![[AICE] 인공지능활용능력향상을 위한 데이터 모델링](https://media.invione.com/ctsimages//)
[AICE] 인공지능활용능력향상을 위한 데이터 모델링
- 지원유형
- 평생교육이용권
- 학습기간 수료여부 관계없이 복습 12개월 추가 제공
- 수료기준 진도 80% 이상
comment
AICE는 인공지능 능력시험입니다. 영어능력을 평가하는 토익처럼, AICE는 인공지능 활용 능력을 평가합니다.KT가 개발했고, 한국경제신문과 함께 주관합니다.AICE는 자격기본법 규정에 따라 등록한 민간자격증이며, AICE Associate 등급은 2025년 국가공인 자격으로 신규공인 되었습니다.본 과정은 AICE Associate 자격 합격을 위한 과정입니다.본 과정은 데이터 분석과 AI 모델링의 성패를 좌우하는 데이터 전처리와 시각화 기법을 체계적으로 학습하여, 원시 데이터를 정제, 변환, 최적화하고 시각적으로 효과적으로 표현하는 능력을 배양하는 것을 목표로 합니다.본 과정을 통해 결측치 처리, 이상치 탐지, 데이터 변환, 차원 축소, 특성 선택, 텍스트 데이터 전처리 등의 전처리 기법과 matplotlib, seaborn, folium 등을 활용한 데이터 시각화를 실습하며, 데이터를 단순한 숫자가 아닌 의미 있는 인사이트로 전환하고 전달하는 실무 역량을 기를 수 있습니다.또한, 실제 업무 활용 가능한 데이터를 활용해 학습자가 직접 결측치 처리 및 시각화 작업을 수행할 수 있으며, 시각적 결과물을 즉각적으로 확인할 수 있는 예제풀이 과정을 통해 직관적인 학습을 제공합니다
이 과정은 인공지능과 머신러닝의 기본 개념을 이해하고 실무에서 활용할 수 있는 핵심 기술을 익히는 것을 목표로 한다.Scikit-learn을 활용하여 회귀, 분류, 앙상블, 군집화 등의 머신러닝 모델을 실습하고, TensorFlow를 통해 ANN, CNN, RNN, 강화학습을 포함한 다양한 딥러닝 모델을 구현한다.또한, 교차검증과 하이퍼파라미터 튜닝 등의 최적화 기법을 익혀 모델 성능을 향상시키는 방법을 학습한다.이론과 실습을 병행하여 데이터 분석
01차시 : 데이터 시각화 및 전처리 개요02차시 : matplotlib #1. 라이브러리 소개 및 기본 실습03차시 : matplotlib #2. 설정 변경 및 pandas 시각화04차시 : seaborn #1. 범주형 데이터 시각화 실습05차시 : seaborn #2. 관계형 데이터 시각화와 히트맵 실습06차시 : plotly #1. 소개 및 기초 실습(막대 그래프)07차시 : plotly #2. 기초 실습(선 그래프, 파이차트, 산점도) 및 시각화 라이브러리 비교08차시 : folium #1. 지도 시각화 라이브러리 소개 및 folium 기초 실습09차시 : folium #2. 플러그인 기능(MarkerCluster, choropleth 등)을 활용한 심화 실습(feat. 서울시 따릉이 대여소 시각화)10차시 : 실전 실습 #3. 서울시 유동인구 데이터 탐색 및 전처리11차시 : 실전 실습 #3. 서울시 유동인구 데이터 분석 및 시각화12차시 : 데이터 전처리 개요 및 수치형 데이터 전처리13차시 : 데이터 전처리 #2. 범주형 데이터 전처리(레이블 인코딩, 원핫 인코딩)14차시 : 실전 실습 #4. 타이타닉 데이티 전처리15차시 : 이상치 탐지 및 처리(IQR, Z-Score)16차시 : 고급 데이터 전처리 #2. 불균형 데이터 처리(SMOTE)17차시 : 특성 공학 #1. 특성 공학의 개념 및 특성 선택 실습18차시 : 특성 공학 #2. 차원 축소의 이해와 MNIST 실습19차시 : 텍스트 데이터 전처리 개요 및 과정 실습(토큰화, 불용어 제거, TF-IDF)20차시 : 실전 실습 #5. 네이버 영화 리뷰 분석
대학생, 직장인 등 인공지능 관련 (준)전공자 등
- [AICE] 인공지능활용능력향상을 위한 데이터 모델링
- 1. 인공지능과 머신러닝 개요26 분
- 2. scikit-learn #1. 라이브러리 개요 및 주요 모듈 소개32 분
- 3. scikit-learn #2. iris 데이터를 활용한 모델링 실습(feat. train_test_split, 교차검증, 하이퍼파라미터 최적화)35 분
- 4. 회귀(Regression) #1. 캘리포니아 주택 데이터로 배우는 회귀 기초29 분
- 5. 회귀(Regression) #2. 다양한 회귀 알고리즘 및 성능지표의 이해33 분
- 6. 분류(Classification) #1. 결정트리 개념의 이해33 분
- 7. 분류(Classification) #2. 결정트리 실습 - 타이타닉 생존자 예측32 분
- 8. 앙상블 #1. 앙상블 개념의 이해31 분
- 9. 앙상블 #2. 부스팅 앙상블41 분
- 10. 앙상블 #3. XGBoost39 분
- 11. 실전 실습 #6 금융 데이터 분석 (산탄데르 은행 고객 거래 예측)38 분
- 12. 비지도학습 #1. 클러스터링 기초(K-means를 활용한 음악 취향 분석)31 분
- 13. 비지도학습 #2. 클러스터링 심화(DBScan, 계층적 클러스터링)25 분
- 14. 비지도학습 #3. 협업 필터링33 분
- 15. 딥러닝 #1. 신경망 기초 및 Tensorflow 소개27 분
- 16. 딥러닝 #2. 인공신경망 심화(다층 퍼셉트론과 심층신경망)31 분
- 17. 딥러닝 #3. 합성곱 신경망(CNN)33 분
- 18. 딥러닝 #4. 순환 신경망(RNN)35 분
- 19. 실전 실습 #7. 자동차 보험 제안 수락 예측33 분
- 20. 실전 실습 #8. 비트코인 가격 예측37 분