![[신촌]백엔드 기수제_메인 윙배너](http://intra.megastudy-computer.com/data/banner/bnpc_2022050218030116514821812737.png)
-
1주차
실습 환경 준비 : 파이썬 인터프리터 / Visual Studio Code 설치, Visual Studio Code 사용법 파이썬 인터프리터 : 실행 결과를 돌려주는 인터프리터, 실행 결과를 다른곳으로(redirection)표준 입/출력, 출력을 제어하는 방법 변수와 타입 : 별거아닌 것의 차이, 기본 데이터 타입, 리스트, 튜플, 딕셔너리, 집합 문자열 : 문자열의 이해, 눈에 보이는 것이 전부가 아닌 문자열, 파일 입/출력
-
2주차
조건문과 반복문 : 명령어의 실행을 제어하는 방법, 변수 값의 변화를 추적하자 함수 : 돌려주는 함수와 그렇지 않은 함수, 함수의 매개변수와 입력값 전달, 익명함수의 사용법
-
3주차
파이선 모듈 : 모듈에 대한 이해와 Import사용법 클래스1 : 클래스의 정의 및 객체에 대한 이해, 생성자의 정의 하기, 변수의 영역 클래스2 : 상속과 연산자의 재정의
-
4주차
예외처리 : 허락보다 용서를 구하는 것이 더 쉽다. 제너레이터 : iterable , iterator , itertools module
1개월
머신러닝을 위한 파이썬 기초
-
1주차
실습환경 준비 : 파이썬 가상환경의 이해, jupyter 설치, jupyter 사용법 단순선형회귀 : scikit-learn과 statsmodel을 이용한 단순선형회귀를 적합해봅니다. 다항회귀 : 다항회귀를 이용해서 비선형 모형을 적합해 봅니다. 다중선형회귀 : scikit-learn과 statemode를 이용한 다중선형회귀를 적합해봅니다.
-
2주차
로지스틱회기(분류) : 분류모형을 적합해 봅니다.
-
3주차
지도학습 기반모형 : 지도학습 기반의 머신러닝 모형을 적합해보는 내용입니다. 나이브 베이즈, KNN, SVM, Decision Tree
-
4주차
비지도학습 기반모형 : 비지도학습 기반의 머신러닝 모형을 적합해보는 내용입니다. DBCAN, K-means
2개월
머신러닝 모형
-
1주차
선형대수 : numpy를 이용한 선형대수 이해하기 미분 : numpy를 이용한 미분 이해하기
-
2주차
함수 이해하기 : 다항함수, 지수함수, 로그함수, 삼각함수를 다뤄봅시다. 어렵지만 들어두면 평생가는 수업
-
3주차
확률과 확률분포 : 기본적인 확률과 확률분포에 대해서 배웁니다. 머신러닝이 사용하는 확률분포들 확률분포가 중요한 이유 통계기초 : 데이터 분석과 뗄레야 뗄 수 없는 통계, 유의확률? 검정 통계량? 무엇인지 확인해봅시다
-
4주차
선형회귀 :직접 만들어보는 선형회귀
3개월
머신러닝을 위한 기초
-
1-4주차
머신러닝 기초 과정에서 배운것들을 실제 데이터에 적용해봅니다. 앞에서 배운 내용들을 적용하여 모형의 정확도를 높여 봅시다. EDA : pandas 및 시각화 라이브러리(matplotlib, seaborn)을 활용한 EDA의 기초 실습 데이터 전처리 : 분석된 내용을 바탕으로 머신러닝 문제에 맞는 적절한 형태로 변환 feature engineering : 분석된 내용을 바탕으로 설명력이 높은 변수를 찾아내는 작업 모델링 : 전처리가 완료된 데이터를 바탕으로 모형을 적합하고, 정확도를 높이는 작업 실습형 수업 : 별도의 실습 시간을 갖지 않고, 매 시간이 실습 위주로 진행됩니다.
4개월
머신러닝과 데이터 분석
-
1-4주차
프로젝트 문제를 정의하고, 정의된 문제에 따라서 데이터를 수집하고, 분석하여 최종 보고서를 만듭니다. 실습형 수업 따로 실습 시간을 갖지 않고, 매 시간이 실습 위주로 진행됩니다. 빅데이터 전문기업 모비젠 에서 실무자와 함께 프로젝트 크리틱을 진행합니다. 모비젠에 취업을 희망하는 학생일 경우 서류면접 합격과, 인턴쉽 기회제공 됩니다.
5개월
프로젝트
