2단계: 고전적인 머신러닝
앤드류 응 교수의 고전적인 머신러닝 입문 전문화 과정으로, 지도 학습, 비지도 학습 및 실용적인 머신러닝 기술을 다룹니다.
머신 러닝 전문화 과정 - 상세 프로젝트 소개
프로젝트 개요
머신 러닝 전문화 과정은 DeepLearning.AI와 스탠포드 온라인(Stanford Online)이 협력하여 만든 기초 온라인 강좌 프로젝트입니다. 이 초보자 친화적인 프로젝트는 머신 러닝의 기본 지식과 이러한 기술을 사용하여 실제 AI 애플리케이션을 구축하는 방법을 가르칩니다.
강사 정보
본 전문화 과정은 AI 분야의 선구자이자 스탠포드 대학에서 핵심 연구를 이끌고 Google Brain, 바이두, Landing.AI에서 획기적인 작업을 수행하여 AI 분야 발전에 기여한 Andrew Ng 교수가 진행합니다.
Andrew Ng는 DeepLearning.AI의 창립자, AI Fund의 제너럴 파트너, Coursera의 공동 창립자 겸 이사회 의장, 그리고 스탠포드 대학의 겸임 교수입니다.
강좌 역사 및 명성
이 3개의 강좌로 구성된 전문화 과정은 Andrew 교수의 획기적인 머신 러닝 강좌의 업데이트 버전으로, 4.9/5점의 평점을 받았으며 2012년 출시 이후 480만 명 이상의 학습자가 참여했습니다.
2020년 기준으로 Coursera에서 가장 인기 있는 3개의 강좌 중 3개가 Andrew Ng 교수의 강좌입니다: 머신 러닝 (1위), AI for Everyone (5위), 신경망 및 딥러닝 (6위).
강좌 구조
본 전문화 과정은 3개의 강좌로 구성되어 있으며, 각 강좌는 특정 주제와 주차별 내용으로 구성됩니다.
Supervised Machine Learning: Regression and Classification (지도 학습: 회귀 및 분류)
- 머신 러닝 소개
- 회귀 (선형 회귀)
- 분류 (로지스틱 회귀)
Advanced Learning Algorithms (고급 학습 알고리즘)
- 신경망
- 의사 결정 트리
- 랜덤 포레스트
- 부스팅 알고리즘
- 머신 러닝 적용을 위한 실용적인 조언
Unsupervised Learning, Recommenders, Reinforcement Learning (비지도 학습, 추천 시스템, 강화 학습)
- 비지도 학습 기술
- 추천 시스템
- 강화 학습 기초
학습 시간
주당 5시간 학습 속도로, 강좌 1은 3주, 강좌 2는 4주, 강좌 3은 3주가 소요됩니다.
강좌 내용 상세 소개
본 강좌는 다음을 포함한 현대 머신 러닝에 대한 광범위한 소개를 제공합니다.
지도 학습
- 다변량 선형 회귀
- 로지스틱 회귀
- 신경망
- 의사 결정 트리
비지도 학습
- 클러스터링
- 차원 축소
- 추천 시스템
실리콘 밸리 모범 사례
- 모델 평가 및 튜닝
- 성능 향상을 위한 데이터 중심 접근 방식 채택
- 기타 AI 및 머신 러닝 혁신 사례
학습 성과
본 전문화 과정을 완료하면 다음을 수행할 수 있습니다.
- 인기 있는 머신 러닝 라이브러리인 NumPy 및 scikit-learn을 사용하여 Python에서 머신 러닝 모델 구축
- 선형 회귀 및 로지스틱 회귀를 포함하여 예측 및 이진 분류 작업을 위한 지도 학습 모델 구축 및 훈련
- TensorFlow를 사용하여 다중 클래스 분류를 수행하기 위한 신경망 구축 및 훈련
- 모델이 실제 데이터 및 작업에 일반화될 수 있도록 머신 러닝 개발의 모범 사례 적용
- 랜덤 포레스트 및 부스팅 트리를 포함하여 의사 결정 트리 및 트리 앙상블 방법 구축 및 사용
- 클러스터링 및 이상 감지를 포함한 비지도 학습 기술 사용
- 협업 필터링 방법 및 콘텐츠 기반 딥러닝 방법을 사용하여 추천 시스템 구축
- 딥 강화 학습 모델 구축
강좌 특징
본 강좌의 특징은 다음과 같습니다.
- 사전 수학 지식 또는 엄격한 프로그래밍 배경이 필요하지 않음
- 수년간 수백만 명의 학습자를 통해 검증된 핵심 강좌 내용을 채택하여 이해하기 쉽게 만듦
- 직관적인 시각적 방법을 통해 기본 AI 개념을 가르친 다음 알고리즘 구현에 필요한 코드 및 기본 수학 소개
기술 스택 및 도구
본 강좌는 주로 다음 기술 및 도구를 사용합니다.
# 주요 Python 라이브러리
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import scikit-learn
import tensorflow as tf
적합 대상
- 머신 러닝 초보자
- AI 분야 진출을 희망하는 전문가
- 머신 러닝 분야에서 경력을 쌓고 싶어하는 학습자
- 기본적인 Python 지식을 갖춘 개발자
인증 및 자격증
강좌 완료 후 Coursera 인증 자격증을 받게 되며, 해당 자격증은 스탠포드 대학과 DeepLearning.AI가 공동으로 발급합니다.
강좌 평가
AI 분야에 진출하거나 머신 러닝 분야에서 경력을 쌓고 싶다면 새로운 머신 러닝 전문화 과정이 최고의 출발점이 될 것입니다.
주의: 본 강좌는 영어로 진행되며, 기본적인 영어 듣기, 말하기, 읽기, 쓰기 능력을 갖추는 것이 좋습니다. 강좌는 자막 및 과제 지원을 제공하며, 전 세계 학습자가 참여하기에 적합합니다.