1강 |
머신러닝 개요와 데이터전처리 |
11강 |
Word2Vec |
2강 |
의사결정트리(Decision Tree) |
12강 |
토픽 모델링(Topic Modeling) |
3강 |
회귀분석(Regression Analysis) |
13강 |
랜덤 포레스트(Random Forest)와 에이다부스트(AdaBoost) |
4강 |
군집분석(Clustering Analysis) |
14강 |
소셜 네트워크 분석(Social Network Analysis) |
5강 |
KNN(K-Nearest Neighbor) |
15강 |
랜덤 포레스트, 나이브 베이즈, Tf-Idf, Word2Vec |
6강 |
나이브 베이즈(Naive Bayes) |
16강 |
유전자 알고리즘(Genetic Algorithm) |
7강 |
SVM(Support Vector Machine) |
17강 |
연관규칙분석(Association Rule Analysis) |
8강 |
텍스트 마이닝(Text mining) |
18강 |
로지스틱 회귀분석(Logistic Regression Analysis) |
9강 |
주성분 분석(PCA)과 밀도기반 군집분석(DBSCAN) |
19강 |
시계열분석(Time Series Analysis) |
10강 |
신경망(Neural Network) |
20강 |
모델 평가 방법 및 심화 이론 |