추천
패키지
BEST
[50% 할인 패키지] 인공지능 입문 패키지
5
160,000원
364일
강의소개
01. 강의 소개
본 과정은 파이썬 기반의 인공지능, 머신러닝, 딥러닝 활용 방법을 학습합니다.
최근 화두로 떠오르고 있는 인공지능 기술 및 자연어 처리 기반의 챗봇을 구현하는 등
이론과 실습, 프로젝트를 통해 인공지능 기술을 배울 수 있습니다.
02. 본 과정에서 학습할 수 있는 것들
- 인공지능을 위한 파이썬 프로그래밍
- 머신러닝의 이해 및 알고리즘 이해
- 딥러닝의 이해 및 활용
- 이미지 및 영상 처리, 자연어처리 딥러닝
- 간단한 챗봇 구현
03. 이런분들이 수강하면 좋아요!
- 인공지능 기술을 파이썬을 활용해 구현하고 싶은 분들
- 인공지능 개발 입문자
- 자연어 처리를 활용한 프로젝트를 진행하는 분
커리큘럼
쉽게 배우는 Python 알고리즘 입문 펼치기
-
CHAPTER 01
쉽게 배우는 Python 알고리즘 입문
- 01 1. Python 알고리즘 학습을 위한 개발 환경 구축
- 02 2. 알고리즘(Algorithm)과 절차 지향 프로그래밍 강의 소개
- 03 3. 학습할 알고리즘 리스트 및 강의 소스 다운로드 등 소개
- 04 4. 합계 알고리즘(Sum Algorithm)
- 05 5. Visual Studio의 디버거 기능을 사용하여 알고리즘 소스를 분석하면서 학습하기
- 06 6. 등차수열(Arithmetic Sequence)_연속하는 두 수의 차이가 일정한 수열
- 07 7. 개수 알고리즘(Count Algorithm)
- 08 8. 평균 알고리즘(Average Algorithm)
- 09 9. 최댓값 알고리즘(Max Algorithm)
- 10 10. 최솟값 알고리즘(Min Algorithm)
- 11 11. 근삿값 알고리즘(Near Algorithm)
- 12 12. 순위 알고리즘(Rank Algorithm)
- 13 13. 선택 정렬 알고리즘 소개_프로그래밍 공통 이론
- 14 14. 정렬 알고리즘(Sort Algorithm)
- 15 15. 검색 알고리즘 소개 및 이진 검색 알고리즘 설명
- 16 16. 검색 알고리즘(Search Algorithm)
- 17 17. 병합 알고리즘 이론적인 설명을 의사 코드로 진행
- 18 18. 병합 알고리즘(Merge Algorithm)
- 19 19. 최빈값 알고리즘 이론적인 설명을 의사 코드로 진행
- 20 20. 최빈값 알고리즘(Mode Algorithm)
- 21 21. 그룹 알고리즘 이론적인 설명을 의사 코드로 진행
- 22 22. 그룹 알고리즘(Group Algorithm)
Python(파이썬) 프로그래밍 기초 펼치기
-
CHAPTER 01
파이썬 프로그래밍 기초 - Part1
- 01 1. Python 개요
- 02 2. Python 설치하기
- 03 3. 파이썬 프로그래밍을 위한 에디트 플러스 설정하기
- 04 4. 자료형 : 숫자형, 숫자연산, 문자열
- 05 5. 자료형: 문자열 연산, 인덱싱 슬라이싱
- 06 6. 자료형: 문자열 포맷팅, 포맷코드의 기능
- 07 7. 자료형: 리스트, 리스트의 연산, 인덱싱, 슬라이싱
- 08 8. 자료형: 튜플, 불린
- 09 9. 변수의 이해
- 10 10. 제어문 : if문
- 11 11. 제어문 : while문
- 12 12. 제어문 : for문
- 13 13. 제어문: for문 심화
- 14 14. 함수의 의미와 문자열 함수 format()
- 15 15. 문자열 나누기, 바꾸기, 길이 구하기, 문자 위치 찾기, 공백 지우기
- 16 16. 리스트 관련 함수
- 17 17. 사용자 정의 함수 1
- 18 18. 사용자 정의 함수 2
- 19 19. 변수의 스코프(Scope)
