Skip To Contents

My Page

List of Recent Courses

Only active enrolled courses shown.

※ Shows 10 recent courses.

K-MOOC
K-MOOC CB Course

There are no courses currently in progress.

Go to Course Registration →

There are no courses currently in progress.

Go to Course Registration →
한국어
  • 한국어
  • ENGLISH
Discover Courses
Recommended Courses
      Multilingual settings

      Course Introduction
      강좌소개
      • 이 강좌는 기계학습(Machine Learning)의 기초 개념과 전반적인 이해를 제공하며, 분류(Classification)와 회귀(Regression) 알고리즘을 중심으로 학습합니다. 다양한 응용 사례를 통해 실무에서 활용 가능한 역량을 키울 수 있도록 구성되어 있습니다. 또한, 데이터 기반 문제 해결을 위한 모델링, 최적화, 평가 방법 등을 다루며, AI 분야에서 기계학습을 효과적으로 적용할 수 있도록 돕습니다.
      학습목표
      • 기계학습의 기본 개념과 원리를 이해하고 활용할 수 있다.
      • 데이터에서 패턴을 추출하고 모델을 구축하는 과정을 익힌다.
      • 분류 및 회귀 알고리즘의 동작 원리를 학습하고 실습을 통해 적용한다.
      • 모델 최적화 및 평가 기법을 익혀 실전 문제 해결 능력을 기른다.
      • 기계학습을 활용한 AI 분야의 다양한 응용 사례를 탐구한다.
      강좌 운영일정
      • 수강신청기간 : 2025-07-01  ~  2025-07-14
      • 강좌운영기간 : 2025-07-15  ~  2025-09-03
      이수 및 평가기준
      • 이수: 총 100점 중 60점 이상 충족 시 이수증 발급

      • 과제(20%): AI 주요기법의 강의를 학습한 후, 주요기법 별로 과제를 제시

      • 출석(10%): 30점 만점 지각: 1점 감정, 결석: 2점 감정

      • 프로젝트(20%): 강좌내 기계학습을 현장에서 필요한 실제 문제에 적용하고 그 결과를 제출

      • 시험(2회/50%): 중간고사(8주차), 기말고사(15주차)
      Syllabus

      주차

      주차명(주제)

      차시

      차시명(학습내용)

      평가방법

      1

      강의 및 기계학습 소개

      1

      강의소개

       

      2

      데이터마이닝(연관 & 순차패턴)

       

      3

      기계학습개요

       

      2

      사이킷런과 모델평가

      1

      사이킷런 소개

       

      2

      타이타닉사례

       

      3

      모델평가

      과제

      3

      통계분석과 상관분석

      1

      통계분석-확률과 확률변수

       

      2

      통계분석-검정과 추정

       

      3

      상관분석

      과제

      4

      회귀분석-단순, 다중

      1

      회귀분석-단순회귀분석1

       

      2

      회귀분석-단순회귀분석2

       

      3

      회귀분석-다중회귀분석

      과제

      5

      회귀분석-릿지, 라쏘, 엘라스틱넷

      1

      경사하강법

       

      2

      회귀분석-규제 선형모델(릿지, 라쏘, 엘라스틱넷)

       

      3

      회귀분석-데이터변환, 회귀평가지표, 프로그램

      과제

      6

      시계열 분석

      1

      시계열 1

       

      2

      시계열 2

       

      3

      시계열 3

      과제

      7

      분류_로지스틱회귀, 최근접이웃, 나이브베이즈

      1

      로지스틱 회귀

       

      2

      분류개요, 최근접 이웃

       

      3

      나이브 베이즈

      과제

      8

      중간고사

      9

      분류-서포트벡터머신

      1

      서포트벡터머신 개요

       

      2

      서포트벡터머신 알고리즘

       

      3

      서포트벡터머신 커널

      과제

      10

      분류_의사결정트리

       

      1

      의사결정트리-개요, 엔트로피, 지니계수

       

      2

      의사결정트리-정보이득, ID3 알고리즘

       

