머신 러닝 과학자 in Python

Python scikit-learn으로 머신 러닝 실력을 향상시키고, 실전 데이터 세트로 강력한 예측 능력을 키워보세요!

Dive into agriculture using supervised machine learning and feature selection to aid farmers in crop cultivation and solve real-world problems.

scikit-learn과 scipy를 사용하여 라벨이 없는 데이터셋을 클러스터링, 변환, 시각화하고 인사이트를 추출하는 방법을 배워보세요.

Arctic Penguin Exploration: Unraveling Clusters in the Icy Domain with K-means Clustering

이 과정에서는 로지스틱 회귀와 SVM 등 선형 분류기의 원리를 자세히 학습합니다.

이 강좌에서는 scikit-learn을 사용하여 회귀 및 분류를 위한 트리 기반 모델과 앙상블을 활용하는 방법을 배웁니다.

Build a regression model for a DVD rental firm to predict rental duration. Evaluate models to recommend the best one.

Gradient boosting의 핵심을 배우고, XGBoost로 분류·회귀 문제를 해결하는 최첨단 머신 러닝 모델을 구축하세요.

이 과정에서는 SciPy 라이브러리를 활용한 계층적 클러스터링 및 k-평균 클러스터링과 같은 기법을 통해 비지도 학습을 소개합니다.

데이터의 차원 축소 개념을 이해하고, Python을 사용해 이를 수행하는 기술을 숙달하세요.

Learn how to clean and prepare your data for machine learning!

This course focuses on feature engineering and machine learning for time series data.

머신러닝 모델의 성능을 향상시키기 위한 새로운 기능을 생성하십시오.

모델 검증의 기초와 주요 기법을 배우고, 검증된 고성능 모델을 직접 만들어 보세요.

Python에서 자동 하이퍼파라미터 튜닝 기법을 학습합니다. Grid, Random, Informed Search를 포함합니다.

전처리부터 고급 Transformer 모델까지 핵심 NLP 기법으로 텍스트 분석을 마스터하세요.

spaCy의 핵심 기능을 숙달하고 자연어 처리 모델을 훈련하세요. 구조화되지 않은 데이터에서 정보를 추출하고 패턴을 일치시킵니다.

텍스트에서 유용한 정보를 추출하고, 머신러닝에 적합한 형식으로 가공하는 기법을 학습합니다.

PyTorch를 사용하여 첫 번째 신경망을 구축하고, 하이퍼파라미터를 조정하며, 분류 및 회귀 문제를 해결하는 방법을 배워보세요.

이미지 및 순차적 데이터 모델링을 위한 CNN, RNN, LSTM, GRU와 같은 기본적인 딥러닝 아키텍처에 대해 알아보세요.

이미지를 마음대로 처리, 변환, 조작하는 방법을 학습하세요.

PySpark를 마스터하여 빅데이터를 손쉽게 처리하세요—대규모 데이터셋을 처리하고 쿼리하며 최적화하여 강력한 분석을 수행하는 방법을 배우세요!

Apache Spark로 데이터에서 예측을 수행합니다. 의사결정나무, 로지스틱 회귀, 선형 회귀, 앙상블, 파이프라인을 다룹니다.

Kaggle 대회를 공략하고 우승으로 이끄는 전략을 학습하세요.