AI 머신러닝 풀스택 웹 서비스 개발 VOL2


1장 머신러닝 개발 환경 및 모델 개요
1.1 머신러닝 개발 환경 개요
1.2 개발 환경 구축
1.3 머신러닝 프로젝트
1.4 머신러닝 웹 서비스 개발


2장 나이브 베이즈 (Naive Bayes) 확률 기반 텍스트 분류 시스템
2.1 기본 개념과 모델 이해
2.2 Python 실습 — Scikit-learn 활용
2.3 실전 데이터셋 — 스팸 메일 분류
2.4 PostgreSQL 연동 — 사용자 메시지 분석 시스템
2.5 FastAPI 서비스 — 실시간 텍스트 분류 API


3장 주성분 분석 (PCA, Principal Component Analysis) 데이터 축소 시스템
3.1 기본 개념과 모델 이해
3.2 Python 실습 — Scikit-learn PCA 구현
3.3 실전 데이터셋 — 고객 데이터 차원 축소 분석
3.4 PostgreSQL 연동 — 데이터 축소 및 저장 시스템
3.5 FastAPI 서비스 — 데이터 시각화 및 분석 API


4장 협업 필터링(Collaborative Filtering) 기반 영화 추천 시스템
4.1 기본 개념과 모델 이해
4.2 Python 실습 — Surprise 라이브러리 활용
4.3 실전 데이터셋 — MovieLens 영화 추천
4.4 PostgreSQL 연동 — 영화 추천 시스템
4.5 FastAPI 서비스 — 사용자 맞춤 영화 추천


5장 XGBoost/LightGBM 기반 Gradient Boosting 고객 구매/행동 예측 시스템
5.1 기본 개념과 모델 이해
5.2 Python 실습 — XGBoost / LightGBM 모델 구현
5.3 실전 데이터셋 기반 프로젝트
5.4 PostgreSQL 연동 — 고객 구매 예측 시스템
5.5 FastAPI 서비스 — 고객 행동 예측 대시보드


6장 연관 규칙 학습 — 장바구니 분석
6.1 기본 개념과 모델 이해
6.2 Python 실습 — mlxtend 라이브러리 활용
6.3 실전 데이터셋 — Online Retail Dataset
6.4 PostgreSQL 연동 — 쇼핑몰 거래 분석 시스템
6.5 FastAPI 서비스 — 상품 추천 및 대시보드