적합과 일반화학습을 너무 많이/적게 했을 때 문제9실습과 프로젝트간단한 실전 예제, 모델 만들기머신러닝에서 입력과 출력은 무엇일까?Feature(특징): 입력값, 머신러닝이 보고 학습하는 데이터 예: 키, 몸무게, 나이, 지역 등Label(레이블): 출력값..
2025. 7. 17.
[AI] 챕터03 - 데이터와 전처리
공부할 챕터챕터주제간단 설명1머신러닝이란 무엇인가머신러닝의 정의, 동작 원리, AI와의 관계2머신러닝의 분류지도학습, 비지도학습, 강화학습의 차이3데이터와 전처리데이터가 왜 중요한가, 어떻게 다듬는가4특징(Feature)과 레이블(Label)입력과 출력의 개념, 특징 추출5학습과 예측모델 훈련(training), 예측(predict)의 의미6성능 평가정확도, 정밀도, 재현율, F1 Score 등7대표 알고리즘 이해회귀, 분류, 군집 등 알고리즘 소개8과적합과 일반화학습을 너무 많이/적게 했을 때 문제9실습과 프로젝트간단한 실전 예제, 모델 만들기 데이터 전처리의 중요성머신러닝에서 좋은 데이터 없이는 좋은 모델도 없다는 말이 있다! 아무리 성능 좋은 알고리즘을 써도 더럽거나 이상한 데이터를 넣으면 모델도 ..
2025. 7. 16.