FEATURES


머신러닝과 AI를 배우기 위한 가장 쉽고 빠른 길 


인공지능 및 머신러닝 기술의 실용화를 이끈 데일리인텔리전스의 사이언티스트가 논문이나 연구가 아닌 수익 및 가치 창출에 직결되는 머신러닝 기술에 대해서 설명합니다. 또한 각 비즈니스에 특화된 데이터 가공 및 처리 노하우와 ML모형 개발에 대해서 가르칩니다.
머신러닝의 기초 개념에서부터 데이터 전처리, 모델링, 평가 및 검증과정 까지 머신러닝의 A to Z를 빠르고 쉽게 설명하고 실제 비즈니스에 적용되는 회귀모델과 분류모델의 주요 머신러닝 알고리즘뿐만 아니라 알고리즘을 조합하는 앙상블기법에 대해서도 배우게 됩니다.
머신러닝에 대한 전문지식이 없는 분도 쉽게 사용할 수 있는 DAVinCI LABS 를 활용하여 다양한 예제 프로젝트 및 CSS (신용평가모형), U/W (언더라이팅모형), FDS (사기거래 탐지모형), 마케팅 세그먼트 등 실무형 프로젝트를 진행함으로써 실제 비즈니스에 적용할 머신러닝 모형을 직접 개발합니다.

OVERVIEW


단 하루 투자로 머신러닝 방법론을 이해하고
현업에 바로 적용 가능한 나만의 모형을 개발하세요. 


머신러닝을 이용한 예측모형 개발
1 DAY HANDS-ON EDUCATION
교육 대상자
인공지능과 같은 기술적 수요에 대응하기 위해 본인의 업무에 머신러닝을 적용하여 성과를 창출하고 싶은 현업부서 담당자들
(여신, 심사, 채권, 마케팅 등)

전통적인 통계모형에 대한 한계 및 모형 고도화를 위한 머신러닝 적용을 고민하는 기술 전문부서 담당자들
(모형개발, 리스크관리, 전략기획 등)

* 본 수업은 재직자를 대상으로 진행합니다.

교육 일정
매월 4째 주 목요일 (자세한 교육일자는 신청서 작성시 확인가능)
교육 시간
1:00 PM ~ 6:00 PM (교육세션 이후 네트워킹 타임이 포함되어 있습니다.)
준비물
개인 노트북, 필기구
강사
아일리스 소속 사이언티스트
교육 장소
서울시 중구 청계천로 100 시그니쳐 타워 서관 3층
수강료
무료

HOW IT WORKS


ML BASIC & ADVANCED

머신러닝 기본개념부터 알고리즘 심화까지 차근차근 사이언티스트가 전하는 머신러닝 실전 노하우

 

MODELING & PROJECT

No Coding! Only DAVinCI LABS 내 손으로 직접 머신러닝 모형을 개발하세요.



REPORT & CERTIFICATES

실전같은 머신러닝 프로젝트 교육 이수 후 보고서와 수료증을 드립니다.

  

NETWORK SESSION

교육에 참여하신 실무자분들과 함께 네트워킹 타임 .

 

PROGRAM  


1 Day  .  5 hours   .   Project


Session 1.

Basic Concept of the Machine Learning

A. What's the Machine Learning?머신러닝과 프로그래밍 그리고 전통적인 통계 분석 방법론과의 차이를 비교해봄으로써 머신러닝의 기본 개념에 대해 이해할 수 있습니다. 또한 모델링의 기본 개념과 데이터 사이언티스트가 되기 위해 필요한 조건들을 숙지하여 이후에 배울 내용의 필요성을 인지합니다.


Basic Concept of Machine Learning


  • What is the data science?
  • Why use machine learning?
  • Traditional learning vs Mahcine learning
  • Types of machine learning
  • Conditions for the better machine learning system
  • Testing and evaluating the machine learning system



B. WorkFlow머신러닝 WorkFlow 를 A to Z 까지 하나하나 짚어 나가면서 머신러닝 사이언티스트가 하는 업무와 범위에 대해 이해할 수 있습니다. 정형데이터/비정형데이터, 지도학습/비지도학습, 데이터 클렌징 방법, 이상치 분석 및 결측치 처리, 불균형 데이터 처리 등 데이터 분석에 적합한 형태로 데이터를 가공, 핸들링하는 데이터 전처리 과정에 대해 이해할 수 있습니다.


Introduction


  • ML WorkFlow Introduction
  • Understanding Big Picture of Machine Learning



Data Collection & Preparation


  • Structured Data vs Unstructured Data
  • Sample, Feature, Target
  • Supervised Learning vs Unsupervised Learning
  • Regression vs Classification
  • Data Cleansing



Preprocessing


  • 데이터 유효성 탐지
  • 데이터 통계 요약 분석
  • EDA ( Binning / Smoothing )
  • 데이터 전처리 방법



Modeling & Evaluation


  • Modeling
  • Cross Validation
  • Overfitting
  • 과적합이란?
  • Parameter Tunning



Session 2.

