강의 구성

「핸즈온 머신러닝」 한 달이면 충분합니다.

952p를 한장한장 꼼꼼히 보지 않아도 됩니다.

현직 SK 데이터 사이언티스트 강사님이 꼼꼼히 보고 꼭 필요한 이론만, 당장 실무에서 쓸 수 있는 수식과 예제만 요약해서 정리해드립니다.

여러분은 그저 이 강의 하나만 30일 따라오시면 됩니다.

실무에서 핸즈온 머신러닝을
어떻게 활용하는 지 궁금하지 않으셨나요?

실제 실무 프로젝트를 진행하며「핸즈온 머신러닝」을 어떻게 활용했는지 모두 공개합니다.
952p 모든 내용을 이해하고 실무에서 어떻게 활용하는지까지 전부 알려드립니다.

SK 데이터 사이언티스트가 직접 현업 사례/예시부터 해설 강의까지 준비했어요.

중고차 잔존가치 예측, 가전제품 수요 예측,
주가 예측 시스템 구축 등에 참여한 현직
SK 데이터 사이언티스트와 함께합니다.

scikit-learn / Keras / TensorFlow를 이용해 실전에서 바로 활용 가능한 예제만 준비했어요.

scikit-learn / Keras / TF 가 빠지면 아무래도 아쉽겠죠?
데이터 전처리부터 모델 훈련, 예측까지 실제 예제를 따라해보며 상세하게 알려드립니다.

📆
「핸즈온 머신러닝」을 부족함 없이 채워줄
한달한권의 학습 방법

강의 특징

「핸즈온 머신러닝」한달한권에서는
이렇게 확실하게 학습합니다.

🙋‍♀️
한달한권 강의를 함께할
북리더를 소개합니다.

SK 데이터 사이언티스트 김소담이
말하는 <핸즈온 머신러닝>은?

Question.01
<핸즈온 머신러닝>은
어떤 책인가요?

데이터 사이언티스트라면 한번쯤은 펼쳐보았을 머신러닝 계의 교과서죠.
저 또한 처음 머신러닝 공부를 시작했을 때 1판으로 공부했었고, 2판을 추가 구매하여 지금까지도 업무 중 알고리즘 선택시 참고하고 있는 책이기도 합니다.

---

Question.02
책을 어떻게 읽어나가실 건가요?

무려 952쪽이나 되는 어마어마한 분량의 책입니다. 모든 부분을 천천히 읽어도 좋겠지만, 효율적인 학습을 위해 개념을 먼저 정리하고, 저와 동료 분석가분들이 해당 개념과 관련하여 현업에서 고민하는 부분들을 공유하며 함께 읽어 나가려 합니다.

---

Question.03
어떤 분들에게 이 책을 추천하나요?

취업을 준비하는 분석가나 아직은 분석 경험이 부족한 주니어 분석가분들께 추천합니다. 어떤 모델을 어떤 데이터에 적용해야 좋을지, Robust 관점에서 단기적 모델의 성능을 어디까지 끌어올리는 것이 적당할지 등 실제 프로젝트에서 경험할 수 있는 상황들을 예시를 통해 함께 생각해볼 수 있어요.

'핸즈온 머신러닝’ 한달한권
어떤 걸 배우는지 궁금하신가요? 👀

• 
  상황별로 분류의 중요한 지표를 알 수 있어요!
  상황별 중요 지표를 바탕으로 모델을 학습하고 임계값을 선정할 수 있어요.
• 
  어려운 Kernel Trick을 이해할 수 있어요!
  저차원에서 선형으로 분류가 어려운 데이터를 마치 고차원으로 맵핑하는 효과를 가져다주어 분류를 도와주는 Kernel 개념을 이해하고 사용할 수 있어요.
• 
  Kaggle의 인기쟁이 부스팅 알고리즘의 원리를 이해하고 사용할 수 있어요.
  모델을 반복적으로 보완해나가며 더 좋은 모델로 진화시키는 부스팅의 기본이 되는 AdaBoost를 이해하고, 이보다 발전한 모델들을 구축하는 데에 활용할 수 있어요!
• 
  복잡한 차원의 Data를 저차원으로 만들어보아요!
  대표적인 차원축소 알고리즘인 PCA(주성분 분석)을 이해 및 적용할 수 있어요.

