|
강의계획서 |
|||
|
주차 |
주차명 |
차시명 |
과제 |
|
1 |
인공지능과 머신러닝 소개 |
인공지능과 머신러닝 이해 |
|
|
머신러닝 학습 개념 |
|
||
|
머신러닝 프로세스 및 활용 |
퀴즈(3문제) |
||
|
2 |
Python과 Colab 소개 |
Python 소개 |
|
|
Colab 소개 |
|
||
|
Python & Colab 실습 |
퀴즈(3문제) |
||
|
3 |
Numpy, Pandas, Matplotlib 실습 |
Numpy 실습 |
|
|
Pandas 실습 |
|
||
|
Matplotlib 실습 |
퀴즈(3문제), 리포트 제출 |
||
|
4 |
선형대수학 |
선형대수의 기본 |
|
|
선형시스템 |
|
||
|
고유값과 고유벡터 |
퀴즈(3문제) |
||
|
5 |
통계 기초 |
기초 확률론 |
|
|
확률분포와 중심극한정리 |
|
||
|
가설검정과 회귀모델 |
퀴즈(3문제) |
||
|
6 |
머신러닝 파이프라인 |
머신러닝 파이프라인 소개 |
|
|
탐색적 데이터 분석 |
|
||
|
머신러닝 파이프라인 실습 |
퀴즈(3문제) |
||
|
7 |
기말고사 |
||
이수/평가정보
|
과제명 |
리포트 |
퀴즈 |
기말고사 |
|
반영비율 |
10 % |
30 % |
60 % |
※ 총 60% 이상 점수 획득 시, 이수증을 발급받을 수 있습니다.
수집된 데이터를 가공·분석하여 유의미한 정보를 도출하는 일련의과정이데이터사이언스입니다. 본 강좌는 데이터 사이언스를 이해하기 위한 프로그래밍 언어 및 알고리즘 지식과 수학적 사고능력에대한 기초 과정이며, 특별한 선수 학습 조건은 없습니다.
교재는 PPT로 제공되며, 모든 강의는 자막이 설정되어 있습니다.
내용
