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
  1. CHAPTER 01

    쉽게 배우는 Python 알고리즘 입문

    • 01 Python 알고리즘 학습을 위한 개발 환경 구축
    • 02 알고리즘(Algorithm)과 절차 지향 프로그래밍 강의 소개
    • 03 학습할 알고리즘 리스트 및 강의 소스 다운로드 등 소개
    • 04 합계 알고리즘(Sum Algorithm)
    • 05 Visual Studio의 디버거 기능을 사용하여 알고리즘 소스를 분석하면서 학습하기
    • 06 등차수열(Arithmetic Sequence)_연속하는 두 수의 차이가 일정한 수열
    • 07 개수 알고리즘(Count Algorithm)
    • 08 평균 알고리즘(Average Algorithm)
    • 09 최댓값 알고리즘(Max Algorithm)
    • 10 최솟값 알고리즘(Min Algorithm)
    • 11 근삿값 알고리즘(Near Algorithm)
    • 12 순위 알고리즘(Rank Algorithm)
    • 13 선택 정렬 알고리즘 소개_프로그래밍 공통 이론
    • 14 \정렬 알고리즘(Sort Algorithm)
    • 15 검색 알고리즘 소개 및 이진 검색 알고리즘 설명
    • 16 검색 알고리즘(Search Algorithm)
    • 17 병합 알고리즘 이론적인 설명을 의사 코드로 진행
    • 18 병합 알고리즘(Merge Algorithm)
    • 19 최빈값 알고리즘 이론적인 설명을 의사 코드로 진행
    • 20 최빈값 알고리즘(Mode Algorithm)
    • 21 그룹 알고리즘 이론적인 설명을 의사 코드로 진행
    • 22 그룹 알고리즘(Group Algorithm)
Python 프로그래밍 기초 펼치기
  1. CHAPTER 01

    파이썬 프로그래밍 기초 - Part.1

    • 01 Python 개요
    • 02 Python 설치하기
    • 03 파이썬 프로그래밍을 위한 에디트 플러스 설정하기
    • 04 자료형 : 숫자형, 숫자연산, 문자열
    • 05 자료형 : 문자열 연산, 인덱싱 슬라이싱
    • 06 자료형 : 문자열 포맷팅, 포맷코드의 기능
    • 07 자료형 : 리스트, 리스트의 연산, 인덱싱, 슬라이싱
    • 08 자료형 : 튜플, 불린
    • 09 변수의 이해
    • 10 제어문 : If문
    • 11 제어문 : While문
    • 12 제어문 : For문
    • 13 제어문 : For문 심화
    • 14 함수의 의미와 문자열 함수 Format()
    • 15 문자열 나누기, 바꾸기, 길이 구하기, 문자 위치 찾기, 공백 지우기
    • 16 리스트 관련 함수
    • 17 사용자 정의 함수 Ⅰ
    • 18 사용자 정의 함수 Ⅱ
    • 19 변수의 스코프(Scope)
    • 20 Input함수, Print함수
    • 21 파일 입출력하기 Ⅰ
    • 22 파일 입출력하기 Ⅱ
    • 23 딕셔너리의 개념
    • 24 딕셔너리 관련 함수
    • 25 집합(set)의 개념 및 관련 함수
  2. CHAPTER 02

    파이썬 프로그래밍 기초 - Part.2

    • 01 객체지향 프로그래밍의 이해
    • 02 클래스, 객체, 인스턴스 이해하기
    • 03 클래스의 구성, Self 개념, 객체화/ 인스턴스화
    • 04 Init 메소드, 클래스변수, 객체변수
    • 05 클래스변수, 객체변수, 클래스 메소드
    • 06 상속(Inheritance)
    • 07 모듈(Module)
    • 08 모듈 만들어서 불러오기, From ~ import 구문
    • 09 모듈의 name 속성, 바이트코드 .pyc
    • 10 클래스, 변수, 함수를 포함하는 모듈, 패키지의 개념, dir()
    • 11 패키지 만들어보기, __init__.py파일의 의미, PYTHONPATH 설정하기
    • 12 다른 패키지에 있는 모듈 불러오기, relative접근자, __all__ 변수
    • 13 예외 처리 개념
    • 14 예외 처리 else절, 에러 피하기, 에러 발생시키기
    • 15 사용자 정의 예외 처리하기
    • 16 파이썬 2.7버전과 파이썬 3.x버전의 차이점
    • 17 입출력 및 자료형 관련 함수들
    • 18 열거형의 정보를 얻는 함수
    • 19 산술/논리 연산에 관련된 함수들
    • 20 라이브러리 개념 및 필수 라이브러리, sys모듈
    • 21 Pickle모듈 사용하기
    • 22 os모듈, shutil모듈, glob모듈 사용하기
    • 23 r, w, a, b 모드에 대한 정리 및 tempFile 모듈의 이해
    • 24 time 모듈, 형식지정자 정리
    • 25 calendar 및 random 모듈의 유용한 함수
Machine Learning 원리 및 이론 펼치기
  1. CHAPTER 01

