본 글은 Kikagaku의 무료 강좌 파이썬&기계학습 입문의 강의 노트 중 첫 번째 노트입니다.아래의 리스트는 해당 강좌의 커리큘럼이며, 본 노트는 "1. 도입"부터 "7. 단회귀분석 구현"까지의 내용을 간단하게 정리한 글입니다.
본 글은 Kikagaku의 무료 강좌 파이썬&기계학습 입문의 강의 노트 중 두 번째 노트입니다.아래의 리스트는 해당 강좌의 커리큘럼이며, 본 노트는 "8. 도입"부터 "11. 단회귀분석 구현"까지의 내용을 간단하게 정리한 글입니다.
키카가쿠 데이터 사이언스 입문 강의
본 글은 Kikagaku의 무료 강의 "AI-900 자격시험 대책 코스"의 강의 노트입니다. 강의가 2021년도 기준이라 2023년 5월 4일에 갱신된 출제 범위와 맞지 않는 부분이 있습니다.
파이썬 기초 강의 노트
Aidemy의 강의 "라이브러리 NumPy 기초"의 강의노트입니다.
본 노트는 Aidemy의 강의, 라이브러리 pandas기초의 노트입니다.
본 글은 Aidemy의 강의, "라이브러리 Matplotlib 기초 (가시화)"의 강의 노트입니다.
본 노트는 Aidemy를 이용한 일본의 일반사단법인 "데이터 사이언스 협회"가 공개한 "데이터 사이언스 100 개 노크 (구조화 데이터 가공편)"의 연습 노트입니다.
[!Important]+ Goals >인공지능의 주목분야 ' 기계학습 ' 에 대해 정확히 이해하는 것 >[!info]+ Subject >- 기계학습 프로젝트와 관련된 모든 사람 >- 기계학습을 체계적으로 복습하고 싶은 사람 > [!abstract]+ Curricul
교사 학습 (회귀) 의 기초 회귀 모델의 성능평가지표 : 결정계수 #R_Square #MSE #RMSE $$ R^{2}= 1- \frac{\Sigmai(y{i}-\hat{y}{i})^{2}}{\Sigmai(y{i}-\bar{y}{i})^{2}} $$ 교사 학습
[!abstract]+ Curriculum > 1. 교사 학습 (분류) 기초 > 2. 하이퍼 파라미터와 튜닝 1 > 3. 하이퍼 파라미터와 튜닝 2 > - 첨삭문제 교사 학습 (분류) 기초 이항분리 : 선형분리, 비선형분리 다항분리 분류문제의 예측까지의 과정 |
[!Important]+ Goals >- 기초 알고리즘의 개요 >- 기본적인 구현방법 >- 튜닝 방법 >[!info]+ Subject >- 기계학습 프로젝트에 관련된 모든 분 >- DL 구현을 시작하고 싶으신 분 > [!abstract]+ Curriculum > 1
일반사단법인 데이터사이언스 협회가 GitHub 에 공개한 " 데이터 사이언스 100 개 노크 (구조화 데이터 가공편)" 의 문제연습