Orange를 활용한 코딩 없는 AI 데이터 분석 - Lv.4 분류 머신러닝 분석

데이터 분석 역량을 키워 실무에 적용하는 능력을 익히는 핵심 강의입니다.

강좌 소개
난이도
보통
카테고리
데이터 분석 - 비즈니스
태그
데이터 분석, 데이터베이스, 머신러닝, 인공지능, 통계
소요 시간
약 8시간
추천 수강대상
- 데이터 기반 의사 결정이 필요한 분들
- 복잡한 코딩 없이 고급 분석 기법을 마스터하고 싶으신 분
- 데이터 분석 역량을 강화하고 싶은 분
- 커리어 전환을 고려하는 IT 및 비IT 분야 종사자
- 취업 시장에서 자신만의 차별성을 강조하고 싶은 취준생

AI 분석 도구와 함께하는 쉬운 데이터 분석!


더 이상 코딩도, 데이터 분석도 겁내지 마세요!

오렌지와 함께 코딩 없는 데이터 분석 역량을 키워 보세요.



이런 걸 배워요!


- 노코딩 분석 도구 Orange를 활용한 로지스틱 회귀 분석

- 모델 평가 지표의 이해와 적용

- 다양한 분류 모델의 실습

- 앙상블 기법을 통한 분석 능력 향상

- 실무 데이터 적용 역량 강화



데이터 분석 개념부터 AI도구 활용 실습까지!


개발자 없이도 고급 데이터 분석? 물론 가능합니다!

“코딩 없는 AI 데이터 분석 Lv.4 분류 머신러닝 분석”에서는 머신 러닝의 복잡성을 걷어내고,

데이터 분석에 관심있는 모든 분이 접근할 수 있는 방식으로 데이터 분석을 다룹니다.


고급 데이터 분석이 막막하신가요?

‘코딩 없는 AI 데이터 분석 Lv.4 분류 머신러닝 분석’에서는 기본적인 이진 분류부터 모델의 평가,

여러 모델을 결합하여 분석하는 앙상블 기법까지 여러 기법들을 배울 수 있습니다.

단순한 데이터 분석을 넘어 실질적이고 효과적은 분류 모델을 구축하는 방법을 마스터할 수 있습니다.


이 모든 것을 가능하게 하는 도구는 바로 “Orange”입니다.

복잡한 코딩 없이도, 드래그 앤 드롭만으로 데이터를 불러오고, 처리하며, 분석할 수 있습니다.

개발자와 동등한 수준의 데이터 사이언스 작업을 수행하여

개발자에 버금가는 가치를 창출할 수 있습니다.


데이터 사이언스 분야가 궁금하셨나요? 이제 그 궁금증을 해결할 시간입니다.

마소캠퍼스의 강의와 함께 라면 누구나 고급 데이터 분석도 쉽게 가능합니다.

여러분도 이제 데이터 사이언스 분야에서 높은 연봉을 목표로 할 수 있습니다.


마소캠퍼스의 “코딩 없는 AI 데이터 분석 Lv.4 분류 머신러닝 분석” 강의를 통해

데이터의 가치를 마음껏 활용해 보세요.

여러분이 직접 데이터 분석가가 되어, 실제 데이터를 분석하는 경험을 할 수 있습니다.



강의 특징


본 강의는 분류 모델을 심도 있게 다루면서도, 코딩 지식 없이도 데이터 분석을 수행할 수 있는 구조로 설계되었습니다. 복잡한 코딩을 배우지 않고도, 누구나 쉽게 분석 모델을 구축하고 평가할 수 있도록 도와드립니다.


1. 오렌지를 활용하여 누구나 가능한 데이터 분석!


- Orange는 데이터 분석 초보자부터 전문가까지 모두 사용할 수 있는 도구로, 복잡한 코딩 없이도 직관적인 인터페이스를 통

해 분류 모델을 효과적으로 학습하고 적용할 수 있습니다.


