-------------------------------------------------------------------------------- # MACHINE_DEEP_LEARNING-STUDY # -------------------------------------------------------------------------------- ######################################################## ### MACHINE_DEEP_LEARNING https://developers.google.com/machine-learning/foundational-courses https://ko.d2l.ai/index.html https://www.tensorflow.org/?hl=ko https://pytorch.org/ https://pytorch.kr/?_gl=1*13rtmtq*_ga*ODg4NjU2MTgxLjE2NzE1MDA1NTk.*_ga_LZRD6GXDLF*MTY3MTUwMDU1OS4xLjAuMTY3MTUwMDU1OS42MC4wLjA. https://keras.io/ https://keras.io/ko/ https://www.kaggle.com/ https://scikit-learn.org/stable/ https://xgboost.ai/ ######################################################## ### Reference https://tensorflow.blog/hg-mldl/ https://hongong.hanbit.co.kr/혼자-공부하는-머신러닝-딥러닝 https://www.youtube.com/playlist?list=PLVsNizTWUw7HpqmdphX9hgyWl15nobgQX https://github.com/rickiepark/hg-mldl https://colab.research.google.com/ ######################################################## ### MACHINE_DEEP_LEARNING Guide # 목차 https://colab.research.google.com/github/rickiepark/hg-mldl/blob/master/ Chapter 01 나의 첫 머신러닝▶️ 이 생선의 이름은 무엇인가요? __ 01-1 인공지능과 머신러닝, 딥러닝▶️ 인공지능과 머신러닝, 딥러닝은 무엇일까요? ____ 인공지능이란 ____ 머신러닝이란 ____ 딥러닝이란 ____ 키워드로 끝내는 핵심 포인트 ____ 이 책에서 배울 것은 __ 01-2 코랩과 주피터 노트북▶️ 코랩과 주피터 노트북으로 손코딩 준비하기 ____ 구글 코랩 ____ 텍스트 셀 ____ 코드 셀 ____ 노트북 ____ 키워드로 끝내는 핵심 포인트 ____ 표로 정리하는 툴바와 마크다운 ____ 확인 문제 __ 01-3 마켓과 머신러닝▶️ 마켓을 예로 들어 머신러닝을 설명합니다. ____ 생선 분류 문제 ____ 첫 번째 머신러닝 프로그램 ____ [문제해결 과정] 도미와 빙어 분류 ____ 키워드로 끝내는 핵심 포인트 ____ 핵심 패키지와 함수 ____ 확인 문제 https://colab.research.google.com/github/rickiepark/hg-mldl/blob/master/1-3.ipynb#scrollTo=3pQ2JVooP-y5 Chapter 02 데이터 다루기▶️ 수상한 생선을 조심하라! __ 02-1 훈련 세트와 테스트 세트▶️ 모델을 훈련 시키는 훈련 세트와 검증하는 테스트 세트로 나누어 학습하기 ____ 지도 학습과 비지도 학습 ____ 훈련 세트와 테스트 세트 ____ 샘플링 편향 ____ 넘파이 ____ 두 번째 머신러닝 프로그램 ____ [문제해결 과정] 훈련 모델 평가 ____ 키워드로 끝내는 핵심 포인트 ____ 핵심 패키지와 함수 ____ 확인 문제 https://colab.research.google.com/github/rickiepark/hg-mldl/blob/master/2-1.ipynb __ 02-2 데이터 전처리▶️ 정교한 결과 도출을 위한 데이터 전처리 알아보기 ____ 넘파이로 데이터 준비하기 ____ 사이킷런으로 훈련 세트와 테스트 세트 나누기 ____ 수상한 도미 한 마리 ____ 기준을 맞춰라 ____ 전처리 데이터로 모델 훈련하기 ____ [문제해결 과정] 스케일이 다른 특성 처리 ____ 키워드로 끝나는 핵심 포인트 ____ 핵심 패키지와 함수 ____ 확인 문제 https://colab.research.google.com/github/rickiepark/hg-mldl/blob/master/2-2.ipynb Chapter 03 회귀 알고리즘과 모델 규제▶️ 농어의 무게를 예측하라! __ 03-1 k-최근접 이웃 회귀▶️ 회귀 문제를 이해하고 k-최근접 이웃 알고리즘으로 풀어 보기 ____ k-최근접 이웃 회귀 ____ 데이터 준비 ____ 결정계수(R2) ____ 과대적합 vs 과소적합 ____ [문제해결 과정] 회귀 문제 다루기 ____ 키워드로 끝내는 핵심 포인트 ____ 핵심 패키지와 함수 ____ 확인 문제 https://colab.research.google.com/github/rickiepark/hg-mldl/blob/master/3-1.ipynb __ 03-2 선형 회귀▶️ 사이킷런으로 선형 회귀 모델 만들어 보기 ____ k-최근접 이웃의 한계 ____ 선형 회귀 ____ 다항 회귀 ____ [문제해결 과정] 선형 회귀로 훈련 세트 범위 밖의 샘플 예측 ____ 키워드로 끝내는 핵심 포인트 ____ 핵심 패키지와 함수 ____ 확인 문제 https://colab.research.google.com/github/rickiepark/hg-mldl/blob/master/3-2.ipynb __ 03-3 특성 공학과 규제▶️ 특성 공학과 규제 알아보기 ____ 다중 회귀 ____ 데이터 준비 ____ 사이킷런의 변환기 ____ 다중 회귀 모델 훈련하기 ____ 규제 ____ 릿지 회귀 ____ 라쏘 회귀 ____ [문제해결 과정] 모델의 과대적합을 제어하기 ____ 키워드로 끝내는 핵심 포인트 ____ 핵심 패키지와 함수 ____ 확인 문제 https://colab.research.google.com/github/rickiepark/hg-mldl/blob/master/3-3.ipynb Chapter 04 다양한 분류 알고리즘▶️ 럭키백의 확률을 계산하라! __ 04-1 로지스틱 회귀▶️ 로지스틱 회귀 알고리즘을 배우고 이진 분류 문제에서 클래스 확률 예측하기 ____ 럭키백의 확률 ____ 로지스틱 회귀 ____ [문제해결 과정] 로지스틱 회귀로 확률 예측 ____ 키워드로 끝내는 핵심 포인트 ____ 핵심 패키지와 함수 ____ 확인 문제x https://colab.research.google.com/github/rickiepark/hg-mldl/blob/master/4-1.ipynb __ 04-2 확률적 경사 하강법▶️ 경사 하강법 알고리즘을 이해하고 대량의 데이터에서 분류 모델을 훈련하기 ____ 점진적인 학습 ____ SGDClassifier ____ 에포크와 과대/과소적합 ____ [문제해결 과정] 점진적 학습을 위한 확률적 경사 하강법 ____ 키워드로 끝내는 핵심 포인트 ____ 핵심 패키지와 함수 ____ 확인 문제 https://colab.research.google.com/github/rickiepark/hg-mldl/blob/master/4-2.ipynb Chapter 05 트리 알고리즘▶️ 화이트 와인을 찾아라! __ 05-1 결정 트리▶️ 결정 트리 알고리즘을 사용해 새로운 분류 문제 다루기 ____ 로지스틱 회귀로 와인 분류하기 ____ 결정 트리 ____ [문제해결 과정] 이해하기 쉬운 결정 트리 모델 ____ 키워드로 끝내는 핵심 포인트 ____ 핵심 패키지와 함수 ____ 확인 문제 https://colab.research.google.com/github/rickiepark/hg-mldl/blob/master/5-1.ipynb __ 05-2 교차 검증과 그리드 서치▶️ 검증 세트가 필요한 이유를 이해하고 교차 검증해 보기 ____ 검증 세트 ____ 교차 검증 ____ 하이퍼파라미터 튜닝 ____ [문제해결 과정] 최적의 모델을 위한 하이퍼파라미터 탐색 ____ 키워드로 끝내는 핵심 포인트 ____ 핵심 패키지와 함수 ____ 확인 문제 https://colab.research.google.com/github/rickiepark/hg-mldl/blob/master/5-2.ipynb __ 05-3 트리의 앙상블▶️ 앙상블 학습을 알고 실습해 보기 ____ 정형 데이터와 비정형 데이터 ____ 랜덤 포레스트 ____ 엑스트라 트리 ____ 그레이디언트 부스팅 ____ 히스토그램 기반 그레이디언트 부스팅 ____ [문제해결 과정] 앙상블 학습을 통한 성능 향상 ____ 키워드로 끝내는 핵심 포인트 ____ 핵심 패키지와 함수 ____ 확인 문제 https://colab.research.google.com/github/rickiepark/hg-mldl/blob/master/5-3.ipynb Chapter 06 비지도 학습▶️ 비슷한 과일끼리 모으자! __ 06-1 군집 알고리즘▶️ 흑백 이미지 분류 방법과 비지도 학습, 군집 알고리즘 이해하기 ____ 과일 사진 데이터 준비하기 ____ 픽셀값 분석하기 ____ 평균값과 가까운 사진 고르기 ____ [문제해결 과정] 비슷한 샘플끼리 모으기 ____ 키워드로 끝내는 핵심 포인트 ____ 확인 문제 https://colab.research.google.com/github/rickiepark/hg-mldl/blob/master/6-1.ipynb __ 06-2 k-평균▶️ k-평균 알고리즘 작동 방식을 이해하고 비지도 학습 모델 만들기 ____ k-평균 알고리즘 소개 ____ KMeans 클래스 ____ 클러스터 중심 ____ 최적의 k 찾기 ____ [문제해결 과정] 과일을 자동으로 분류하기 ____ 키워드로 끝내는 핵심 포인트 ____ 핵심 패키지와 함수 ____ 확인 문제 https://colab.research.google.com/github/rickiepark/hg-mldl/blob/master/6-2.ipynb __ 06-3 주성분 분석▶️ 차원을 알고 차원 축소 알고리즘 PC 모델 만들기 ____ 차원과 차원 축소 ____ 주성분 분석 소개 ____ PCA 클래스 ____ 원본 데이터 재구성 ____ 설명된 분산 ____ 다른 알고리즘과 함께 사용하기 ____ [문제해결 과정] 주성분 분석으로 차원 축소 ____ 키워드로 끝내는 핵심 포인트 ____ 핵심 패키지와 함수 ____ 확인 문제 https://colab.research.google.com/github/rickiepark/hg-mldl/blob/master/6-3.ipynb Chapter 07 딥러닝을 시작합니다▶️ 패션 럭키백을 판매합니다! __ 07-1 인공 신경망▶️ 텐서플로로 간단한 인공 신경망 모델 만들기 ____ 패션 MNIST ____ 로지스틱 회귀로 패션 아이템 분류하기 ____ 인공 신경망 ____ 인공 신경망으로 모델 만들기 ____ 인공 신경망으로 패션 아이템 분류하기 ____ [문제해결 과정] 인공 신경망 모델로 성능 향상 ____ 키워드로 끝내는 핵심 포인트 ____ 핵심 패키지와 함수 ____ 확인 문제 https://colab.research.google.com/github/rickiepark/hg-mldl/blob/master/7-1.ipynb __ 07-2 심층 신경망▶️ 인공 신경망에 층을 추가하여 심층 신경망 만들어 보기 ____ 2개의 층 ____ 심층 신경망 만들기 ____ 층을 추가하는 다른 방법 ____ 렐루 활성화 함수 ____ 옵티마이저 ____ [문제해결 과정] 케라스 API를 활용한 심층 신경망 ____ 키워드로 끝내는 핵심 포인트 ____ 핵심 패키지와 함수 ____ 확인 문제 