[IBM AI course #1] Machine Learning with Python Machine Learning Ecosystem머신러닝 생태계란 모델 개발, 배포, 관리를 지원하는 도구, 프레임워크, 라이브러리, 플랫폼, 프로세스들의 상호 연결된 환경을 의미한다. 파이썬은 머신러닝을 위한 풍부한 오픈소스 생태계를 제공하는데, 이 중에 우리는 Scikit-learn를 중심으로 살펴볼 것이다. Scikit-learnScikit-learn은 Python용 무료 머신러닝 라이브러리이다.NumPy, SciPy, Matplotlib 기반으로 구축되어 있다.분류(Classification), 회귀(Regression), 군집화(Clustering), 차원 축소(Dimensionality Reduction) 등 ..

[IBM AI course #1] Machine Learning with Python 머신러닝 도구란?머신러닝 도구는 복잡한 작업을 단순화하고, 전처리부터 모델 구현까지 파이프라인 전반을 지원한다.머신러닝 언어는 모델 구축과 데이터 패턴 해석에 사용되며, Python, R, Julia, Scala, Java, JavaScript 등이 있다.또한 데이터 처리, 시각화, 머신러닝, 딥러닝, 컴퓨터 비전, NLP, 생성형 AI 등 다양한 분야별 도구들이 활용된다. 주요 언어언어특징Python풍부한 라이브러리와 쉬운 문법으로 가장 널리 사용됨R통계 분석 중심, 데이터 탐색에 강함 도구의 종류에는 데이터 처리 및 분석, 데이터 시각화, 머신러닝, 딥러닝, 컴퓨터 비전, 자연어 처리(NLP), 생성형 인공지능(AI..

[IBM AI course #1] Machine Learning with Python 데이터 사이언티스트 (data scientist)Data Storyteller 역할업무서술 분석(Descriptive analytics): 시간의 흐름에 따라 사건의 특징을 묘사하는 데 사용, EDA(탐색적 데이터 분석)를 통해 데이터를 시각화하고 통계적으로 해석, 클러스터링으로 고객을 세그먼트화예측 분석(Predictive analytics): 향후의 사건을 전망 또는 예측하는 데 사용, 회귀(Regression), 분류(Classification)데이터주로 구조화된 데이터(표 형태) → 수백 ~ 수십만 개이상치 제거, 테이블 병합, 특성 생성 등 작업 포함머신러닝 모델을 학습시키는 데 사용모델다양한 ML 알고리즘 ..

[IBM AI course #1] Machine Learning with Python머신러닝이란 무엇인가머신러닝(Machine Learning, ML)은 인공지능(AI)의 한 분야로,데이터로부터 스스로 학습하여 판단을 내리는 알고리즘 기반의 기술이다.기존에는 사람이 직접 규칙을 정의해야 했지만, 머신러닝은 데이터를 통해 패턴을 학습하고 스스로 의사결정을 수행한다.머신러닝은 다음과 같은 다양한 학습 방식을 포함한다지도학습(supervised learning): 레이블이 있는 데이터로 학습하여 새로운 데이터를 예측함비지도학습(unsupervised learning): 레이블 없이 데이터 내 숨은 패턴을 발견함준지도학습(semi-supervised learning): 일부 레이블만 가진 데이터를 활용해 점진적..

IBM AI Engineering PC 🔗 https://www.coursera.org/professional-certificates/ai-engineer Machine Learning with Python 🔗 https://www.coursera.org/learn/machine-learning-with-python/ IBM Professional Certificate(PC) 란?IBM AI Engineering PCIBM Data Science PC IBM AI Engineering PC여기서 IBM AI Engineering PC란?데이터 과학자, 머신러닝 엔지니어, 소프트웨어 엔지니어를 위한 AI 기술 교육Python, SciPy, Keras, PyTorch, TensorFlow를 활용해 모델..

Reference - , 데싸라면▪빨간색 물고기▪자투리코드, 시대고시기획 시대교육 랜덤포레스트는 배깅과 부스팅보다 더 많은 무작위성을 주어 약한 학습기들을 생성한 후 이를 선형결합하여 최종 학습기를 만드는 방법 수천 개의 변수를 변수 제거 없이 모델링하므로 정확도 측면에서 좋은 성과를 보이는 기법 중 하나 DataSet https://www.kaggle.com/datasets/yasserh/breast-cancer-dataset Breast Cancer Dataset Binary Classification Prediction for type of Breast Cancer www.kaggle.com 방법 1. scikit-learn의 ensemble.RandomForestClassifier https://..

Reference - , 데싸라면▪빨간색 물고기▪자투리코드, 시대고시기획 시대교육 변수 Y에 원인이 되는 변수가 여러 개(n) 포함되는 형태로 표현 $$Y=B_0+\sum_{i=1}^{n}{B_i}{x_i}$$ Y = 예측값 n = 독립변수의 수 i번째 특성변수를 $x_i$라 함 $B_i$은 i번째 모델 파라미터 방법 1. scikit-learn의 Ridge $$RidgedMSE(B)=MSE(B)+a\frac{1}{2}\sum_{i=1}^{n}{B_i}^2$$ https://scikit-learn.org/stable/modules/generated/sklearn.linear_model.Ridge.html 2. scikit-learn의 Lasso $$LassoMSE(B)=MSE(B)+a\sum_{i=1}^..

Reference - , 데싸라면▪빨간색 물고기▪자투리코드, 시대고시기획 시대교육 시리얼의 설탕 함유량(X)에 따른 영양등급평가(y) 예측 DataSethttps://www.kaggle.com/datasets/crawford/80-cereals 80 CerealsNutrition data on 80 cereal productswww.kaggle.com 방법 1. scikit-learn의 PolynomialFeatures + LinearRegression https://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.PolynomialFeatures.html https://scikit-learn.org/stable/modules/genera..

Reference - , 데싸라면▪빨간색 물고기▪자투리코드, 시대고시기획 시대교육 독립 변수가 하나인 경우 데이터의 특징을 가장 잘 설명하는 직선을 학습하는 것의료비 지출액 = $b_0$+$b_1$*나이 DataSethttps://www.kaggle.com/datasets/mirichoi0218/insurance Medical Cost Personal DatasetsInsurance Forecast by using Linear Regressionwww.kaggle.com 방법 1. scikit-learn의 LinearRegression https://scikit-learn.org/stable/modules/generated/sklearn.linear_model.LinearRegression.html 2...