MATLAB 및 Simulink 교육

Machine Learning with MATLAB

일정 보기 및 등록

교육과정 세부 정보

본 2일 교육과정은 MATLAB®에서 Statistics and Machine Learning Toolbox™ 및 Deep Learning Toolbox™ 내의 함수를 사용한 데이터 분석 및 기계 학습 기술에 대하여 집중적으로 다룹니다. 본 교육과정에서는 대용량 데이터에서 피쳐(feature)를 찾아내는 비지도(unsupervised) 학습과 예측 모델(predictive model)을 구축하기 위한 지도(supervised) 학습에 대해 설명합니다. 예제와 연습문제를 통해 결과의 시각화 및 평가 기술에 대해 중점적으로 다룹니다. 본 과정의 주요 내용은 다음과 같습니다.

  • 데이터 구성과 전처리
  • 데이터 군집화
  • 구분기 및 회귀분석 모델 생성
  • 모델 해석 및 평가
  • 데이터 차원 축소
  • Ensembles 이용한 모델의 성능 개선

Day 1 of 2


데이터 가져오기 및 정리하기

Objective: 데이터를 MATLAB으로 가져와서 데이터 정규화 및 누락값이 있는 관측값 제거를 비롯하여 분석을 위해 구성합니다.

  • 데이터형
  • table형
  • 데이터 준비

데이터에서 자연 패턴 찾기

Objective: 비지도 학습 기법을 사용하여, 설명 변수 세트를 기반으로 관측값을 그룹화하고 데이터 세트에서 자연 패턴을 찾습니다.

  • 비지도 학습
  • 군집 방법
  • 군집 평가 및 해석

분류 모델 구축

Objective: 지도 학습 기법을 사용하여 분류 문제에 대해 예측 모델링을 수행합니다. 예측 모델의 정확도를 평가합니다.

  • 지도 학습
  • 훈련 및 검증
  • 분류 방법

Day 2 of 2


예측 모델 개선

  • 교차 검증
  • 하이퍼파라미터 최적화
  • 특징 변환
  • 특징 선택
  • 앙상블 학습

회귀 모델 구축

Objective: 지도 학습 기법을 사용하여 연속 응답 변수에 대해 예측 모델링을 수행합니다.

  • 모수적 회귀 방법
  • 비모수적 회귀 방법
  • 회귀 모델 실행

신경망 생성

Objective: 군집과 예측 모델링에 사용할 신경망을 만들고 훈련시킵니다. 성능 개선을 위해 신경망 아키텍쳐를 조정합니다.

  • 자기 조직화 맵을 사용한 군집
  • 피드포워드 신경망을 사용한 분류
  • 피드포워드 신경망을 사용한 회귀

수준: 중급

수강자 필수조건:

기간: 2 일

언어: English, Español, 日本語, 한국어

일정 보기 및 등록