[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.
