Machine Learning

여기서 공부하고 정리한 내용들은 모두 아래 책을 기반으로 했다. ( 2021.12.25 )

목차

1.

파이썬 기반의 머신러닝과 생태계 이해

파이썬과 머신러닝 개념

넘파이(NumPy)

데이터 핸들링-판다스

데이터 가져오기

데이터 저장하기

데이터 전처리

2.

사이킷런으로 시작하는 머신러닝

파이프라인 활용하기

사이킷런 소개와 특징 + 첫번째 머신러닝

사이킷런의 기반 프레임워크 익히기

Model Selection 모듈 소개

사이킷런으로 수행하는 타이타닉 생존자 예측

3.

평가(분류)

정확도(accuracy)

정밀도와 재현율

ROC 곡선과 AUC

피마 인디언 당뇨병 예측

4.

전처리

피처 선택(Feature Selection)

5.

분류 모델(지도)

분류의 개요

앙상블(Ensemble)

앙상블 - Voting

앙상블 - Stacking

GBM (Gradient Boosting Machine)

부스팅 - XGBoost

부스팅 - LightGBM

부스팅 - Adaboost

Bagging - RandomForest

Bagging - ExtraTrees

Logistic Regression

분류 실습-캐글 산탄데르 고객 만족 예측

분류 실습 - 캐글 신용카드 사기 검출

이미지 분류

6.

회귀 모델(지도)

회귀에 대해서

7.

비지도

8.

딥러닝

시계열 데이터 분석

7.

추천시스템

GNN(Graph Neural Network)

콘텐츠 기반 필터링

협업 필터링(1992. Collaborative Filtering)

고객 기반 추천 알고리즘

지식 기반 추천알고리즘

유사도 계산

하이브리드

8.

튜닝 및 최적화

하이퍼파라미터 튜닝

최적 하이퍼파라미터 탐색

11.

그외

•

시각화

알고 있으면 좋을 tip

12.

테크 블로그 공부하기

광고 최적화 모델 - 인과 추론 모델

광고 최적화 모델 - 멀티 터치 어트리뷰션 모델(MTA)

광고 최적화 모델 - 미디어 믹스 모델링(MMM) 최적화

광고 최적화 모델 - 강화학습

13.

NLP

고객 니즈가 보이는 데이터 분석 with 파이썬