- 20 20. input함수, print함수
- 21 21. 파일 입출력하기
- 22 22. 파일 입출력하기 2
- 23 23. 딕셔너리의 개념
- 24 24. 딕셔너리 관련함수
- 25 25. 집합(set)의 개념 및 관련 함수
-
CHAPTER 02
파이썬 프로그래밍 기초 - Part2
- 01 1. 객체지향 프로그래밍의 이해
- 02 2. 클래스, 객체, 인스턴스 이해하기
- 03 3. 클래스의 구성, self 개념, 객체화/ 인스턴스화
- 04 4. init메소드, 클래스변수, 객체변수
- 05 5. 클래스변수, 객체변수, 클래스 메소드
- 06 6. 상속(inheritance)
- 07 7. 모듈(module)
- 08 8. 모듈 만들어서 불러오기, from ~ import 구문
- 09 9. 모듈의 name 속성, 바이트코드 .pyc
- 10 10. 클래스, 변수, 함수를 포함하는 모듈, 패키지의 개념, dir()
- 11 11. 패키지 만들어보기, __init__.py파일의 의미, PYTHONPATH 설정하기
- 12 12. 다른 패키지에 있는 모듈 불러오기, relative접근자, __all__ 변수
- 13 13. 예외처리 개념
- 14 14. 예외 처리 else절, 에러 피하기, 에러 발생시키기
- 15 15. 사용자 정의 예외 처리하기
- 16 16. 파이썬 2.7버전과 파이썬 3.x버전의 차이점
- 17 17. 입출력 및 자료형 관련 함수들
- 18 18. 열거형의 정보를 얻는 함수
- 19 19. 산술/논리 연산에 관련된 함수들
- 20 20. 라이브러리 개념 및 필수 라이브러리, sys모듈
- 21 21. pickle모듈 사용하기
- 22 22. os모듈, shutil모듈, glob모듈 사용하기
- 23 23. r, w, a, b 모드에 대한 정리 및 tempFile 모듈의 이해
- 24 24. time 모듈, 형식지정자 정리
- 25 25. calendar 및 random 모듈의 유용한 함수
머신러닝(Machine Learning) 원리 및 이론 펼치기
-
CHAPTER 01
머신러닝(Machine Learning) 원리 및 이론
- 01 1. 머신러닝 개념 및 정의
- 02 2. 머신러닝 용어 및 라이브러리 정리
- 03 3. 선형 회귀 모델
- 04 4. 다중 선형 회귀
- 05 5. 선형 회귀 모델 구현 / colab 설명
- 06 6. 로지스틱 회귀 모델
- 07 7. 로지스틱 회귀 모델 구현
- 08 8. 의사 결정 나무
- 09 9. 의사 결정 나무 구현
- 10 10. 랜덤 포레스트
- 11 11. 랜덤 포레스트 구현
- 12 12. knn
- 13 13. knn 구현
- 14 14. train valid test 데이터 나누기
- 15 15. 데이터 전처리
- 16 16. 최종 실습 - 타이타닉
- 17 17. 최종 실습 - 타이타닉2
- 18 18. 최종 실습 - 타이타닉3
Machine Learning(머신러닝) 기초 펼치기
-
CHAPTER 01
Machine Learning(머신러닝) 기초
- 01 1. numpy 사용법1
- 02 2. numpy 사용법2
- 03 3. numpy 사용법3
- 04 4. numpy 사용법4
- 05 5. numpy 사용법5
- 06 6. pandas 사용법 1 - Series
- 07 7. pandas 사용법 2 - 데이터프레임
- 08 8. pandas 사용법 3 - 색인 개체
- 09 9. pandas 사용법 4 - 재색인
- 10 10. pandas 사용법 5 - 색인, 선택
- 11 11. pandas 사용법 6 - 색인, 선택
- 12 12. pandas 사용법 7 - 연산
