이 강의들을 수강한 후, 전문적인 시각화와 대시보드를 자신 있게 만들 수 있게 되었습니다
Shoebur Rahman구매 담당자, Giz Bangladesh
강의 설명
이 강의에서는 scikit-learn을 사용해 선형 분류기, 특히 로지스틱 회귀와 서포트 벡터 머신(SVM)을 다루는 방법을 배웁니다. 방법을 적용하는 법을 익힌 뒤에는 그 뒤에 있는 개념을 파고들어, 알고리즘이 어떻게 작동하는지 이해하게 될 거예요. 강의가 끝나면 Python에서 이러한 선형 분류기를 학습하고, 평가하고, 튜닝하는 방법을 알게 됩니다. 또한 다른 많은 Machine Learning 알고리즘을 이해하는 데 필요한 개념적 토대도 갖추게 됩니다.
선수 과목
커리큘럼
강의 개요
1
로지스틱 회귀와 SVM 적용하기
이 장에서는 분류 문제에 로지스틱 회귀와 서포트 벡터 머신(SVM)을 적용하는 기본기를 학습합니다.
scikit-learn 라이브러리를 사용해 실제 데이터에 분류 모델을 적합해 볼 거예요.2
손실 함수
이 장에서는 로지스틱 회귀와 SVM의 개념적 틀을 살펴봅니다. 이를 통해 모델의 내부 작동 원리를 더 깊이 이해할 수 있어요.
3
로지스틱 회귀
이 장에서는 로지스틱 회귀의 세부 내용을 파고듭니다. 정규화 전반과 모델 출력 해석 방법을 배우게 됩니다.
4
서포트 벡터 머신
이 장에서는 서포트 벡터 머신의 세부 내용을 학습합니다. 하이퍼파라미터 튜닝과 커널을 사용해 비선형 결정 경계를 적합하는 방법을 알아봅니다.
Python으로 배우는 선형 분류기
강의
완료