2. 분류 모델의 구축과 평가


- 이 강의에서는 이진 분류, 서포트 벡터 머신(SVM), 랜덤 포레스트 등 다양한 분류 알고리즘의 구축 방법을 배우며, ROC 곡선

과 혼동 행렬 같은 평가 지표를 통해 모델의 성능을 정밀하게 평가하는 방법을 학습합니다.


3. 여러 분석 모델 다루기


- 이 강의를 통해 여러 모델을 결합하는 앙상블 기법에 집중하며, 단일 모델로는 달성하기 어려운 예측 정밀도를 실현할 수 있습니다.

이를 통해 모델의 정확성을 극대화하는 방법을 배우며 복잡한 데이터를 분석하는 능력을 강화할 수 있습니다.


4. 고급 데이터 분석 기법의 실전 적용


- 다양한 데이터를 바탕으로 분류 모델 적용을 통해 실무에 필요한 데이터 분석 기법을 배울 수 있습니다.

이 과정에서 데이터 사이언티스트의 실질적인 역량을 강화할 수 있습니다.



이런 분들께 추천해요


1. 데이터 기반 의사 결정이 필요한 분들

2. 복잡한 코딩 없이 고급 분석 기법을 마스터하고 싶으신 분

3. 데이터 분석 역량을 강화하고 싶은 분

4. 커리어 전환을 고려하는 IT 및 비IT 분야 종사자

5. 취업 시장에서 자신만의 차별성을 강조하고 싶은 취준생

6. IT업계로 창업/이직/입사 등 커리어를 쌓고 싶은 모든 분



더욱 쉽고 간편한 AI 활용 데이터 분석 강의를 듣고 나면


마소캠퍼스의 “코딩 없는 AI 데이터 분석 Lv.4 분류 머신러닝 분석” 강의는

고급 데이터 분석 및 데이터 사이언스 분야에 관심있는 모든 분들에게 적합합니다.


    분류 모델의 기본 개념과 심화 개념 이해

    모델 평가 기법 습득

    실제 데이터셋에 모델 적용

    고급 분석 기법 마스터


    오렌지와 함께 데이터 사이언스의 전문 지식과 실무 능력을 키워 보세요.

    이제 코딩의 부담 없이 데이터 분석을 마스터할 수 있습니다!



    학습 내용


    1. 이진 분류 모델 구현하기



    2. 분류 모델의 성능 평가하기!



    3. 모델의 성능 정확히 측정하기!



    4. 분류 모델 결합하여 성능 향상시키기!




    예상 질문 Q&A


    1. 인공지능이나 코딩, 디자인에 대한 선수지식이 필요한가요?


    A. 본 강의는 인공지능에 관심이 생긴 누구나 바로 들어 실무에 활용할 수 있는 역량 제공을 목표로 설계된 강의로, 인공지능이나 코딩, 심지어 엑셀 실력까지도 필요하지 않습니다.


    2. 강의를 수강하기 위한 요구 사항 또는 필요 조건이 있나요?


    A. 실습 위주의 강의이기 때문에 강의 화면과 실습 화면을 분리할 수 있는 듀얼 모니터 또는 여분 기기를 함께 준비해주시면 좋습니다.


    3. 오렌지? 따로 소프트웨어를 구입해야 하나요?


    A. 오렌지는 무료로 배포되고 있는 소프트웨어이며, 다운로드부터 설치까지 하나하나 가르쳐 드리기 때문에 누구나 손쉽게 인공지능 데이터분석 환경을 구축 가능합니다. Portable 버전을 사용하면 외부 인터넷 연결 없이도 사용 가능하여, 보안 수준이 높은 근무 환경에서도 사용 가능합니다.



    지식공유자 소개




    수강 전 확인해주세요!


