SAS
머신 러닝 자세히 알아보기: 기술적 팁, 요령, 그리고 함정
SAS

머신 러닝 자세히 알아보기: 기술적 팁, 요령, 그리고 함정

Taught in Korean

Course

Gain insight into a topic and learn the fundamentals

Eric Siegel

Instructor: Eric Siegel

Beginner level

Recommended experience

17 hours to complete
3 weeks at 5 hours a week
Flexible schedule
Learn at your own pace

What you'll learn

  • 머신 러닝 응용 분야를 직접 경험해봄으로써, 다양한 기술적 접근 방법을 선택하여 이를 평가합니다.

  • 관리자 또는 경영진에게 필요한 예측 모델을 해석하고, 작동 원리 및 예측 성능을 설명합니다.

  • 머신 러닝에서 가장 일반적인 기술적 함정에 빠지지 않도록 사전에 방지합니다.

  • 보호 계층에 대한 편향이 내재된 예측 모델을 가려냅니다. (AI 윤리)

Details to know

Shareable certificate

Add to your LinkedIn profile

Assessments

44 quizzes

See how employees at top companies are mastering in-demand skills

Placeholder
Placeholder

Earn a career certificate

Add this credential to your LinkedIn profile, resume, or CV

Share it on social media and in your performance review

Placeholder

There are 4 modules in this course

데이터가 클수록 위험한 경우는 언제일까요? 무작위 노이즈의 함정에 빠지지 않고 과학적 발견의 신뢰성을 입증할 수 있는 방법은 무엇일까요? 이번 단원에서는 머신 러닝이 효과적인 성능을 발휘하는 근본적인 방법에는 무엇이 있는지 살펴봅니다. 먼저, 일반적이면서도 골칫거리인 세 가지 함정(과적합, p-해킹, 상관관계만으로 인과관계를 추정하는 오류)을 알아보겠습니다. 그 다음으로는 머신 러닝 기법 설계의 바탕이 되는 기본 원칙을 정립해 보겠습니다.

What's included

10 videos6 readings11 quizzes1 peer review2 discussion prompts

이번 단원에서는 일반적인 머신 러닝 기법 네 가지(의사결정 나무, 나이브 베이즈, 선형 회귀, 로지스틱 회귀)를 다룹니다. 네 가지 기법의 작동 원리를 알아봄과 동시에, 예시 데이터 세트에 대한 각각의 예측 성능을 확인하고, 각 기법의 의사결정 경계 시각화를 통해 기능을 비교 및 대조합니다. 향상도 및 이윤 측면에서 모델을 평가하는 방법과, 모델의 확률 추정치 개선이 중요한 이유를 알 수 있습니다.

What's included

12 videos1 reading11 quizzes1 app item2 discussion prompts

뛰어난 고급 머신 러닝 기법인 딥 러닝을 도입해야 하는 시점과, 딥 러닝의 복합성이 과도해지는 시점은 언제일까요? 신경망이 지닌 복잡성의 영향을 받지 않으면서도, 모델의 기능 및 성능을 단순하면서도 명쾌하게 향상시킬 수 있는 방법은 무엇일까요? 이번 단원에서는 신경망, 딥 러닝, 앙상블 모델 등 고급 모델링 기법을 살펴보겠습니다. 그 다음으로 모든 모델링 기법을 전반적으로 비교 대조하고, 수많은 머신 러닝 소프트웨어 툴 중 자유롭게 사용할 수 있는 툴은 무엇인지를 간략하게 소개해드리겠습니다. 그런 다음, 업리프트 모델링(설득 모델링)이라 불리는 특수한 고급 기법을 다루며, 결과를 예측하는 것을 넘어 의사결정이 결과에 미치는 영향을 예측해 봅니다. 이러한 업리프트 모델링을 적용한 마케팅과, US Bank 및 Obama 대통령의 2012년 재선 운동 등의 성공 사례를 살펴보겠습니다.

What's included

16 videos2 readings14 quizzes1 app item2 discussion prompts

범죄예측모델은 스스로 인종적 형평성을 판단하여 실현하지 못합니다. 어떤 의미에서는 인종적 형평성을 갖춘 모델이 다른 의미에서는 그렇지 않다는 것이 밝혀졌습니다. 이를 머신 러닝 편향이라 합니다. 대출 승인, 보험 책정, 인사 결정, 그리고 의료 현장에서의 중증도 분류 등 예측 모델을 통해 의사결정이 이루어지는 상황에서도 이러한 딜레마가 발생하고 있습니다. 이번 단원에서는 머신 러닝 편향으로 인해 발생하는 난제와 더불어, 이에 대한 해결책으로 고려할 수 있는 내용을 심층적으로 살펴봅니다. 또한, 이에 관련하여 모델 투명성, 설명 가능한 머신 러닝, 설명 요구권 등을 지지하는 최근의 흐름에 대해서도 살펴보겠습니다. 마지막으로는 윤리적 문제, 기술적 함정, 그리고 여러분이 머신 러닝 분야에서 배움과 경력을 쭉 이어나가기 위해 선택할 수 있는 것들을 요약하며, 세 강좌짜리 전문 과정을 마치고자 합니다.

What's included

7 videos8 readings8 quizzes2 discussion prompts

Instructor

Eric Siegel
SAS
5 Courses16,009 learners

Offered by

SAS

Recommended if you're interested in Machine Learning

Why people choose Coursera for their career

Felipe M.
Learner since 2018
"To be able to take courses at my own pace and rhythm has been an amazing experience. I can learn whenever it fits my schedule and mood."
Jennifer J.
Learner since 2020
"I directly applied the concepts and skills I learned from my courses to an exciting new project at work."
Larry W.
Learner since 2021
"When I need courses on topics that my university doesn't offer, Coursera is one of the best places to go."
Chaitanya A.
"Learning isn't just about being better at your job: it's so much more than that. Coursera allows me to learn without limits."

New to Machine Learning? Start here.

Placeholder

Open new doors with Coursera Plus

Unlimited access to 7,000+ world-class courses, hands-on projects, and job-ready certificate programs - all included in your subscription

Advance your career with an online degree

Earn a degree from world-class universities - 100% online

Join over 3,400 global companies that choose Coursera for Business

Upskill your employees to excel in the digital economy

Frequently asked questions