강의 미리보기

4강. 하산 시 고려 사항과 닮은 경사 하강법

어렵게 표현된 모델을 하산 point, 보폭, 하산 방향, 지형 등 비유를 통해 쉽게 이해시켜 드립니다.

9강. 가우시안 혼합 모델의 클러스터 개수 선택

Label이 없는 비지도 학습의 하이퍼 파라미터 선정 기준을 살펴보고, 관련된 기초 통계 내용까지 알려드립니다.

※ 본 강의는 책을 제공하지 않습니다. E북 혹은 실물 책을 직접 구매하셔야 해요😊

핸즈온 머신러닝과 함께하면 좋은 강의
「클린코드」 함께 구매 시 34% 추가 할인

가장 합리적인 선택, 한달한권 패키지

※ 패키지 상품 구매시 책값 환급 이벤트에서 제외됩니다.

보너스 이벤트
끝까지 읽은 당신을 위해
책 값을 돌려드려요!

독후감만 제출하면
55,000원 환급 완료!

👀이벤트 주의사항 확인하기 ✨한달한권 챌린지 참여 방법✨
1. 구매와 동시에 “한달한권 챌린지” 신청 완료!
2. 한달 동안 스케줄에 맞춰 책과 해설강의를 보고 완독하기!
※ 구매일자 기준 60일 이내에 인증해주시면 됩니다.
※ 사전예약 판매시 1차 강의 오픈일자 기준으로 60일 이내에 인증해주시면 됩니다.

3. 강의장에 있는 공지사항 확인 후 환급 신청 링크에 독후감 제출!
※ 반드시 네이버 블로그로 독후감을 작성하여 링크를 공유해주세요.
※ 타 플랫폼을 통한 독후감 작성시 환급대상자에서 제외될 수 있습니다.
※ 글자 수 1500자(약 A4 한 장 분량) 이상 작성해주세요. 단, 띄어쓰기와 문장부호는 포함되지 않습니다.
※ 필수 해시태그 #한달한권 #한달한권챌린지 #책이름 #제로베이스"

4. 신청 후 1개월 이내에 책값 정가를 기준으로 환급받으면 끝 !

―――――――――――――――――――――

[유의사항]
- 환급 신청서는 구매 후 강의를 시청할 수 있는 강의장 내의 '공지사항'에서 확인할 수 있습니다.
- 5만원을 초과하는 환급금은 제세공과금(22%)을 제외하고 지급됩니다.
- 단, 수강료 환급액에 부과된 22%의 제세공과금은 수강생의 종합소득금액과 소득공제액에 따라 전부 또는 일부 환급받으실 수 있으며, 국세청 및 관할 세무서를 통해 환급신청이 가능합니다.
- 환급금은 본 신청서 제출 후 1개월 이내에 지급됩니다.
- 제로베이스 계정 이름과 계좌번호 예금주명이 다를 경우, 환급이 진행되지 않을 수 있습니다.
- 환급 신청서에 기재하신 정보가 제로베이스 계정과 동일해야 정상적인 지급이 가능합니다.
- 환급서류 제출시 정보 오기입으로 인해 환급 지급이 지체되는 경우 제로베이스의 책임이 없음을 알려드립니다.

- 100% 할인 쿠폰을 사용하여 결제하실 경우 환급 대상자에서 제외됩니다.
- 과정을 두 개 이상 수강하시거나 이전에 환급금을 받으신 후 다른 과정으로 받게 되실때에는, 통장사본을 다시 제출해주셔야 합니다.

🚨무료 수강 강의에 한해선 챌린지 인증해주셔도 혜택 지급이 불가합니다.🚨

커리큘럼

PART 1. 머신러닝

머신러닝의 기초부터 시작합니다.
머신러닝은 무엇인지, 어디에서 어떻게 사용되는지에 대해 자세히 설명해드릴게요.

