Orange를 활용한 코딩 없는 AI 데이터 분석 - Lv.3 예측 머신러닝 분석
01
00. 교재 다운로드
교재 다운로드
02
01. 학습 내용 안내
0101 학습 내용 안내
체험하기
03
02. 분류와 예측이란 무엇인가
0201 분류와 예측 모델의 이해
체험하기
04
03. 회귀분석으로 이해하는 예측 모델 다루기
0301 가장 간단한 예측 – constant
0302 단순 선형 회귀분석
0303 지도학습 머신러닝 모델의 워크플로우
체험하기
0304 분석 모델의 저장과 다른 문제에도 활용하기
05
04. 예측 결과가 정확해야 좋은 모델이다
0401 분석 모델의 평가 – 편향(Bias)과 분산(Variance)
0402 회귀 모델 결정계수 R^2와 설명력
0403 회귀 모델 결정계수 R^2와 설명력-실습
0404 회귀적 모델의 평가 지표 – RMSE, MSE, MAE
06
05. 두루두루 쓸 수 있어야 좋은 모델이다
0501 분석 모델의 일반화 가능성 평가 – 홀드아웃
0502 LOOCV와 K-폴드 교차검증, 그리고 부트스트랩
0503 모델 성능 교차 검증 비교와 무시할 수 있는 차이
07
06. 너무 복잡하지 않고 간결해야 좋은 모델이다
0601 분석 모델의 효율성 – Feature Selection
08
07. 꼭대기는 평평하다는 최적화 원리
0701 손실 함수와 경사하강법
0702 확률적 경사하강법
0703 확률적 경사하강법-실습
09
08. 인공지능의 본체 인공신경망
0801 퍼셉트론과 인공신경망
0802 퍼셉트론의 AND와 OR, NAND 연산
0803 XOR과 다층 퍼셉트론
0804 복잡한 문제 해결을 위한 활성화 함수
0805 인공신경망의 하이퍼 파라미터
0303 지도학습 머신러닝 모델의 워크플로우
04 03. 회귀분석으로 이해하는 예측 모델 다루기
Loading...
100%
0303 지도학습 머신러닝 모델의 워크플로우
질문하기
추가 자료
추가 자료가 없습니다
여기서 새로운 학습 자료를 확인하세요!
선생님이 추가한 자료들을 바로 확인할 수 있어요.