آموزش دوره جامع یادگیری ماشین: از صفر تا پیشرفته - آخرین آپدیت

인사말

• 이 과정 및 전문화 과정에 오신 것을 환영합니다

• 우리는 누구인가

• 머신 러닝이 세상을 바꾸고 있다

• 왜 사례 연구 접근 방식인가?

• 전문화 개요

• ML에 입문한 방법

• 이 전문화는 누구를 위한 것인가?

• 여러분이 할 수 있는 일

• 캡스톤과 지능형 애플리케이션의 예

• 지능형 애플리케이션의 미래

• Jupyter Notebook 시작

• Python에서 변수 만들기

• Python의 조건문 및 루프

• Python에서 함수 및 람다 만들기

• Turi Create 시작 및 SFrame 로드

• 데이터 시각화를 위한 캔버스

• SFrame의 열과 상호 작용하기

• 데이터 변환을 위한 .apply() 사용

회귀: 주택 가격 예측

• 주택 가격 예측: 회귀 사례 연구

• 목표는 무엇이고 어떻게 단순하게 해결할 수 있는가?

• 선형 회귀: 모델 기반 접근 방식

• 고차 효과 추가

• 학습/테스트 분할을 통한 과적합 평가

• 학습/테스트 곡선

• 다른 특성 추가

• 기타 회귀 예제

• 회귀 ML 블록 다이어그램

• 주택 매매 데이터 로드 및 탐색

• 데이터를 학습 세트와 테스트 세트로 분할하기

• 집 크기로 주택 가격을 예측하는 단순 회귀 모델 학습하기

• 단순한 모델의 오차(RMSE) 평가

• Matplotlib으로 단순한 모델의 예측 시각화

• 학습된 모델 계수 검사

• 데이터의 다른 특성 탐색

• 더 많은 특성으로 주택 가격을 예측하는 모델 학습하기

• 학습된 모델을 적용하여 평균 주택 가격 예측하기

• 학습된 모델을 적용하여 두 채의 멋진 주택 가격 예측하기

분류: 감정 분석

• 리뷰 감정 분석: 분류 사례 연구

• 지능형 음식점 리뷰 시스템이란?

• 분류 작업의 예

• 선형 분류기

• 결정 경계

• 분류기 학습 및 평가

• 좋은 정확도란 무엇인가?

• 거짓 긍정, 거짓 부정 및 혼동 행렬

• 학습 곡선

• 클래스 확률

• 분류 ML 블록 다이어그램

• 제품 리뷰 데이터 로드 및 탐색

• 단어 수 벡터 만들기

• 가장 인기있는 제품 탐색

• 긍정적이거나 부정적인 감정이 있는 리뷰 정의

• 감정 분류기 학습

• 분류기 및 ROC 곡선 평가

• 모델을 적용하여 제품에 대한 가장 긍정적이고 부정적인 리뷰 찾기

• 제품의 가장 긍정적인 측면과 부정적인 측면 탐색

클러스터링 및 유사성: 문서 검색

• 문서 검색: 클러스터링 및 유사성 측정 사례 연구

• 문서 검색 작업은 무엇인가?

• 유사성 측정을 위한 단어 수 표현

• tf-idf로 중요한 단어 우선 순위 지정

• tf-idf 벡터 계산

• 최근접 이웃 검색을 사용하여 유사한 문서 검색

• 문서 클러스터링 작업 개요

• 문서 클러스터링 비지도 학습 작업

• k-평균: 클러스터링 알고리즘

• 클러스터링의 다른 예

• 클러스터링 및 유사성 ML 블록 다이어그램

• Wikipedia 데이터 로드 및 탐색

• 단어 수 살펴보기

• TF-IDF 계산 및 탐색

• Wikipedia 기사 간의 거리 계산

• Wikipedia 기사에 대한 최근접 이웃 모델 구축 및 탐색

• 실제 문서 검색의 예

제품 추천

• 추천 시스템 개요

• 추천 시스템이 작동하는 분야

• 분류를 통한 추천 시스템 구축

• 협업 필터링: 다른 고객이 함께 구매한 상품...

• 인기 상품의 효과

• 동시 발생 행렬 정규화 및 구매 내역 활용

• 행렬 완성 작업

• 알려진 사용자/항목 특성의 추천

• 행렬 형태의 예측

• 행렬 분해를 통한 숨겨진 구조 발견

• 모든 것을 통합: 특성별 행렬 분해

• 추천 시스템에 대한 성능 측정항목

• 최적의 추천 시스템

• 정밀도-재현율 곡선

• 추천 시스템 ML 블록 다이어그램

• 노래 데이터 로드 및 탐색

• 인기 기반 노래 추천 생성 및 평가

• 개인화된 노래 추천 생성 및 평가

• 추천 모델을 비교하기 위한 정밀도-재현율 사용

딥 러닝: 이미지 검색

• 이미지 검색: 딥 러닝 사례 연구

• 비주얼 제품 추천이란 무엇인가?

• 신경망을 사용한 매우 비선형적인 특성 학습

• 컴퓨터 비전에 딥 러닝 적용

• 딥 러닝 성능

• ImageNet 데이터에 대한 딥 러닝 모델 데모

• 컴퓨터 비전에서 딥 러닝의 다른 예

• 딥 러닝의 과제

• 심층 특성

• 딥 러닝 ML 블록 다이어그램

• 이미지 데이터 로드

• 원시 이미지 픽셀을 사용하여 분류기 학습 및 평가

• 심층 특성을 사용하여 분류기 학습 및 평가

• 이미지 데이터 로드

• 이미지 검색을 위한 최근접 이웃 모델 만들기

• 최근접 이웃 모델을 쿼리하여 이미지 검색

• 자동차 이미지에 대해 가장 유사한 이미지 쿼리

• Python 람다를 사용하여 다른 예제 이미지 검색 표시

맺음말

• 다 왔습니다!

• ML 서비스 배포

• 배포 후에는 어떻게 되는가?

• ML의 미결 과제

• ML은 어디로 가고 있는가?

• 앞으로의 전문화 과정

• 감사합니다!