- 머신러닝 소프트웨어인 SPM을 활용하여 모델링 실습 및 결과 해석
- 의사결정나무를 기반으로 하는 머신러닝 대표 알고리즘 습득(Random Forest, Gradient Boost 등)
- 모델링 과정의 핵심인 각 알고리즘 별 하이퍼파라미터 설정 및 모델 튜닝 과정 실습
- SPM에서 제공하는 머신러닝 알고리즘 개념 이해
- Target(목표값)의 형태에 따라 모델리을 진행하고 성능 평가 및 결과 해석
- 하이퍼파라미터 등의 모델 튜닝 과정을 통한 점진적인 모델링 능력 향상 및 배양
- 모형 자동화 기능을 통한 모델링 시간 절약 및 효율적인 모델링 실습
- 머신러닝 소프트웨어 SPM 활용능력 배양
- 의사결정나무 기반의 대표적인 알고리즘 이해 및 분석 활용
- 제조, 금융, 통신, R&D, 제약/바이오 분야 등에 종사하는 데이터 마이닝, 머신 러닝 분석에 관심이 있는 사용자
일자 | 제목 | 세부내용 | 시간 |
1일차 | 머신러닝 개요 | SPM 소개 및 머신러닝 목적, 개요 설명 | 09:30~10:20 |
머신러닝 이해 | 분석 절차, 데이터 유형 및 구분, 성능 지표 평가 | 10:30~11:20 | |
머신러닝 기법 | 배깅, 부스팅, 붓스트랩, 하이퍼 파라미터 조정 등의 모델링 능력 학습 | 11:30~12:20 | |
점심 시간 | 12:20~13:30 | ||
CART | 의사결정나무 알고리즘 중 하나인 CART 학습 및 실습 | 13:30~14:20 | |
Random Forest | 배깅 기반의 Random
Forest 알고리즘 학습 및 실습 | 14:30~15:20 | |
TreeNet | Gradient Boosting 기법을 이용한 TreeNet 알고리즘 학습 및 실습 | 15:30~16:20 | |
MARS | 자동 회귀 모델링 알고리즘인 MARS 학습 및 실습 | 16:30~17:30 |
회차 | 교육일자 | 교육비(VAT 별도) | 장소 | 신청 |
---|
경기도 안양시 동안구 시민대로 401 대륭테크노타운 15차 901호