After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
코스 설명
지도 학습의 기초를 알고 있고, 실제 데이터셋에 최신 모델을 적용해 보고 싶으신가요? Gradient boosting은 현재 크고 작은 표 형식(tabular) 데이터셋을 효율적으로 모델링하는 데 가장 인기 있는 기법 중 하나입니다. XGBoost는 gradient boosting을 매우 빠르고 확장 가능하게 구현한 라이브러리로, XGBoost를 활용한 모델은 온라인 데이터 사이언스 대회에서 꾸준히 우승하고 다양한 산업 현장에서 대규모로 사용되고 있어요. 이 강의에서는 pandas와 scikit-learn과 함께 이 강력한 라이브러리를 사용해 지도 학습 모델을 구축하고 튜닝하는 방법을 배웁니다. 실제 데이터셋을 다루며 분류와 회귀 문제를 해결해 볼 거예요.
사전 요구 사항
커리큘럼
코스 개요
1
XGBoost로 하는 분류
이 장에서는 XGBoost의 핵심 개념인 부스티드 러너(boosted learner)를 소개합니다. XGBoost의 동작 원리를 이해한 뒤, 업계에서 흔한 분류 문제인 고객 이탈 여부 예측에 XGBoost를 적용해 봅니다.
2
XGBoost로 하는 회귀
지도 학습 회귀를 간단히 복습한 후, 아이오와 주 에임스(Ames)의 주택 가격을 예측하는 회귀 과제에 XGBoost를 적용합니다. XGBoost가 약한 학습기(weak learner)로 사용할 수 있는 두 가지 기본 학습기(base learner)를 살펴보고, 회귀 모델의 성능을 평가하는 방법을 복습합니다.
3
XGBoost 모델 미세 조정
이 장에서는 XGBoost 모델의 성능을 최대한 끌어올리는 방법을 배웁니다. XGBoost의 동작을 바꿀 수 있는 다양한 하이퍼파라미터를 익히고, 이를 효율적으로 튜닝해 모델 성능을 강화하는 방법을 알아봅니다.
4
파이프라인에서 XGBoost 활용
두 개의 End-to-End Machine Learning 파이프라인에 모델을 통합해 XGBoost 활용 능력을 한 단계 높입니다. 파이프라인 안에서 가장 중요한 XGBoost 하이퍼파라미터를 효율적으로 튜닝하는 방법을 배우고, 더 발전된 전처리 기법도 간단히 소개합니다.
XGBoost로 익히는 Extreme Gradient Boosting
코스
완료