https://colab.research.google.com/github/rickiepark/hg-mldl/blob/master/7-2.ipynb __ 07-3 신경망 모델 훈련▶️ 인경 신경망 모델 훈련의 모범 사례 학습하기 ____ 손실 곡선 ____ 검증 손실 ____ 드롭아웃 ____ 모델 저장과 복원 ____ 콜백 ____ [문제해결 과정] 최상의 신경망 모델 얻기 ____ 키워드로 끝내는 핵심 포인트 ____ 핵심 패키지와 함수 ____ 확인 문제 https://colab.research.google.com/github/rickiepark/hg-mldl/blob/master/7-3.ipynb Chapter 08 이미지를 위한 인공 신경망▶️ 패션 럭키백의 정확도를 높입니다! __ 08-1 합성곱 신경망의 구성 요소▶️ 합성곱 신경망의 개념과 동작 원리를 배우고 간단한 실습하기 ____ 합성곱 ____ 케라스 합성곱 층 ____ 합성곱 신경망의 전체 구조 ____ [문제해결 과정] 합성곱 층과 풀링 층 이해하기 ____ 키워드로 끝내는 핵심 포인트 ____ 확인 문제 __ 08-2 합성곱 신경망을 사용한 이미지 분류▶️ 케라스 API로 합성곱 신경망 모델 만들기 ____ 패션 MNIST 데이터 불러오기 ____ 합성곱 신경망 만들기 ____ 모델 컴파일과 훈련 ____ [문제해결 과정] 케라스 API로 합성곱 신경망 구현 ____ 키워드로 끝내는 핵심 포인트 ____ 핵심 패키지와 함수 ____ 확인 문제 https://colab.research.google.com/github/rickiepark/hg-mldl/blob/master/8-2.ipynb __ 08-3 합성곱 신경망의 시각화▶️ 신경망이 이미지에서 학습하는 게 무엇인지 이해하기 ____ 가중치 시각화 ____ 함수형 API ____ 특성 맵 시각화 ____ [문제해결 과정] ____ 시각화로 이해하는 합성곱 신경망 ____ 키워드로 끝내는 핵심 포인트 ____ 핵심 패키지와 함수 ____ 확인 문제 https://colab.research.google.com/github/rickiepark/hg-mldl/blob/master/8-3.ipynb Chapter 09 텍스트를 위한 인공 신경망▶️ 한빛 마켓의 댓글을 분석하라! __ 09-1 순차 데이터와 순환 신경망▶️ 순차 데이터의 특징과 개념 이해하기 ____ 순차 데이터 ____ 순환 신경망 ____ 셀의 가중치와 입출력 ____ [문제해결 과정] 순환 신경망으로 순환 데이터 처리 ____ 키워드로 끝내는 핵심 포인트 ____ 확인 문제 __ 09-2 순환 신경망으로 IMDB 리뷰 분류하기▶️ 텐서플로 순환 신경망으로 영화 리뷰 분류하기 ____ IMDB 리뷰 데이터셋 ____ 순환 신경망 만들기 ____ 순환 신경망 훈련하기 ____ 단어 임베딩을 사용하기 ____ [문제해결 과정] 케라스 API로 순환 신경망 구현 ____ 키워드로 끝내는 핵심 포인트 ____ 핵심 패키지와 함수 ____ 확인 문제 https://colab.research.google.com/github/rickiepark/hg-mldl/blob/master/9-2.ipynb __ 09-3 LSTM과 GRU 셀▶️ 순환 신경망의 중요 기술을 사용해 모델 만들어 보기 ____ LSTM 구조 ____ LSTM 신경망 훈련하기 ____ 순환층에 드롭아웃 적용하기 ____ 2개의 층을 연결하기 ____ GRU 구조 ____ GRU 신경망 훈련하기 ____ [문제해결 과정] LSTM과 GRU 셀로 훈련 ____ 키워드로 끝내는 핵심 포인트 ____ 핵심 패키지와 함수 ____ 확인 문제 https://colab.research.google.com/github/rickiepark/hg-mldl/blob/master/9-3.ipynb
devsunset/machine_deep_learning-study
machine_deep_learning-study - Machine Learning & Deep Learning Tutorials