1강. 머신러닝이란 무엇인가? p.30 - 125

머신러닝 프로젝트 처음부터 끝까지
- 머신러닝의 종류와 기본적인 개념
- 프로젝트 단계별 과정

일반적인 머신러닝 프로젝트의 단계별 과정에 대해 학습하고 머신러닝의 주요 도전 과제에 대해 실무 이야기도 함께 알려드립니다.

약 50분 분량

2강. 분류 시스템, 선형 모델 집중 파헤치기 p. 127 - 204

분류 모델링과 선형 모델의 학습
- 분류
- 모델 훈련

분류 모델링에 필요한 개념 및 특징과 회귀 알고리즘을 통한 경사 하강법, 규제, 학습 곡선 등을 살펴봅니다.

약 50분 분량

3강. SVM이란 무엇인가 p.205 - 228

서포트 벡터 머신(SVM)에 대한 모든 것
- 선형 SVM 분류
- 비선형 SVM 분류
- SVM 회귀, SVM 이론

SVM(Support Vector Machine)의 핵심 개념을 설명하고 사용 방법과 작동 원리를 살펴봅니다.

약 50분 분량

4강. 기본 중에 기본, 결정 트리 p.229 - 244

결정 트리 학습과 시각화
- 예측하기
- 매개변수, 회귀, 불안정성

여러가지 알고리즘의 뼈대가 되는 결정 트리의 훈련에 필요한 핵심 개념 및 장단점에 대해 알려드립니다.

약 50분 분량

5강. 앙상블 모델의 특징 및 발전 과정 p.246 - 271

대중의 지혜를 담은 앙상블 학습
- 투표 기반 분류기
- 랜덤 패치와 랜덤 서브 스페이스
- 랜덤 포레스트
- 부스팅

앙상블 방법인 배깅, 부스팅, 스태킹과 랜덤 포레스트에 대해 알려드립니다.

약 50분 분량

6강. 차원 축소의 필요성과 특징 p.273 - 297

차원의 저주를 해결해줄 차원 축소
- 차원 축소를 위한 접근 방법
- PCA
- LLE
- 다른 차원 축소 기법

차원의 저주에 대해 논의하고, 차원 축소 기법들 (PCA, LLE 등)에 대해 살펴봅니다.

약 50분 분량

7강. 비지도학습의 특징과 활용 사례 p.300 - 345

작업 시간을 단축하는 비지도 학습
- 군집
- 가우시안 혼합

차원 축소 이외의 비지도 학습 (군집, 이상치 탐지, 밀도 추정 등) 방법들에 대해 알려드립니다.

약 50분 분량

---

PART 2. 딥러닝

뉴럴 네트워크 및 딥러닝에 대해 자세히 설명합니다.
케라스와 텐서플로우를 이용한 프로그래밍 실용 주제까지 머신러닝, 딥러닝에 대한 감각을 익히기 좋을 거에요.

8강. 신경망의 발전과 구현 with Keras p.351 - 409

Keras를 사용한 인공 신경망 소개
- Keras로 다층 퍼셉트론 구현하기
- 신경망 하이퍼파라미터 튜닝하기

인공 신경망의 초창기 구조를 시작으로 MLP(Multi-Layer Perceptron)에 대해 간략히 설명 후, 케라스 (tf.keras)를 활용한 신경망 구축 방법을 살펴봅니다.

약 50분 분량

9강. 성공적 모델링을 위한 모델 구조 및 튜닝 p.411 - 460

심층 신경망 훈련하기
- 그레이디언트 소실과 폭주 문제
- 사전훈련된 층 재사용하기
- 고속 옵티마이저

심층 신경망 훈련 중 발생할 수 있는 문제의 원인과 그 해결방안에 대해 살펴봅니다.