    Machine Learning 원리 및 이론

    • 01 머신러닝 개념 및 정의
    • 02 머신러닝 용어 및 라이브러리 정리
    • 03 선형 회귀 모델
    • 04 다중 선형 회귀
    • 05 선형 회귀 모델 구현 / Colab 설명
    • 06 로지스틱 회귀 모델
    • 07 로지스틱 회귀 모델 구현
    • 08 의사 결정 나무
    • 09 의사 결정 나무 구현
    • 10 랜덤 포레스트
    • 11 랜덤 포레스트 구현
    • 12 KNN
    • 13 KNN 구현
    • 14 Train Valid Test 데이터 나누기
    • 15 데이터 전처리
    • 16 최종 실습 - 타이타닉
    • 17 최종 실습 - 타이타닉2
    • 18 최종 실습 - 타이타닉3
Machine Learning 기초 펼치기
  1. CHAPTER 01

    Machine Learning 기초

    • 01 NumPy 사용법 Ⅰ
    • 02 NumPy 사용법 Ⅱ
    • 03 NumPy 사용법 Ⅲ
    • 04 NumPy 사용법 Ⅳ
    • 05 NumPy 사용법 Ⅴ
    • 06 Pandas 사용법 Ⅰ - Series
    • 07 Pandas 사용법 Ⅱ - 데이터프레임
    • 08 Pandas 사용법 Ⅲ - 색인 개체
    • 09 Pandas 사용법 Ⅳ - 재색인
    • 10 Pandas 사용법 Ⅴ - 색인, 선택
    • 11 Pandas 사용법 Ⅵ - 색인, 선택
    • 12 Pandas 사용법 Ⅶ - 연산
    • 13 Pandas 사용법 Ⅷ - DataFrame과 Series간의 연산
    • 14 Pandas 사용법 Ⅸ - 함수적용 및 매핑
    • 15 Pandas 사용법 Ⅹ - 정렬 순위
    • 16 Pandas 사용법 ⅩⅠ - 기술 통계 메서드
    • 17 Pandas 사용법 ⅩⅡ - 기술 통계 메서드
    • 18 Pandas 사용법 ⅩⅢ - 기술 통계 메서드
    • 19 Pandas 사용법 ⅩⅣ - 다중색인
    • 20 Pandas 사용법 ⅩⅤ - 다중색인
파이썬을 활용한 머신러닝&딥러닝 입문 펼치기
  1. CHAPTER 01

    파이썬을 활용한 머신러닝

    • 01 인공지능과 머신러닝
    • 02 머신러닝 알고리즘
    • 03 머신러닝의 예
    • 04 머신러닝의 구성요소
    • 05 Scikit-learn 소개
    • 06 XOR 연산 학습 Ⅰ
    • 07 XOR 연산 학습 Ⅱ
    • 08 XOR 연산 학습 Ⅲ
    • 09 Scipy Ⅰ
    • 10 Scipy Ⅱ
    • 11 Matplotlib
    • 12 Scikit-learn의 데이터셋 소개
    • 13 Train데이터와 Test데이터 분리하기
    • 14 붓꽃 품종 분류기 Ⅰ
    • 15 붓꽃 품종 분류기 Ⅱ
    • 16 붓꽃 품종 분류기 Ⅲ
    • 17 붓꽃 품종 분류기 Ⅳ
    • 18 SVM 알고리즘 Ⅰ
    • 19 SVM 알고리즘 Ⅱ
  2. CHAPTER 02

    파이썬을 활용한 딥러닝

    • 01 딥러닝 소개
    • 02 퍼셉트론 Ⅰ
    • 03 퍼셉트론 Ⅱ
    • 04 퍼셉트론 Ⅲ
    • 05 퍼셉트론 Ⅳ
    • 06 신경망 Ⅰ
    • 07 신경망 Ⅱ
    • 08 신경망 Ⅲ
    • 09 신경망 Ⅳ
    • 10 신경망 Ⅴ
    • 11 신경망 Ⅵ
    • 12 신경망 Ⅶ
    • 13 신경망 Ⅷ
    • 14 신경망 Ⅸ
    • 15 신경망 Ⅹ
    • 16 TensorFlow 사용하기 Ⅰ
    • 17 TensorFlow 사용하기 Ⅱ
    • 18 TensorFlow 사용하기 Ⅲ
    • 19 TensorFlow 사용하기 Ⅳ
자연어처리 기반 챗봇 구현 펼치기
  1. 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
  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.

함께 수강하면 좋은 강의

함께 수강하면 좋은 강의 내역이 없습니다.