대용량 데이터와 많은 변수가 관련되어 있는 복잡한 문제가 있으십니까? 머신 러닝으로 문제를 효율적으로 해결할 수 있다는 사실을 알고 있지만, 한 번도 사용해 본 적이 없습니까? 그렇다면 정리되지 않았거나 누락이 있거나 다양한 형식으로 제시되는 데이터를 어떻게 처리하고 계십니까? 이러한 데이터에 꼭 맞는 모델을 어떻게 선택하고 계십니까?

너무 어려운 작업처럼 들리십니까? 낙담하지 마십시오. 체계적인 워크플로우가 있다면 순조롭게 출발할 수 있습니다.

eBook을 다운로드하여 기본에서 고급 기법 및 알고리즘까지 차근차근 단계를 밟아 나가 보십시오.

섹션 1: 머신 러닝 소개

머신 러닝의 기본에 대해 학습합니다. 지도(supervised) 및 비지도(unsupervised) 학습, 올바른 알고리즘 선택하기, 실용적인 예제가 제공됩니다.

섹션 2: 머신 러닝 시작하기

건강 모니터링 앱을 예제로 활용하여 머신 러닝 워크플로우의 각 단계를 살펴봅니다. 이 섹션에서는 데이터 액세스 및 로드, 데이터 전처리, 특징 도출, 모델 교육 및 개량 방법을 다룹니다.

섹션 3: 비지도(unsupervised) 학습 적용

하드 및 소프트 클러스터링 알고리즘에 대해 알아보고, 모델 성능을 개선하기 위한 일반적인 차원 감소 기법에 대해 배웁니다.

섹션 4: 지도(supervised) 학습 적용

분류 및 회귀 알고리즘을 살펴보고, 특징 선택, 특징 변환, 하이퍼파라미터 튜닝과 같은 모델 개선 기법에 대해 배웁니다.