약 50분 분량

10강. 텐서플로를 활용하여 나만의 모델 만들기 p.461 - 539

텐서플로를 사용한 사용자 정의 모델과 데이터 적재 및 전처리하기
- 사용자 정의 모델과 훈련 알고리즘
- 텐서플로 함수와 그래프
- 데이터 API, TFRecord 포맷
- 입력 특성 전처리
- 텐서플로 데이터셋(TFDS) 프로젝트

사용자 정의 함수 변환이 가능한 텐서플로를 자세히 살펴보고 데이터 API, TFRecord 포맷을 다루고, 사용자 정의 Layer 및 Function을 만들고 사용하는 방법을 알려드립니다.

약 50분 분량

11강. 컴퓨터가 이미지를 인식할 수 있었던 이유 p.541 - 596

CNN은 어디서 왔고 구성 요소는 무엇일까, 어떻게 구현할까?
- 시각 피질 구조
- 합성곱 층과 풀링 층
- CNN 구조
- 사전 훈련된 모델을 사용한 전이 학습
- 객체 탐지 및 시맨틱 분할

이미지 인식 분야에서의 CNN의 특징에 대해 알아보고, 대표적인 모델 (AlexNet, GoogLeNet, ResNet 등)를 소개합니다.

약 50분 분량

12강. 시간을 거슬러 훈련시킬 수 있다면,, p.597 - 626

RNN 이면에 있는 기본적인 개념과 시간을 거슬러 역전파하는 훈련 방법
- 순환 뉴런과 순환 층
- RNN 훈련하기
- 시계열 예측하기
- 긴 시퀀스 다루기

RNN의 개념과 구조를 살펴보고, 장기 메모리 손실 문제를 해결하기 위해 생겨난 LSTM, GRU에 대해 알려드립니다.

약 50분 분량

13강. 자연어를 읽고 쓰는 기계를 만들 수 있을까? p.627 - 671

RNN과 어텐션을 사용한 자연어 처리
- 신경망 기계 번역을 위한 인코더-디코더 네트워크
- 어텐셜 메커니즘
- 언어 모델 분야의 최근 혁신

자연어 처리 과정에서 RNN의 활용 방법을 소개하고, 이를 기반으로 최근 각광받고 있는 어텐션 메커니즘 및 BERT에 대해 살펴봅니다.

약 50분 분량

14강. 다른 모델의 취약점을 개선해주는 오토인코더와 GAN p.673 - 717

어떤 지도 없이도 잠재표현 또는 코딩이라 부르는 입력 데이터의 밀집 표현을 학습할 수 있는 인공 신경망
- 과소완전 선형 오토인코더로 PCA 수행하기
- 오토인코더 : 적층, 합성곱, 순환, 잡음 제거, 희소, 변이형
- 생성석 적대 신경망

오토인코더와 GAN의 작동 원리 및 특징을 비교하여 살펴봅니다.

약 50분 분량

15강. 최적의 Decision Maker p.719 - 840

가장 흥미진진한 머신러닝 분야, 강화학습
- 정책 탐색
- OpenAI 짐
- 신경망 정책
- 행동 평가 : 신용 할당 문제
- 심층 Q-러닝 구현 및 변종 학습
- 계산 속도를 높이기 위한 GPU 사용

강화 학습이 무엇인지와와 어떤 일을 잘할 수 있는지 설명하고, 가장 중요한 두 가지 기술 정책 그레디언트와 심층 Q-네트워크를 살펴봅니다. 대규모 모델 훈련을 위해 다중 장치를 사용하는 상황에서 고려할 점들을 간략하게 살펴봅니다.

약 50분 분량

📆
30일 스케줄표를
확인하세요.

이미지를 저장해서
실제로 활용해 보세요!

*권장 스케줄일 뿐 꼭 맞춰서 하실 필요는 없어요!
*우클릭하시면 이미지를 저장하실 수 있어요💖

주의사항 - 한달한권 단일 강의 구매 후 Zero Base 홈페이지 내에서 구매 시점으로부터 60일 이내에 독후감 제출 및 환급 신청서 제출을 해주시면 책값 환급 대상자에 포함 됩니다.
(사전예약 판매 시 1차 강의 오픈 일자 시점으로 부터 60일 이내)
- 한달한권 패키지 구매 시 한달한권 책 값 환급 대상자에서 제외됩니다.

