Machine Learning with MATLAB
일정 보기 및 등록교육과정 세부 정보
본 2일 교육과정은 MATLAB®에서 Statistics and Machine Learning Toolbox™ 및 Deep Learning Toolbox™ 내의 함수를 사용한 데이터 분석 및 기계 학습 기술에 대하여 집중적으로 다룹니다. 본 교육과정에서는 대용량 데이터에서 피쳐(feature)를 찾아내는 비지도(unsupervised) 학습과 예측 모델(predictive model)을 구축하기 위한 지도(supervised) 학습에 대해 설명합니다. 예제와 연습문제를 통해 결과의 시각화 및 평가 기술에 대해 중점적으로 다룹니다. 본 과정의 주요 내용은 다음과 같습니다.
- 데이터 구성과 전처리
- 데이터 군집화
- 구분기 및 회귀분석 모델 생성
- 모델 해석 및 평가
- 데이터 차원 축소
- Ensembles 이용한 모델의 성능 개선
Day 1 of 2
데이터 가져오기 및 정리하기
Objective:데이터를 MATLAB으로 가져와서 데이터 정규화 및 누락값이 있는 관측값 제거를 비롯하여 분석을 위해 구성합니다.
- 데이터형
- table형
- 데이터 준비
데이터에서 자연 패턴 찾기
Objective:비지도 학습 기법을 사용하여, 설명 변수 세트를 기반으로 관측값을 그룹화하고 데이터 세트에서 자연 패턴을 찾습니다.
- 비지도 학습
- 군집 방법
- 군집 평가 및 해석
분류 모델 구축
Objective:지도 학습 기법을 사용하여 분류 문제에 대해 예측 모델링을 수행합니다. 예측 모델의 정확도를 평가합니다.
- 지도 학습
- 훈련 및 검증
- 분류 방법
Day 2 of 2
예측 모델 개선
- 교차 검증
- 하이퍼파라미터 최적화
- 특징 변환
- 특징 선택
- 앙상블 학습
회귀 모델 구축
Objective:지도 학습 기법을 사용하여 연속 응답 변수에 대해 예측 모델링을 수행합니다.
- 모수적 회귀 방법
- 비모수적 회귀 방법
- 회귀 모델 실행
신경망 생성
Objective:군집과 예측 모델링에 사용할 신경망을 만들고 훈련시킵니다. 성능 개선을 위해 신경망 아키텍쳐를 조정합니다.
- 자기 조직화 맵을 사용한 군집
- 피드포워드 신경망을 사용한 분류
- 피드포워드 신경망을 사용한 회귀