![[-91] [신규] Orange를 활용한 코딩 없는 AI 데이터 분석 – Lv.3 예측 머신러닝 분석](https://www.masocampus.com/wp-content/uploads/2024/02/011-1.jpg)
커리큘럼
| 00. 교재 다운로드 센터 | |||
| [onc45] AAC000 교재 다운로드 센터 | 00:00:00 | ||
| 01. 학습 내용 안내 | |||
| [onc45] AAC012 학습 내용 안내 | FREE | 00:06:18 | |
| 02. 분류와 예측이란 무엇인가 | |||
| [onc45] AAC021 분류와 예측 모델의 이해 | FREE | 00:39:11 | |
| 03. 회귀분석으로 이해하는 예측 모델 다루기 | |||
| [onc45] AAC022 가장 간단한 예측 – constant | 00:28:15 | ||
| [onc45] AAC023 단순 선형 회귀분석 | 00:37:02 | ||
| [onc45] AAC024 지도학습 머신러닝 모델의 워크플로우 | FREE | 00:18:55 | |
| [onc45] AAC025 분석 모델의 저장과 다른 문제에도 활용하기 | 00:07:45 | ||
| 04. 예측 결과가 정확해야 좋은 모델이다 | |||
| [onc45] AAC031 분석 모델의 평가 – 편향(Bias)과 분산(Variance) | 00:29:22 | ||
| [onc45] AAC032 회귀 모델 결정계수 R^2와 설명력 | 00:21:13 | ||
| [onc45] AAC033 회귀 모델 결정계수 R^2와 설명력-실습 | 00:23:06 | ||
| [onc45] AAC034 회귀적 모델의 평가 지표 – RMSE, MSE, MAE | 00:48:47 | ||
| 05. 두루두루 쓸 수 있어야 좋은 모델이다 | |||
| [onc45] AAC041 분석 모델의 일반화 가능성 평가 – 홀드아웃 | 00:34:21 | ||
| [onc45] AAC042 LOOCV와 K-폴드 교차검증, 그리고 부트스트랩 | 00:37:17 | ||
| [onc45] AAC043 모델 성능 교차 검증 비교와 무시할 수 있는 차이 | 00:24:53 | ||
| 06. 너무 복잡하지 않고 간결해야 좋은 모델이다 | |||
| [onc45] AAC051 분석 모델의 효율성 – Feature Selection | 00:39:34 | ||
| 07. 꼭대기는 평평하다는 최적화 원리 | |||
| [onc45] AAC061 손실 함수와 경사하강법 | 00:37:10 | ||
| [onc45] AAC062 확률적 경사하강법 | 00:22:45 | ||
| [onc45] AAC063 확률적 경사하강법-실습 | 00:24:57 | ||
| 08. 인공지능의 본체 인공신경망 | |||
| [onc45] AAC071 퍼셉트론과 인공신경망 | 00:22:03 | ||
| [onc45] AAC072 퍼셉트론의 AND와 OR, NAND 연산 | 00:18:43 | ||
| [onc45] AAC073 XOR과 다층 퍼셉트론 | 00:11:57 | ||
| [onc45] AAC074 복잡한 문제 해결을 위한 활성화 함수 | 00:25:30 | ||
| [onc45] AAC075 인공신경망의 하이퍼 파라미터 | 00:37:28 | ||
541285 등록 수강생