Algorithms & Evaluation of Models 

A. Algorithms Ridge Regression, Decision Tree, Random Forest, Neural Network, Support Vector Machine, Ensemble Method 등 DAVinCI LABS 에 탑재된 다양한 머신러닝 알고리즘에 대해 이해하고 활용할 수 있습니다.


What is the Algorithm? 


  • 알고리즘이란?
  • 예측함수 알고리즘의 산출물



Algorithms in DAVinCI LABS


  • Ridge Regression
  • Decision Tree ( 의사결정나무 )
  • Random Forest
  • GBM ( Gradient Boosting Machine )
  • Neural Network ( 인공신경망 )
  • Stabilized Deep Neural Network
  • Support Vector Machine
  • Ensembles ( 앙상블기법 )


B. Evaluation of Models 머신러닝 모형의 객관적인 성능 측정을 위한 Data Split 방법, 불균형 데이터 처리, 교차검증에 대해 이해할 수 있습니다. 모델 성능을 나타내는 여러가지 지표에 대해 이해할 수 있습니다.


Data Split


  • Training set, Validation set, Test set
  • 불균형 데이터 (Over/Under Sampling)
  • Cross Validation (교차검증)



모델 성능 평가지표


  • 숫자형 데이터 (MSE / MAE / GINI / KS / PSI / AUPRC / AIC)
  • 범주형 데이터 (Accuracy / Precision / Recall / FI Score)


모델 성능 등급차트


  • 숫자형 데이터
  • 등급차트의 활용 예




C. Tips for real-world problems머신러닝 프로젝트를 통해 자주 겪게 되는 문제들과 어려움을 함께 공유하고, 이를 해결하기 위한 데일리인텔리전스 머신러닝 사이언티스트만의 노하우와 방법론을 전달합니다.


Small Dataset Problem

Imbalanced Dataset Problem


Session 3.

Machine Learning Projects with DAVinCI LABS  

A. Practical Application of Machine Learning System 다양한 미니 데이터셋을 이용하여 Regression model (회귀문제), Classification model (분류문제) 등에 대해 머신러닝 모형을 개발합니다. 내 손으로 직접 머신러닝 모형을 구현함으로써 본격적인 캡스톤 프로젝트를 위한 준비를 합니다. 


Topic 1: Predict house price

Topic 2: Predict survival on the Titanic


B. Capstone Project: 
Credit Scoring System with Lending Club Data  
미국 샌프란시스코에 기반을 둔 P2P 대출 스타트업인 Lending Club의 실제 데이터를 바탕으로 캡스톤 프로젝트를 진행합니다. 이를 통해 금융권 비즈니스에서 실질적인 가치와 수익을 창출하고, 현업에 바로 적용 가능한 머신러닝 기반의 CSS(신용평가) 모형을 개발할 수 있습니다.  


머신러닝 방법론을 이해하고 현업에 적용하세요!

INSTRUCTOR  


강사 소개


김상요 (Machine Learning Scientist)


아일리스에서 데이터 분석과 머신러닝 알고리즘 최적화를 담당하고 있습니다. 고려대학교에서 경영정보학을 전공하였습니다. 아일리스 팀 합류 후 다수의 금융사에서 성공적으로 프로젝트를 진행하였습니다. 


조용환 (Machine Learning Scientist)


아일리스에서 데이터 분석과 머신러닝 알고리즘 최적화를 담당하고 있습니다. 고려대학교에서 경영정보학을 전공하였습니다. 아일리스 팀 합류 후 다수의 금융사에서 성공적으로 프로젝트를 진행하였습니다. 


Yury Tsoy PhD. (Advisor)


아일리스에서 머신 러닝 알고리즘 외 관련 시스템 개발 및 효율적인 구축을 담당하고 있는 Yury Tsoy 수석 엔지니어는 Tomsk Polytechnic University 에서 컴퓨터공학 박사 학위를 받았으며, 인공 신경망을 활용한 디지털 이미지 관련 어플리케이션에 사용되는 진화적인 알고리즘 개발을 전문적으로 다루었습니다. 이후 동 대학에서 조교수직을 역임하며 적응 학습 알고리즘 및 새로운 데이터 분석 기법들의 관한 연구를 진행했습니다. 


FAQ 


자주 묻는 질문들 


No posts yet.

CONTACT


SEOUL OFFICE


주소
서울시 중구 청계천로 100 시그니쳐 타워 서관 3층
교육 일정
매월 4째 주 목요일 (자세한 교육일자는 신청서 작성시 확인가능)


  

  오시는 길

머신러닝 방법론을 이해하고 현업에 적용하세요!




©2021   AILYS. All rights reserved.