Machine Learning with MATLAB
일정 보기 및 등록교육과정 세부 정보
본 2일 교육과정에서는 Statistics and Machine Learning Toolbox™ 및 Deep Learning Toolbox™의 기능을 사용한 MATLAB® 환경에서 데이터 분석 및 머신러닝 기법에 대해 집중적으로 다룹니다. 본 교육과정에서는 대규모 데이터셋에서 특징을 찾아내는 비지도 학습과 예측 모델을 구축하기 위한 지도 학습에 대해 알아봅니다. 예제와 연습문제를 통해 결과를 시각화하고 평가하는 기법을 중점적으로 다룹니다. 본 교육과정에서 다루는 주요 내용은 다음과 같습니다
- 데이터 구성과 전처리
- 데이터 군집화
- 분류 및 회귀 모델 생성
- 모델 해석 및 평가
- 데이터셋 차원 축소
- 앙상블을 사용하여 모델의 성능 개선
1일차
데이터 가져오기 및 정리하기
학습목표: 데이터를 MATLAB으로 가져와서 데이터 정규화 및 누락값이 있는 관측값 제거를 비롯하여 분석을 위해 구성합니다.
- 데이터형
- table형
- 데이터 준비
데이터에서 자연 패턴 찾기
학습목표: 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
학습목표: 지도 학습 기법을 사용하여 분류 문제에 대해 예측 모델링을 수행합니다. 예측 모델의 정확도를 평가합니다.
- 지도 학습
- 훈련 및 검증
- 분류 방법
2일차
예측 모델 개선
학습목표: 데이터 세트의 차원 수를 줄입니다. 머신러닝 모델을 개선하고 단순화합니다.
- 교차 검증
- 하이퍼파라미터 최적화
- 특징 변환
- 특징 선택
- 앙상블 학습
회귀 모델 구축
학습목표: 지도 학습 기법을 사용하여 연속 응답 변수에 대해 예측 모델링을 수행합니다.
- 모수적 회귀 방법
- 비모수적 회귀 방법
- 회귀 모델 실행
신경망 생성
학습목표: 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
