University of St Andrews - Online

중급 과정: 엔드투엔드 머신 러닝

더욱 복잡한 알고리즘과 실제 응용 프로그램을 탐구하여 머신 러닝 전문성을 강화하세요.

이 단기 과정은 현대 머신 러닝의 기본 개념과 기술을 이해하고자 하는 전문가를 대상으로 합니다.

이 과정에서는 5가지 주제를 통해 최신 머신 러닝 방법에 대해 알아봅니다.

• 분류는 개별 계층을 가장 잘 예측하는 방법, 예를 들어 신용 신청을 수락하거나 거부하는 방법을 설명합니다.
• 학습 모델은 핵심 최적화 문제를 해결하는 데 사용되는 방법을 소개합니다. 어떤 모델 종류의 오류가 가장 적은가요?
• Trees & Random Forests는 트리 모델을 파생, 확장하고 배포하여 새로운 데이터 인스턴스에 대한 성능에 대한 검증된 추정치를 갖는 모델을 생성하는 방법을 살펴봅니다.
• 차원 축소는 예측 머신 러닝 모델에 사용되는 기능의 수를 줄이는 데 적용 가능한 방법과 그 근거를 다룹니다.
• 비지도 학습은 목표 변수가 없는 모델을 학습하고 배포하는 방법을 고려합니다.

각 주제에 대한 고급 Python 코드가 제공되고 설명됩니다. 학습 목표의 핵심은 다양한 데이터와 목적에 적합한 모델을 파악하고, 모델에 적합한 하이퍼파라미터 튜닝 또는 모델 선택을 수행하는 것입니다.