머신러닝의 기초부터 배우세요. scikit-learn으로 모델을 구축하고 평가하며, 앙상블 방법을 숙달하고 PyTorch로 딥러닝까지 확장하세요. 이 트랙은 초급(A1)부터 고급(B2)까지 30개의 단계별 미니 과정을 포함하며, 짧고 집중된 수업과 빠른 퀴즈로 각 개념을 확실히 습득할 수 있습니다.
기초부터 시작하여 중급, 고급 주제까지 단계적으로 배우며, 각 과정이 이전 과정을 바탕으로 합니다. 모든 수업은 실용적이며 실제 예제를 포함하고 있고, 필요할 때 AI 튜터의 도움을 받을 수 있습니다.
각 과정은 4개의 집중된 수업으로 나뉩니다. 하루에 몇 개의 수업을 완료하면 수개월이 아닌 몇 주 안에 전체 트랙을 마스터할 수 있습니다.
AI 기반 도구와 기능으로 학습을 강화하세요
Machine Learning Academy 학습 경로의 모든 코스.
기계학습이 무엇이며 전통적인 프로그래밍과 어떻게 다른지 알아봅니다. 세 가지 핵심 학습 패러다임을 살펴보고 여러 산업에서 기계학습이 문제를 해결하는 실제 사례를 확인합니다. 과정을 마치면 어떤 문제에 어떤 유형의 기계학습을 적용해야 하는지 판단할 수…
Anaconda, Jupyter, 핵심 과학 Python 스택으로 전문적인 기계학습 개발 환경을 구성합니다. NumPy로 배열을, Pandas로 데이터 프레임을 다루어 모든 데이터 세트를 불러오고 검사하고 정제하는 방법을 학습합니다. 이 과정은 빈…
처음부터 예측 모델을 훈련하며 지도학습에 대한 직관을 기릅니다. 선형 회귀가 데이터에 가장 잘 맞는 직선을 찾는 방법과, 보지 못한 값을 얼마나 잘 예측하는지 정량화하는 방법을 배웁니다. 마지막에는 scikit-learn으로 작동하는 주택 가격 예측…
숫자를 예측하는 단계에서 범주를 예측하는 단계로 나아갑니다. 첫 번째 분류기로 로지스틱 회귀를 살펴보고, 시그모이드 함수가 선형 점수를 확률로 바꾸는 원리를 배웁니다. 이메일을 스팸과 정상 메일로 분류하고, 단순한 정확도를 넘어 결과를 평가합니다.
모델을 자체 훈련 데이터로 평가하면 왜 지나치게 낙관적인 결과가 나오는지, 적절한 데이터 분할로 이를 방지하는 방법은 무엇인지 알아봅니다. 훈련-테스트 분할을 익히고 과적합의 양상을 이해하여, 이 트랙의 이후 모든 평가에 필요한 사고방식을 갖춥니다.
원시 데이터는 거의 언제나 모델에 바로 사용할 수 없습니다. 값이 누락되어 있고, 척도가 크게 다르며, 범주형 문자열은 인코딩해야 합니다. 이 과정에서는 정리되지 않은 입력을 어떤 scikit-learn 추정기든 처리할 수 있는 깔끔한 특징 행렬로…
가장 직관적인 분류 및 회귀 알고리즘 중 하나를 배웁니다. 새로운 점의 레이블을 가장 가까운 k개 이웃의 다수결로 예측하는 방법을 익힙니다. k의 선택과 거리 척도가 결정 경계를 어떻게 바꾸는지, KNN이 언제 강점을 보이고 언제 어려움을 겪는지 이…
결정 트리는 예·아니오 질문을 던지며 데이터를 분할하고, 비기술 직군의 이해관계자에게도 시각화하고 설명하기 쉬운 순서도를 만듭니다. 지니 불순도와 정보 이득으로 최적의 분할을 선택하는 방법과 과적합을 막기 위해 트리를 가지치기하는 방법을 배웁니다.
