After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
코스 설명
시계열 데이터는 우리 주변 어디에나 있습니다. 주식 시장의 변동, 기후 변화를 기록하는 센서 데이터, 뇌 활동처럼 시간이 지남에 따라 바뀌는 모든 신호는 시계열로 설명할 수 있어요. Machine Learning은 데이터의 복잡성을 활용해 예측과 통찰을 이끌어 내는 강력한 방법으로 자리 잡았습니다. 이 강의는 Machine Learning과 시계열 데이터가 만나는 지점에 초점을 맞추며, 특징 공학, 스펙트로그램, 그 밖의 고급 기법을 통해 심장 박동음을 분류하고 주가를 예측하는 방법을 다룹니다.
사전 요구 사항
커리큘럼
코스 개요
1
시계열과 Machine Learning 기초
이 장에서는 Machine Learning, 시계열 데이터, 그리고 두 분야의 접점을 이루는 기본 개념을 소개합니다.
2
모델 입력으로서의 시계열
시계열을 Machine Learning 파이프라인에 포함하는 가장 쉬운 방법은 모델의 특징으로 사용하는 것입니다. 이 장에서는 시계열에서 추출해 Machine Learning에 활용하는 대표적인 특징들을 다룹니다.
3
시계열 데이터 예측하기
시간에 따라 변하는 패턴을 예측하려면, 모델 선택과 구성에 특별한 주의가 필요해요. 이 장에서는 모델을 학습하기 전에 데이터에서 통찰을 얻는 방법과, 시계열 데이터에 예측 모델링을 적용할 때의 모범 사례를 살펴봅니다.
4
시계열 모델 검증과 점검
시계열 데이터를 예측하는 모델을 만들었다면, 그 모델이 좋은지 나쁜지 평가해야 합니다. 이 장에서는 모델로 예측을 생성해 "테스트" 데이터와 비교·검증하는 기본 절차를 다룹니다.
Python으로 배우는 시계열 데이터 Machine Learning
코스
완료
