클래스, 이렇게 들었어요!

이런 걸 배울 거예요

파이썬 활용 머신러닝

Sklearn 라이브러리를 활용해 머신러닝 및 특성공학 기법을 적용해봅니다.

상황별 머신러닝 알고리즘 정리

실무에서 마주치는 상황에 따라 적용할 알고리즘을 직접 실습합니다.

데이터 마이닝

머신러닝 적용, 예측 및 분류, 군집화에 대한 기술을 살펴봅니다.

데이터를 깔끔하게 다듬는 데이터 클렌징

컴퓨터가 더 잘 학습할 수 있도록 데이터를 깔끔하게 다듬을 수 있습니다.

나만의 머신러닝 웹 플랫폼 구축

머신러닝의 적합성을 판단하기 위한 나만의 시각화 웹 플랫폼을 구축합니다.

▶ 유수의 대학교/대기업에서 인정받았던 그 강의, 이제 클래스101에서 온라인으로 만나 보세요.

우리 신규 고객이 VIP가 될 확률을

데이터로 어떻게 알 수 있을까?

오늘 처음으로 우리 서비스를 이용해본 A 고객, 이 고객이 VIP가 될 확률을 알 수 있을까요?

머신러닝을 사용해 데이터를 분류하고 예측하여 그 결과를 구해볼 수 있습니다. 잘 구축해 놓은 우리 회사만의 머신러닝 플랫폼이 있다면, 그 곳에 데이터를 입력만 하여도 그 결괏값을 예측해볼 수 있겠죠.

여기서 머신러닝(기계학습)은 컴퓨터가 다량의 데이터를 학습하여 규칙과 수식을 도출해내는 과정을 말합니다. 무수히 많은 데이터를 컴퓨터에게 학습시키고 새로운 인사이트를 찾거나 인공지능 서비스를 구축하는 등, 머신러닝을 실무에 적용하려는 시도들이 많아지고 있습니다.

머신러닝은

전문가만의 영역 아닌가요?

단언컨대, 아닙니다. HR, 마케팅, 기획, 전략 등 직무와 직군에 상관 없이 머신러닝 데이터 분석을 적용하고, 인사이트를 발견하여 실무에 활용하고 있습니다.

우리는 머신러닝을 활용해 아래와 같은 질문에 답을 구할 수 있습니다.

새로 가입한 고객이 VIP가 될 수 있을까? 될 확률은 얼마나 될까?
세포 이미지 데이터로 암 발병 여부를 분류할 수 있을까?
제조 공정에서 불량율을 예측할 수 있을까?
고객이 우리 서비스를 이용하지 않고 이탈하는 걸 방지할 수 있을까?

더 이상 '전문가만의 영역'이 아니게 된 머신러닝 분석!

객관적인 결과 수치로 나의 주장과 의견에 힘을 더하고, 남들과는 차별화된 스킬을 탑재해 커리어를 LEVEL - UP할 수 있는 기회입니다.

어떤 상황에

어떤 알고리즘을 적용해야 할까?

실무에서는 여러 상황에 따른 다양한 머신러닝 알고리즘을 사용합니다. 머신러닝의 알고리즘을 하나하나 깊이 있게 이해하는 것도 중요하지만, 더 중요한 것은 '어떤 상황에 어떤 알고리즘을 적용해야 하는가?' 입니다. 따라서 본 클래스에서는 실무 데이터를 활용해서 여러 가지 비즈니스 상황을 재현하며 머신러닝 기법을 적용해봅니다.

사례 1. 세포 이미지 데이터를 이용한 암 발병 여부 분류

사례 2. 고객 계약 데이터를 이용한 고객 이탈여부 방지

사례 3. 제조 공정에서 조업 조건 최적화를 위한 불량율 예측

사례 4. 신규 고객에 대한 VIP 확률 계산하기

머신러닝 알고리즘의 기초를 쌓고, 실습을 통해 이를 구현하며 머신러닝 분석의 프로세스를 모두 익혀봅니다. 앞으로 우리는 실무에 머신러닝을 적용할 때에 직접 그 프로세스를 설계할 수 있으며 '이러한 상황, 이러한 데이터에는 특정 기법을 적용해야 한다'는 결정을 직접 해볼 수 있습니다.