[환급 절차]
- 한 달 동안 스케줄에 맞춰 책과 해설강의를 보고 완독합니다.
- 강의장에 있는 공지사항 확인 후 환급 신청서에 독후감 링크를 함께 제출합니다.
- 독후감은 아래 기준을 충족해야 합니다. 요건에 맞지 않을시 환급금 지급이 어렵습니다.
1. 반드시 네이버 블로그로 독후감을 작성하여 링크를 공유해 주세요.
2. 타 플랫폼을 통한 독후감 작성시 환급대상자에서 제외될 수 있습니다.
3. 글자 수 1500자(약 A4 한 장 분량) 이상 작성해 주세요. 단, 띄어쓰기와 문장부호는 포함되지 않습니다.
4. 본문 하단 필수 해시태그 #한달한권 #한달한권챌린지 #책이름 #제로베이스
- 환급 신청서 제출 후 기재하신 통장사본 계좌로 1개월 이내에 지급됩니다.


[환급 주의 사항]
- 50%, 100% 할인 쿠폰을 사용하여 결제하실 경우 책값 환급 대상자에서 제외됩니다.
- 환급 신청서는 구매 후 강의를 시청할 수 있는 강의장 내의 '공지사항'에서 확인할 수 있습니다.
- 여러 과정을 수강하실 경우 각 과정마다 통장사본을 제출해 주셔야 합니다.
- 무료 수강 강의에 한해선 챌린지 인증해 주셔도 혜택 지급이 불가합니다.
- 5만원을 초과하는 환급금은 제세공과금(22%)을 제외하고 지급됩니다.
- 단, 환급액에 부과된 22%의 제세공과금은 수강생의 종합소득금액과 소득공제액에 따라 전부 또는 일부 환급받으실 수 있으며, 국세청 및 관할 세무서를 통해 환급신청이 가능합니다.
- 제로베이스 계정 이름과 계좌번호 예금주명이 다를 경우, 환급이 진행되지 않을 수 있습니다.
- 환급 신청서에 기재하신 정보가 제로베이스 계정과 동일해야 정상적인 지급이 가능합니다.
- 환급서류 제출시 정보 오기입으로 인해 환급 지급이 지체되는 경우 제로베이스의 책임이 없음을 알려드립니다.
※ 한달한권 패키지 강의 구매 시 책값 환급 신청이 불가합니다.

[결제 시 주의 사항]
- 50%, 100% 할인 쿠폰을 사용하여 결제하실 경우 환급 대상자에서 제외됩니다.

[환불 규정]
– 중도 환불시 미션을 달성하여 책값 환급을 받으신 경우, 환급받은 금액을 제외하고 환불해드립니다.
– 환불금액은 정가가 아닌 실제 결제금액을 기준으로 계산됩니다.

– 수강시작 후 7일 이내, 5강 미만 수강 시에는 100% 환불 가능합니다. (단, 5강이상 수강시 수강한 분량 만큼 차감)
– 수강시작 후 7일 초과 시, 정상(유료) 수강기간인 1개월(30일) 대비 잔여일에 대해 학원법 환불규정에 따라 환불 가능합니다.
– 단, 2개 묶음 패키지는 정상(유료) 수강기간 : 2개월(60일), 3개 묶음 패키지는 정상(유료) 수강기간: 3개월(90일) 대비 잔여일에 대해 적용됩니다.

: 환불요청일시 기준 수강시작 후 1/3 경과 전, 실 결제금액의 2/3에 해당하는 금액을 환불
: 환불요청일시 기준 수강시작 후 1/2 경과 전, 실 결제금액의 1/2에 해당하는 금액을 환불
: 환불요청일시 기준 수강시작 후 1/2 경과 후, 환불금액 없음

– 패키지 구성 된 강의 변경 또는 일부 환불은 불가합니다.
– 패키지 상품으로 온라인 강의의 개별 환불은 불가능합니다.

💬
자주 묻는 질문을
모아뒀어요.