인공지능을 위한 머신러닝 알고리즘 2강 선형 회귀 모델 | T아카데미

T아카데미 인공지능을 위한 머신러닝 알고리즘 강의입니다. 1강 머신러닝 개요 2강 선형 회귀 모델 선형 회귀 모델 파라미터 예측: 최소 제곱 방법 선형 회귀 모델로는 안 풀리는 문제들 3강 로지스틱 회귀 모델 4강 결정 트리 5강 서포트 벡터 머신 6강 신경망 7강 역전파 8강 비지도 학습 9강 컨볼루션 신경망 10강 재현 신경망 11강 메모리 네트워크 12강 딥러닝 응용사례 13강 Weka를 이용한 머신러닝 실습 14강 Theano를 통한 머신러닝 구현 15강 Keras를 통한 딥러닝 구현 및 실습 이 밖에 다양한 IT 강좌를 T아카데미 홈페이지(tacademy.sktechx.com) 및 유투브 채널 (Sktechx Tacademy)에서 만나보실 수 있습니다. T아카데미 온라인 강의 - 인공지능을 위한 머신러닝 알고리즘 https://tacademy.sktechx.com [과정 소개] 인공지능에 관심이 있는 사람들에게 머신러닝 알고리즘의 개념과 원리를 설명합니다. 특히 머신러닝과 딥러닝 분야의 개발자에게 쉽게 설명된 핵심 이론과 함께 적용사례별 간단한 알고리즘 등을 보여주고 구현방법을 소개합니다. 강의에서는 지도학습과 비지도학습의 머신러닝 알고리즘을 다루며, 지도학습 알고리즘으로는 linear/logistic regression, 서포트 벡터 머신, 의사결정 트리, 신경망, CNN, RNN을, 비지도학습 알고리즘으로는 K-MEANS, DBSCAN 등을 살펴봅니다. [학습 대상] 인공지능에 관심이 있고 프로그래밍에 대한 기초 지식이 있는 자