    • 실습 위주의 강의이기 때문에 강의 화면과 실습 화면을 분리할 수 있는 듀얼 모니터 또는 여분 기기를 함께 준비해주시면 좋습니다.
    • 또한 Windows OS 기반으로 실습이 진행되므로, Windows 환경에서의 강의 수강을 추천해드립니다.


    체험하기
    모두 펼치기
    • 02
      01. 둘로 나누는 이진분류와 보정학습
    • 0101 이진분류의 대명사 – 로지스틱 회귀분석
    • 03
      02. 분류가 잘 되었는지 어떻게 알까
    • 0203 분류 모델의 평가 지표 – ROC 곡선과 AUC
    • 05
      04. 잘 모를 때는 옆사람 보고 따라하는 KNN
    • 0401 최근접이웃을 따라하는 KNN
    교육 과정
    모두 펼치기
    • 01
      00. 교재 다운로드
    • 교재 다운로드
    • 02
      01. 둘로 나누는 이진분류와 보정학습
    • 0101 이진분류의 대명사 – 로지스틱 회귀분석
      0102 이진분류의 대명사 – 로지스틱 회귀분석 실습
      0103 Calibrated Learner 보정 학습자
    • 03
      02. 분류가 잘 되었는지 어떻게 알까
    • 0201 분류 모델의 평가 지표 – 혼동 행렬
      0202 분류 모델의 평가 지표 – 혼동 행렬 실습
      0203 분류 모델의 평가 지표 – ROC 곡선과 AUC
      0204 분류 모델의 평가 지표 – ROC 곡선과 AUC 실습
      0205 ROC 분석으로 예측 확률 임계치 정하기
      0206 분류 모델의 평가 지표 – Gain chart
    • 04
      03. 초평면을 찾는 서포트 벡터 머신
    • 0301 서포트 벡터 머신(SVM)
      0302 커널 트릭
    • 05
      04. 잘 모를 때는 옆사람 보고 따라하는 KNN
    • 0401 최근접이웃을 따라하는 KNN
    • 06
      05. 독립된 두 사건의 확률 곱하기 나이브 베이즈
    • 0501 조건부 확률에 기반한 나이브 베이즈
    • 07
      06. 나무와 숲을 흉내낸 분류모델 Tree와 랜덤포레스트
    • 0601 Decision Tree 의사결정 나무 모형
      0602 불순도와 정보 이득
      0603 무작위성을 높인 랜덤 포레스트
    • 08
      07. 데이터에서 맞춤형 분석 모델 만들기
    • 0701 분류 모형의 분류와 Curve fit
    • 09
      08. 여러 모델을 결합해서 분석하는 앙상블 기법
    • 0801 분석 모델의 중첩 – 앙상블 기법
      0802 다수결로 결정하는 배깅(Bagging)
      0803 부스팅 – AdaBoost와 Gradient Boosting, XG Boost
      0804 여러 모델의 결과를 메타 분석하는 스태킹(stacking)
    마지막 업데이트|2024년 08월 21일
    강의자 소개
    "어제보다 성장하겠습니다. 그리고, 어제보다 성장하려는 사람을 돕겠습니다." 마소캠퍼스의 진심과 소망을 담은 Actionable Content로, 2013년부터 온오프라인으로 함께해 온 누적 강의 1억시간! 이 소중한 경험과 시간은 언제나 마소캠퍼스와 수강생 모두의 성장의 원천입니다. 마소캠퍼스 팀은 우리의 모두의 성장을 위해 두 가지 원칙을 반드시 지킵니다. 1. 배우면 반드시 쓸 수 있는 Actionable Content 2. 참여자의 시간과 수고를 존중하는 Time-Saving Curriculum 마소캠퍼스의 Actionable and Time-Saving Curriculum으로 성장의 길을 함께 걸어나가길 기원합니다.

    강좌 후기
    90,000

    평균평점
    0.0
    난이도
    보통
    수강기간
    결제 후 52주 1일간
    소요 시간
    약 8시간