|
데이터 분석·머신러닝 모델링 역량 강화를 위해 기존
‘AI·머신러닝 모델링’ 교육을 개편하여
‘AI·머신러닝 모델링과 MLOps with Python’
과정을 개설합니다. 🌟
본 과정은 대표 알고리즘의 전제, 학습 구조, 해석 포인트를 중심으로 이론을 정리하고, 구현 실습과 활용 관점까지 한 흐름으로 연결해 학습하도록 구성했습니다.
1일차는 모델링의 표준 절차(문제정의–데이터 준비–학습–평가)를 정리하고, 다양한 분야에서 널리 활용되는 알고리즘을 다룹니다.
의사결정나무와 이를 확장한 앙상블, 딥러닝의 근간이 되는 신경망, 추천·유사도 기반 문제에 활용되는 최근접 이웃/협업필터링 접근을 통해 각 방법의 특징과 적용 맥락을 이해합니다.
2일차는 하나의 문제 시나리오를 바탕으로 EDA–전처리–피처 설계–모델링–평가 과정을 끝까지 수행합니다.
이 과정에서 데이터 품질 이슈와 적용 시 유의사항(누수, 불균형, 과적합, 지표 선택 등)을 함께 점검하고, 재현성/실험관리와 간단한 추론(서빙) 데모를 통해 운영 단계의 피드백을 고려한 전체 절차를 안내합니다.
본 교육을 통해 데이터 기반 문제 해결 역량을 한 단계 강화하는 기회가 되시기를 바랍니다.
|