After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
코스 설명
여러분도 아마 비슷한 뉴스 기사가 하나의 주제로 자동으로 묶이는 Google News를 본 적이 있을 거예요. 이런 묶음을 만드는 과정이 어떻게 동작하는지 궁금하셨나요? 이 강의에서는 Python의 SciPy 라이브러리를 사용해 군집화로 배우는 비지도 학습을 소개합니다. 데이터 전처리와 계층적 군집화, k-평균 군집화의 적용 방법을 다룹니다. 강의 전반에 걸쳐 인기 축구 비디오 게임인 FIFA 18의 선수 통계를 탐색해 볼 거예요. 강의를 마치면 다양한 군집화 알고리즘을 데이터에 빠르게 적용하고, 형성된 군집을 시각화하며 결과를 해석할 수 있게 됩니다.
사전 요구 사항
커리큘럼
코스 개요
1
군집화 소개
뉴스 기사를 분류할 준비를 하기 전에, 먼저 군집화의 기초를 알아야 합니다. 이 장에서는 비지도 학습이라 불리는 Machine Learning 알고리즘의 한 범주를 소개하고, 그중에서도 대표적인 방법인 군집화를 다룹니다. 널리 쓰이는 두 가지 군집화 기법인 계층적 군집화와 k-평균 군집화에 대해 배우게 됩니다. 마지막으로, 데이터 군집화를 시작하기 전에 필요한 기본 전처리 단계로 장을 마무리합니다.
2
계층적 군집화
이 장에서는 널리 사용되는 군집화 알고리즘인 계층적 군집화와 SciPy에서의 구현에 집중합니다. 계층적 군집화를 수행하는 절차와 더불어, 데이터에 클러스터가 몇 개 있는지라는 중요한 질문에 답하는 데 도움을 드립니다. 마지막에는 계층적 군집화의 한계를 살펴보고, 이 방법을 사용할 때 고려해야 할 사항들을 논의합니다.
3
K-평균 군집화
이 장에서는 또 다른 군집화 알고리즘인 k-평균 군집화와 그 SciPy 구현을 소개합니다. k-평균 군집화는 이전 장에서 다룬 계층적 군집화의 가장 큰 단점을 보완합니다. 수형도는 계층적 군집화에 특화되어 있으므로, 이 장에서는 k-평균 군집화를 실행하기 전에 클러스터 개수를 정하는 한 가지 방법을 다룹니다. 마지막에는 k-평균 군집화의 한계를 살펴보고, 이 알고리즘을 사용할 때 고려해야 할 점들을 논의합니다.
4
현실 세계의 군집화
이제 가장 널리 쓰이는 두 가지 군집화 기법에 익숙해졌으니, 이 장에서는 이를 실제 문제에 적용해 봅니다. 먼저 이미지에서 지배 색상을 찾는 과정을 다룬 뒤, 도입부에서 언급한 뉴스 기사 군집화 문제로 넘어갑니다. 마지막에는 변수가 여러 개인 군집화에 대해 논의하며, 모든 데이터를 시각화하기가 왜 어려운지도 살펴봅니다.
Python으로 배우는 군집 분석
코스
완료
