본문으로 바로가기

홈 Machine Learning

강의

비즈니스를 위한 Machine Learning

기초기술 수준

업데이트됨 2024. 11.

머신 러닝의 기본 원리와 비즈니스 현장에서의 적용 방식을 이해합니다.

무료로 강의 시작

TheoryMachine Learning

2시간

15 동영상

48 연습 문제

3,200 XP

46,697

성취 증명서

수천 개 기업의 학습자들이 사랑하는

팀을 교육하시나요?

비즈니스용으로 체험해 보세요

강의 설명

선수 조건

이 강의에는 선수 과목이 없습니다

1

Machine Learning과 데이터 활용 사례

Machine Learning은 다양한 산업과 분야에서 활용됩니다. 올바르게 적용하면 비즈니스를 근본적으로 개선할 수 있어요. 이 장에서는 Machine Learning의 활용 사례, 직무 역할, 그리고 데이터 니즈 피라미드에서 이들이 어떻게 맞물리는지 개괄합니다.

Machine learning과 데이터 피라미드

용어 정리

데이터 피라미드의 필요 요소 순서 정하기

데이터 피라미드에서 작업 매칭하기

Machine learning의 핵심 원칙

모델링 유형

Supervised와 Unsupervised 사례 찾기

직무 역할, 도구와 기술

직무별 책임

데이터 프로젝트와 직무 매칭

팀 구조 유형

2

Machine Learning 유형

이 장에서는 다양한 Machine Learning 유형을 살펴봅니다. 인과(추론) 모델과 예측 모델의 차이를 비교하고, 지도 학습과 비지도 학습을 탐구한 뒤, 지도 학습의 하위 유형인 분류와 회귀를 이해합니다.

예측 vs. 추론 딜레마

추론과 예측의 차이

추론 vs. 예측 사례 구분하기

추론(인과) 모델

실험과 인과 모델

실행 불가능한 변수 식별하기

예측 모델(지도 학습)

Supervised 모델링의 핵심 원리

분류와 회귀 모델 구분하기

예측 모델(비지도 학습)

비지도 모델링 활용 사례

Classification, Regression 또는 Unsupervised 모델

3

비즈니스 요구사항과 모델 설계

이 장에서는 비즈니스 요구사항 범위를 정의하는 핵심 단계, Machine Learning 기회 발굴과 규모 산정, 모델 성능 평가, 그리고 과정 전반의 성능 리스크 식별 방법을 다룹니다.

비즈니스 요구사항

상황, 기회, 실행 항목 식별하기

성공적인 실험 식별하기

Model training

모델 학습 프로세스

Training, validation and test

모델 성능 측정

성능이 부적절한 예시

성능 지표 식별하기

Machine learning의 위험

성능이 나오지 않는 모델 수정하기

실행 불가능한 모델

실행 가능한 권장 사항 식별하기

4

Machine Learning 프로젝트 관리

이 장에서는 Machine Learning 프로젝트를 관리할 때의 모범 사례와 피해야 할 관행을 살펴봅니다. 가장 흔한 실수를 파악하고, 비즈니스 팀과 ML 팀 간 커뮤니케이션을 어떻게 관리할지 배우며, 마지막으로 모델을 프로덕션에 배포할 때의 과제를 다룹니다.

Machine Learning에서 흔히 하는 실수

Machine learning 실수 식별하기

데이터 니즈 피라미드

ML 실수를 유형별로 매칭하세요

커뮤니케이션 관리

비즈니스 커뮤니케이션의 초점

시장 테스트

프로덕션 환경에서의 Machine Learning

운영 시스템

프로덕션 시스템의 ML 사용 사례

ML의 프로덕션 출시

비즈니스를 위한 Machine Learning

강의
완료

수료증 획득

LinkedIn 프로필, 이력서 또는 CV에 이 인증서를 추가하세요
소셜 미디어와 성과 평가에서 공유하세요지금 등록

19백만 명 이상의 학습자와 함께 비즈니스를 위한 Machine Learning을(를) 시작하세요!

DataCamp for Mobile을 통해 데이터 분석 능력을 향상시키세요.

모바일 강좌와 매일 5분 코딩 챌린지를 통해 이동 중에도 학습 효과를 높이세요.