들어가며

STEP 1 이해하기

01. AI의 이해

1. AI, 만나서 반가워!
1.1 인공지는(AI)이란?
1.2. 기계도 학습한다
1.3 AI가 주목받는 이유

2 AI, 조금 더 알아볼까?

2.1 문제도 주고 답도 주는 지도학습
2.2 문제만 주는 비지도학습
2.3 당근과 채찍, 강화학습
2.4 최고로 핫한, 딥러닝
2.5 AI 핫 키워드

03 AI, 어떻게 구현할까?

3.1 문제 정의
3.2 데이터 수집
3.3 데이터 분석 및 전처리
3.4 AI 모델링
3.5 AI 적용

4 AI, 어디에 쓰일까?

4.1 AI + 물류 : 아마존, 소비자의 수요 예측
4.2 AI + 의료 : 맞춤형 의료 서비스, 닥터앤서 2.0
4.3 AI + X : 우리의 업무를 돕는 AI

02. AI 구현 프로세스

1. 문제 정의
1.1 어떤 문제를 풀 것인가?
1.2 어떻게 풀 것인가?
2 데이터 수집
2.1 무엇을 수집할 것인가?
2.2 어떻게 수집할 것인가?
2.3 어떤 상태의 데이터를 수집해야 하는가?

3 데이터 분석 및 전처리

3.1 데이터 타입(Type) 확인
3.2 기술 통계(Descriptive Statistics) 확인
3.3 데이터 시각화(Visualization)
3.4 결측치(Missing Value) 처리
3.5 이상치 처리
3.6 인코딩(Encoding)
3.7 스케일링(Scaling)

4 AI 모델링

4.1 모델 선택과 학습
4.2 결과 평가
4.3 더 나은 모델 만들기

STEP 2 해보기

03. AIDU로 AI 실습하기(분류)

1. [분류] 호텔 예약 취소 여부 예측
1.1 데이터 가져오기
1.2 탐색적 데이터 분석(EDA)-① 기초 정보 분석
1.3 탐색적 데이터 분석(EDA)-② 시각화 분석
1.4 데이터 전처리와 피처 엔지니어링
1.5 AI 모델 만들기 및 활용하기-① 딥러닝
1.6 AI 모델 만들기 및 활용하기-② 머신러닝

04 AIDU로 AI 실습하기(회귀)

1 [회귀] 지하철 이용객 수 예측
1.1 데이터 가져오기
1.2 탐색적 데이터 분석(EDA)-① 기초 정보 분석
1.3 탐색적 데이터 분석(EDA)-② 시각화 분석
1.4 데이터 전처리와 피처 엔지니어링
1.5 AI 모델 만들기 및 활용하기-① 딥러닝
1.6 AI 모델 만들기 및 활용하기-② 머신러닝

STEP 3 더 깊게 알기

05. 머신러닝

1. 머신러닝 동작 원리
1.1 머신러닝 기본개념
1.2 머신러닝 학습 방법

2 머신러닝 주요 알고리즘
2.1 다중 선형 회귀(Multi Linear Regression)
2.2 로지스틱 회귀(Logistic Regression)
2.3 KNN(K Nearest Neighbor)
2.4 의사결정나무(Decision Tree)
2.5 랜덤 포레스트(Random Forest)
2.6 부스팅(Boosting)

06. 딥러닝

1. 인공신경망처럼 생각하기

2. 딥러닝의 동작 원리
2.1 딥러닝의 기본 개념
2.2 딥러닝의 학습 방법

3 딥러닝 주요 알고리즘
3.1 DNN(심층신경망, Deep Neural Network)
3.2 CNN(합성곱신경망, Convolutional Neural Network)
3.3 RNN(순환신경망, Recurrent Neural Network)

부록

01. 코딩이 필요 없는 AIDU 활용법

1. 환경 구성 및 데이터 가져오기
1.1 환경 구성
1.2 데이터 가져오기

2 데이터 분석
2.1 기초 정보 분석
2.2 시각화 분석
2.3 비지도학습 분석

3 데이터 가공
3.1 데이터 가공 방법
3.2 AIDU에서 데이터 가공하기

4 AI 모델링
4.1 머신러닝
4.2 딥러닝

02. AI 용어 정리