나이브 베이즈는 강한 독립성 가정과 함께 베이즈 정리를 적용하므로 고차원 텍스트 데이터에서 매우 빠르게 작동합니다. 스팸 필터를 만들고, 단어 가방 벡터화가 텍스트를 숫자로 변환하는 방식을 살펴보며, 순진한 독립성 가정이 언제 놀라울 만큼 효과적인지…
클래스가 불균형하거나 오분류 비용이 서로 다를 때 정확도만으로는 오해를 불러일으킬 수 있습니다. ROC-AUC, 정밀도-재현율 곡선, 평균 절대 오차, RMSE를 포함한 전체 평가 도구 모음을 익혀 비즈니스 현실을 반영하는 지표를 항상 선택할 수 있…
단일 결정 트리는 과적합되지만, 서로 다른 트리로 구성된 포레스트는 훨씬 잘 일반화됩니다. 무작위 데이터 부분 집합과 특징으로 훈련한 수백 개의 트리를 랜덤 포레스트가 결합하는 방식을 배우고, 배깅과 투표 앙상블로 확장하여 단일 모델을 꾸준히 능가하…
서포트 벡터 머신은 클래스를 분리하는 최대 마진 초평면을 찾아 강력한 이론적 일반화 보장을 제공합니다. 비선형 경계를 무한 차원 공간에서 처리하게 해 주는 커널 트릭을 배우고, 실제 데이터셋에 맞게 C와 감마 매개변수를 조정합니다.
그래디언트 부스팅은 약한 학습기를 순차적으로 훈련하며, 각 학습기가 이전 학습기의 잔차 오차를 보정하도록 하여 표 형식 데이터에서 최고 수준의 성능을 냅니다. 수상 경력이 있는 Kaggle 솔루션의 기반인 XGBoost와 LightGBM을 익히고 효…
데이터 분할의 무작위 변동 때문에 한 번의 훈련-테스트 분할은 오해를 불러일으킬 수 있습니다. 교차 검증은 여러 분할의 결과를 평균 내어 더 신뢰할 수 있는 추정치를 제공하며, 격자 탐색과 무작위 탐색은 데이터 누수 없이 최적의 하이퍼파라미터를 찾는…
어떤 알고리즘을 사용하든 모델 성능의 상한은 특징의 품질에 의해 결정됩니다. 변환, 상호작용, 도메인 지식을 활용해 원시 데이터에서 새롭고 유용한 특징을 만들고, 자동 선택 방법으로 잡음을 제거하는 방법을 배웁니다.
클러스터링은 레이블 없이 데이터의 자연스러운 그룹을 찾는 비지도학습입니다. 구형 클러스터에는 K-Means를, 임의의 형태를 가진 클러스터와 이상치 탐지에는 DBSCAN을 익히고, 정답을 알 수 없을 때 클러스터 품질을 평가하는 방법을 배웁니다.
고차원 데이터는 시각화하기 어렵고, 학습을 느리게 하는 중복 특징을 포함하는 경우가 많습니다. PCA는 분산을 보존하면서 정보를 직교 성분으로 압축하고, t-SNE는 탐색을 위해 2차원으로 투영합니다. 각각을 언제 사용할지, 축소한 특징을 후속 모델…
Scikit-learn 파이프라인은 전처리와 모델링 단계를 하나의 객체로 연결하여 데이터 누수를 방지하고 배포를 간소화합니다. 개발 환경에서 운영 환경으로 매끄럽게 이동할 수 있는 완전한 파이프라인을 구축하고, 교차 검증하고, 직렬화하는 방법을 배웁…
사기 탐지, 의료 진단을 비롯한 여러 중요한 분야에서는 한 클래스가 전체 사례의 1% 미만일 수 있습니다. 이런 데이터로 학습하면 소수 클래스를 완전히 무시한 채 정확도만 오해를 불러일으킬 정도로 높아집니다. 실제로 작동하는 모델을 만들기 위해 리샘…
모델은 Jupyter 노트북 밖의 새로운 데이터에도 예측을 수행할 수 있을 때 비로소 유용합니다. scikit-learn 파이프라인을 저장하고 버전 관리하며, FastAPI를 사용해 간단한 REST API 뒤에서 제공하고, 운영 환경에서 모델을 건강…
PyTorch는 연구와 운영 환경에서 널리 사용되는 딥러닝 프레임워크입니다. 텐서부터 시작해 첫 번째 순방향 신경망을 구축하고, 기울기 계산을 위한 자동 미분을 이해하며, MNIST에서 숫자 분류기를 훈련해 딥러닝이 실제로 작동하는 모습을 확인합니다.
