컨텐츠 내용
- 수강신청
- 과정정보
[HMG DA 프로젝트] 머신러닝 기초 이론: 모델 평가 및 검증
학습목표
머신러닝 모델의 예측 성능을 다양한 평가 지표를 통해 분석하고, 교차검증 및 오차 분석을 활용하여 모델의 신뢰성과 일반화 성능을 검토할 수 있는 능력을 함양한다.
※ 본 과정은 통합 패키지가 아닌 개별 과정입니다.
전체 과정 패키지 수강을 희망하시는 경우 '[HMG DA 프로젝트] 통합 패키지' 과정을 신청하여주시기 바랍니다.
※ 본 과정은 통합 패키지가 아닌 개별 과정입니다.
전체 과정 패키지 수강을 희망하시는 경우 '[HMG DA 프로젝트] 통합 패키지' 과정을 신청하여주시기 바랍니다.
교육대상
머신러닝의 평가지표와 평가를 위한 metric 종류 및 이론에 대해 기초부터 학습하고 싶으신 분
※ 본 과정 수강을 위해서는 통계 및 데이터 분석에 대한 초급 수준의 사전 지식이 필요합니다.
※ 'HMG Data Analytics 프로젝트' → 'HMG Data Science 프로젝트' 연계 수강을 추천합니다.
※ 본 과정 수강을 위해서는 통계 및 데이터 분석에 대한 초급 수준의 사전 지식이 필요합니다.
※ 'HMG Data Analytics 프로젝트' → 'HMG Data Science 프로젝트' 연계 수강을 추천합니다.
과정소개
수료기준
| 평가기준 | 총점 |
|---|---|
| 배점 | 100점 |
| 수료기준 | 60점 |
※ 수료기준은 각 평가항목의 점수가 수료기준 점수 이상이고 총점이 60점 이상이어야 합니다.
| 차시 | 강의명 |
|---|---|
| 1차시 | 모델 검증의 목적 |
| 2차시 | 기본적인 평가 측정 |
| 3차시 | 하이퍼파라미터 튜닝 |
| 4차시 | 분류를 위한 평가지표 |
| 5차시 | 회귀를 위한 평가지표 |
| 6차시 | 랭킹을 위한 평가지표 |