- 13 13. pandas 사용법 8 - DataFrame과 Series간의 연산
- 14 14. pandas 사용법 9 - 함수적용 및 매핑
- 15 15. pandas 사용법 10 - 정렬 순위
- 16 16. pandas 사용법 11 - 기술 통계 메서드
- 17 17. pandas 사용법 12 - 기술 통계 메서드
- 18 18. pandas 사용법 13 - 기술 통계 메서드
- 19 19. pandas 사용법 14 - 다중색인
- 20 20. pandas 사용법 15 - 다중색인
파이썬을 활용한 머신러닝&딥러닝 입문 펼치기
-
CHAPTER 01
파이썬을 활용한 머신러닝
- 01 1. 인공지능과 머신러닝
- 02 2. 머신러닝 알고리즘
- 03 3. 머신러닝의 예
- 04 4. 머신러닝의 구성요소
- 05 5. scikit-learn 소개
- 06 6. XOR 연산 학습 1
- 07 7. XOR 연산 학습 2
- 08 8. XOR 연산 학습 3
- 09 9. scipy 1
- 10 10. scipy 2
- 11 11. matplotlib
- 12 12. scikit-learn의 데이터셋 소개
- 13 13. train데이터와 test 데이터 분리하기
- 14 14. 붓꽃 품종 분류기 1
- 15 15. 붓꽃 품종 분류기 2
- 16 16. 붓꽃 품종 분류기 3
- 17 17. 붓꽃 품종 분류기 4
- 18 18. SVM 알고리즘 1
- 19 19. SVM 알고리즘 2
-
CHAPTER 02
파이썬을 활용한 딥러닝
- 01 1. 딥러닝 소개
- 02 2. 퍼셉트론 1
- 03 3. 퍼셉트론 2
- 04 4. 퍼셉트론 3
- 05 5. 퍼셉트론 4
- 06 6. 신경망 1
- 07 7. 신경망 2
- 08 8. 신경망 3
- 09 9. 신경망 4
- 10 10. 신경망 5
- 11 11. 신경망 6
- 12 12. 신경망 7
- 13 13. 신경망 8
- 14 14. 신경망 9
- 15 15. 신경망 10
- 16 16. TensorFlow 사용하기 1
- 17 17. TensorFlow 사용하기 2
- 18 18. TensorFlow 사용하기 3
- 19 19. TensorFlow 사용하기 4
자연어처리 기반 챗봇 구현 펼치기
-
CHAPTER 01
자연어처리 기반 챗봇 구현 PART 1
- 01 챗봇 소개
- 02 챗봇 기본 용어
- 03 Dialogflow 사용 1
- 04 Dialogflow 사용 2
- 05 Dialogflow 사용 3
- 06 자연어 처리 개념
- 07 파이썬을 이용한 자연어 처리 1
- 08 파이썬을 이용한 자연어 처리 2
- 09 파이썬을 이용한 자연어 처리 3
- 10 파이썬 파싱 라이브러리 사용하기 1
- 11 파이썬 파싱 라이브러리 사용하기 2
- 12 파이썬 파싱 라이브러리 사용하기 3
- 13 파이썬 파싱 라이브러리 사용하기 4
- 14 형태소 분석기를 이용한 빈도 수 분석하기 1
- 15 형태소 분석기를 이용한 빈도 수 분석하기 2
-
CHAPTER 02
자연어처리 기반 챗봇 구현 PART 2
- 01 Word2Vec 사용해보기1
- 02 Word2Vec 사용해보기2
- 03 텍스트 분류 방법 1
- 04 텍스트 분류 방법 2
- 05 파이썬 활용 챗봇 구현 1
- 06 파이썬 활용 챗봇 구현 2
- 07 파이썬 활용 챗봇 구현 3
- 08 파이썬 활용 챗봇 구현 4
- 09 파이썬 활용 챗봇 구현 5
- 10 파이썬 활용 챗봇 구현 6
- 11 ES6주요 기능 소개 1
- 12 ES6주요 기능 소개 2
- 13 ES6주요 기능 소개 3
- 14 node.js 소개
- 15 node.js를 활용한 discord 챗봇 구동하기
수강후기
수강후기가 없습니다.