      3

      의사결정트리-C4.5 & CART 알고리즘

      과제

      11

      앙상블_보팅 & 배깅 & 부스팅

      1

      의사결정트리_프로그램 & 시각화

       

      2

      앙상블_보팅 & 배깅

       

      3

      앙상블_부스팅 (Adaboost)

      과제

      12

      앙상블-GBM(회귀, 분류)

      1

      앙상블_GBM(regression)

       

      2

      앙상블_GBM(classificaiotn)

       

      3

      앙상블_XGBoost(regression)

      과제

      13

      앙상블-XGBoost & lightGBM & catboost

      1

      앙상블_XGBoost(classification)

       

      2

      앙상블_LightGBM

       

       

      3

      앙상블_catboost

       

      14

      언더/오버 샘플링 & 스태킹 & 차원축소

      1

      언더 & 오버 샘플링

       

      2

      앙상블-스태킹

       

      3

      차원축소

       

      15

      기말고사

      Preview
      Course Operators
      • 안녕하세요.

        전주대학교 인공지능학과 교수 권수태입니다.

      • 안녕하세요.

        AI 기계학습 수업조교입니다.

      FAQ

      Q 질의응답 게시판 활용방법

      A 질문 등록: 궁금한 점을 질의응답 게시판에 구체적으로 작성합니다.
      검색 활용: 기존에 비슷한 질문이 있는지 검색 후 새로운 질문을 등록합니다.
      답변 확인 및 추가 질문: 받은 답변을 확인하고 추가 질문이 있으면 댓글로 이어갑니다.

      Q 참여시 유의사항

      A 예의와 존중: 모든 게시글과 댓글은 서로 존중하는 태도로 작성합니다.
      명확한 표현: 질문과 답변은 간결하고 이해하기 쉽게 작성합니다.
      부적절한 내용 금지: 광고, 비방, 욕설 등 부적절한 게시글을 올리지 않습니다.

      Q 질문에대한피드백시점

      A 질문 등록 후 24시간 이내에 답변이 달릴 수 있도록 운영됩니다.
      복잡한 질문이나 추가 검토가 필요한 경우, 최대 48시간이 소요될 수 있습니다.
      질문에 대한 추가 설명이 필요한 경우, 게시판을 통해 요청할 수 있습니다.

      Q 토론참여방법

      A 특정 주제에 대해 토론방에서 자유롭게 의견을 나누는 공간을 개설할 수 있습니다.
      논리적인 근거를 바탕으로 다양한 시각을 공유하기 위함이니 상대방의 의견을 존중하며 비방이나 인신공격은 삼갑니다.
      토론이 과열될 경우, 관리자가 개입할 수 있습니다.

      Q 평가기준

      A 과제(20%): AI 주요기법의 강의를 학습한 후, 주요기법 별로 과제를 제시
      출석(10%): 30점 만점 지각: 1점 감정, 결석: 2점 감정
      프로젝트(20%): 강좌내 기계학습을 현장에서 필요한 실제 문제에 적용하고 그 결과를 제출
      시험(2회/50%): 중간고사(8주차), 기말고사(15주차)

      Q 과제제출방법 및 유의사항

      A 제출 기한 확인: 공지된 마감일을 준수합니다.
      파일 형식: PDF, Word, PPT 등 지정된 형식으로 제출합니다.
      제출 경로: 지정된 게시판 혹은 온라인 플랫폼을 통해 업로드합니다.
      제출 완료 확인: 업로드 후 정상적으로 제출되었는지 확인합니다.
      마감 이후 제출 불가: 특별한 사유 없이 기한을 넘긴 제출물은 인정되지 않습니다.

      Other / Inquiries
      063-220-4703

      Field Engineering (Computers & Communication)

      Difficulty advanced

      Operating Institute Jeonju University

      Certificate Unissued

      Week 15 Week

      Learning recognition time 19Hour 00Minute (19Hour 27Minute)

      Course Registration Period 26.06.29 ~ 26.08.10

      Course Duration 26.06.29 ~ 26.08.17

      Phone Number 063-220-2590

      Subtitle language 한국어

      Course language 한국어(ko)

      Recommended Courses
      Same institution course