강좌소개
데이터 기반 문제 해결을 위해 지식발견 머신러닝의 이론과 실제 데이터 분석 모델을 살펴볼 수 있다.
강좌 상세페이지 배경
-
KnowledgeDiscovery&MachineLearning Ongoing Certificate
-
KnowledgeDiscovery&MachineLearning
-
Field Engineering (Computers & Communication)
Operating Institute Operating Institute KONKUK UNIVERSITY GLOCAL CAMPUS Go to the operating agency Opens new window
Week Week 16 Week
Course Registration Period Course Registration Period 26.08.24 ~ 26.11.20
Phone Number Phone Number 043-840-3598
Course Satisfaction 4.6
-
Difficulty Difficulty -
Certificate Certificate Issuance
Learning recognition time Learning recognition time 48Hour 20Minute (18Hour 14Minute)
Course Duration Course Duration 26.08.24 ~ 26.12.18
Subtitle language 한국어 Others 1ea Subtitle language
Course language 한국어(ko)
-
List of participating institutions
Course Introduction
학습목표
데이터 기반 문제 해결을 위해 지식발견 과정과 머신러닝의 이론 및 알고리즘을 이해하고, 다양한 실제 데이터를 분석하여 적절한 모델을 선택·평가·적용할 수 있는 능력을 기르는 것을 목표로 합니다.
강좌 운영일정
- 수강 신청 기간 : 2026년 8월 24일(월) - 11월 20일(금)
- 강좌 운영 기간 : 2026년 8월 24일(월) - 12월 18일(금)
이수 및 평가기준
- 중간 40점, 기말 40점, 퀴즈 20점(60점이상 충족 시 이수증 발급)
Syllabus
주차 | 주차명(주제) | 차시 | 차시명(학습내용) | 평가방법 |
1 | 개요 | 1 | 지식발견(KDD) 프로세스 소개 |
|
2 | 머신러닝이란 무엇인가 |
| ||
3 | 머신러닝과 KDD의 관계 및 응용 사례 |
| ||
2 | 데이터 분비 | 1 | 데이터 유형과 특성 |
|
2 | 결측지, 이상치 처리 |
| ||
3 | 정규화 및 표준화 |
| ||
3 | 특성과 차원 | 1 | 특성 선택(Feature Selection) |
|
2 | 특성 추출(Feature Extraction) |
| ||
3 | 차원 축소 기법(PCA, t-SNE 등) |
| ||
4 | 지도학습 개념 | 1 | 지도학습과 비지도학습의 비교 |
|
2 | 데이터 분할: 학습, 검증, 테스트 |
| ||
3 | 성능 평가 지표(정확도, 정밀도 등) |
| ||
5 | 결정트리와 k-NN | 1 | 결정트리 개념과 가지치기 |
|
2 | k-최근접 이웃 알고리즘 |
| ||
3 | 간단한 분류 실습 |
| ||
6 | SVM과 베이즈 | 1 | 서포트 벡터 머신(SVM) |
|
2 | 나이브 베이즈 분류기 |
| ||
3 | 분류기 성능 비교 |
| ||
7 | 앙상블 학습 | 1 | 배깅과 부스팅 |
|
2 | 랜덤 포레스트 |
| ||
3 | 그래디언트 부스팅(XGBoost 등) |
| ||
8 | 중간 | |||
9 | 회귀 분석 | 1 | 선형 회귀와 다항 회귀 |
|
2 | 정규화 회귀(Ridge, Lasso) |
| ||
3 | 회귀 성능 평가 |
| ||
10 | 군집화 기법 | 1 | K-평균 군집화 |
|
2 | 계층적 군집화 |
| ||
3 | DBSCAN과 밀도 기반 군집화 |
| ||
11 | 연관 규칙 | 1 | 연관 규칙과 지지도/신뢰도 |
|
2 | Apriori 알고리즘 |
| ||
3 | FP-Growth 알고리즘 |
| ||
12 | 추천 시스템 | 1 | 콘텐츠 기반 추천 |
|
2 | 협업 필터링 |
| ||
3 | 추천 시스템 평가 |
| ||
13 | 딥러닝 기초 | 1 | 신경망(ANN) 구조 |
|
2 | 역전파와 최적화 |
| ||
3 | 머신러닝과 딥러닝 비교 |
| ||
14 | 모델 성능 향상 | 1 | 교차 검증과 오버피팅 |
|
2 | 하이퍼파라미터 튜닝 |
| ||
3 | 앙상블 기법 적용 |
| ||
15 | 응용과 윤리 | 1 | 머신러닝 실제 응용 사례 |
|
2 | 알고리즘의 공정성과 편향 |
| ||
3 | AI 윤리와 개인정보 보호 |
| ||
16 | 기말 | |||
Preview
Course Operators
-
-
이메일: tlsdudku@kku.ac.kr
Other / Inquiries
kmooc@kku.ac.kr
Field Engineering (Computers & Communication)
Difficulty Difficulty -
Operating Institute KONKUK UNIVERSITY GLOCAL CAMPUS Go to the operating agencyOpens new window
Certificate Certificate Issuance
Week Week 16 Week
Learning recognition time Learning recognition time 48Hour 20Minute (18Hour 14Minute)
Course Registration Period Course Registration Period 26.08.24 ~ 26.11.20
Course Duration Course Duration 26.08.24 ~ 26.12.18
Phone Number Phone Number 043-840-3598
Subtitle language 한국어 Others 1ea Subtitle language
Course language 한국어(ko)