좋은 구조는 절반에 불과하며, 훈련 동역학이 네트워크가 유용한 해에 수렴할지를 결정합니다. 학습률 일정, 배치 정규화, 드롭아웃 정규화, 가중치 초기화 전략을 익혀 학습하는 네트워크와 정체되는 네트워크의 차이를 이해합니다.
CNN은 국소적 가중치 공유와 풀링을 통해 이미지의 공간 구조를 활용하고, 매개변수 수를 줄이는 동시에 이동 불변성을 높입니다. PyTorch로 CNN 이미지 분류기를 처음부터 구축하고, 필터가 가장자리, 질감, 고수준 특징을 감지하도록 학습하는 과…
시계열, 텍스트, 오디오 같은 순차 데이터에는 일반적인 순방향 네트워크가 무시하는 시간적 의존성이 있습니다. 순환 신경망은 공유 가중치를 사용해 시퀀스를 단계별로 처리하고, LSTM은 게이트 메커니즘을 추가하여 기울기 소실 문제를 피하면서 장기 의존…
대규모 네트워크를 처음부터 훈련하려면 방대한 데이터셋과 계산 자원이 필요합니다. 전이 학습은 수백만 개의 사례로 사전 훈련한 모델의 가중치를 재사용하므로, 훨씬 적은 레이블 데이터와 훈련 시간으로 특정 작업에서 높은 정확도를 얻을 수 있습니다.
BERT의 양방향 트랜스포머 아키텍처는 양쪽 방향의 문맥을 이해하므로 거의 모든 자연어 처리 벤치마크에서 기존의 순차 모델보다 뛰어난 성능을 보입니다. Hugging Face Transformers 라이브러리를 사용하여 최소한의 코드로 사전 학습된…
MLOps는 머신러닝 연구와 신뢰할 수 있는 운영 소프트웨어 엔지니어링을 연결합니다. MLflow로 실험을 추적하고, Docker로 재현 가능한 환경을 만들며, GitHub Actions로 재훈련 파이프라인을 자동화하여 모델을 감사 가능하고 재현 가…
실제 환경이 훈련 조건에서 벗어나면 운영 중인 모델의 성능은 조용히 저하됩니다. 예측 분포를 모니터링하고 데이터 드리프트와 개념 드리프트를 조기에 탐지하며, 사용자 경험이 나빠지기 전에 재훈련할 시점을 알려 주는 알림 파이프라인을 구축하는 방법을 배…
머신러닝 시스템이 채용, 대출, 의료 분야에서 중대한 결정을 내리면서 모델의 동작을 이해하고 감사하는 일은 윤리적 의무이자 많은 관할권에서 법적 요건이 되었습니다. 모델을 해석 가능하고 신뢰할 수 있게 만드는 SHAP, LIME 및 공정성 지표를 학…
이 트랙에서 배운 모든 기술을 하나의 완성도 높은 프로젝트에 적용해 보세요. 실제 데이터 세트를 수집하고 정제한 뒤, 특성을 설계하고 여러 모델을 학습·조정하며, 모델을 평가하고 비교합니다. 그런 다음 가장 뛰어난 모델을 배포할 수 있도록 패키징하고…
네, Machine Learning Academy 강의를 무료로 시작하고 인터랙티브 레슨을 모두 무료로 완료할 수 있습니다. 선택적 PRO 구독을 통해 고급 AI 도구와 공유 가능한 수료증을 잠금 해제할 수 있습니다.
아니요. 강의는 기초부터 시작하여 점차 더 심화된 주제로 나아가므로 PYTHON 경험이 없어도 시작할 수 있습니다.
직접 해보면서 배웁니다. 짧은 인터랙티브 레슨은 명확한 설명과 실시간으로 실행되는 실습 코딩 연습을 함께 제공하며, 24시간 AI 튜터가 막힐 때마다 맞춤형 도움을 줍니다.
네, PRO 학습자는 시험을 응시하고 Machine Learning Academy 강의의 검증 코드가 포함된 공유 가능한 수료증을 취득할 수 있습니다.
네, CoddyKit은 웹과 iOS, Android 네이티브 앱으로 이용 가능하므로 어느 기기에서나 PYTHON을(를) 배우고 진행 상황이 모든 기기에서 동기화됩니다.
