나에게 필요한 지식과 기술을 검색해 보세요.

대표이미지

AI가 코딩하는 시대, 머신러닝 알고리즘의 원리를 꿰뚫는 개발자로 성장하기

Algorithm Alchemy - Unlocking the Secrets of Machine Learning

강사

비비안 아라나

강의

37강

시간

4h 30m

수강기간

6개월

레벨

초중급

정가

72,000

판매가

14,400

총 결제 금액

80%

14,400

평생교육이용권 사용안내

이 강의는 평생교육바우처로 결제할 수 있습니다.

기초적인 회귀분석과 분류 모델부터 현존하는 가장 강력한 모델인 트랜스포머와 강화학습까지, AI 엔지니어에게 필요한 모든 알고리즘을 한 강의에 담았습니다. 단순히 이론만 배우는 것이 아니라 파이썬과 텐서플로우를 활용해 내 손으로 직접 구현하며 AI 모델링의 실전 감각을 마스터하세요.


강의 소개 듣기
오디오로 미리 듣는 강의 소개
GOLDEN ALGO
STEP 01 : INTRO

AI 엔지니어의 필수 무기,
핵심 머신러닝 알고리즘 마스터하기

지도 학습부터 강화 학습, 최신 딥러닝 트랜스포머까지.
단순 이론 암기가 아닌, 파이썬(Python)으로 한 줄 한 줄 직접 구현하며 원리를 꿰뚫는 실전형 강의입니다.

AI 머신러닝 알고리즘 강의 대표 이미지

WHO IS THIS FOR?

알고리즘의 수학적 원리가 궁금한 개발자, 혹은 라이브러리 호출을 넘어 직접 모델을 바닥부터 구현해보고 싶은 AI 엔지니어 지망생에게 최적화되어 있습니다.

 
STEP 02 : OUTCOME 

강력한 포트폴리오 프로젝트

실제 데이터셋을 활용하여 현업 수준의 AI 모델을 직접 구축합니다.

주택 가격 예측 시스템

 

Linear & Polynomial Regression

선형 회귀와 다항 회귀를 사용하여 집 크기, 위치 등의 변수에 따른 부동산 가격을 정밀하게 예측합니다.

손글씨 숫자 인식기 (MNIST)

 

Convolutional Neural Networks

CNN(합성곱 신경망)을 구현하여 손글씨 이미지를 98% 이상의 정확도로 분류하는 딥러닝 모델을 만듭니다.

영화 리뷰 감성 분석기

 

RNN & LSTM & Transformer

RNN과 LSTM, 그리고 Transformer를 활용해 IMDB 영화 리뷰가 긍정적인지 부정적인지 분석하는 NLP 모델을 개발합니다.

자율주행 게임 에이전트

 

DQN & CartPole

Q-Learning과 DQN을 사용하여 CartPole 환경에서 스스로 균형을 잡는 강화학습 에이전트를 훈련시킵니다.

무엇을 배울 수 있나요?

Scikit-Learn, TensorFlow, PyTorch 라이브러리의 핵심 기능을 마스터하고, 데이터 전처리부터 모델 학습, 평가, 그리고 최적화까지 머신러닝 파이프라인의 전 과정을 경험하게 됩니다.

 
CURRICULUM
STEP 03 : CURRICULUM

체계적인 4단계 커리큘럼

기초부터 심화까지, 빈틈없이 설계된 학습 로드맵입니다.

지도 학습

지도 학습 정복

Linear/Logistic Regression, SVM, Decision Trees, Random Forest, Gradient Boosting 등 핵심 예측 모델 학습.

비지도 학습

비지도 학습 & 차원축소

K-Means, Hierarchical Clustering, DBSCAN, PCA, Autoencoders를 통한 데이터 패턴 및 구조 발견.

특수 알고리즘

특수 알고리즘 심화

Semi-supervised Learning, 강화학습(Q-Learning, DQN), 이상 탐지(Isolation Forest) 등 고급 주제.

딥러닝 아키텍처

딥러닝 아키텍처

CNN(이미지), RNN/LSTM(시계열), Transformer(NLP)의 구조 이해 및 TensorFlow 구현 실습.

 
STEP 04 : NOTICE 

수강 전 꼭 확인해주세요

💻

실습 환경

  • Python 3.x 설치 필수

  • Jupyter Notebook 또는 Google Colab 사용

  • 주요 라이브러리: Scikit-learn, TensorFlow/Keras, NumPy, Pandas

📚

선수 지식

  • 파이썬(Python) 기본 문법 이해

  • 기초적인 수학 지식 (행렬, 벡터, 미분 등)

  • 데이터 구조에 대한 기본적인 이해

📥

제공 자료

  • 전체 알고리즘 구현 소스 코드 (.py / .ipynb)

  • 이론 요약 PDF 슬라이드

  • 실습용 예제 데이터셋 (Housing, MNIST 등)

 

HanbitN & Packt

AI의 미래를 코드로 구현하는 여정, 지금 시작하세요.

©2025 HanbitN Inc. All rights reserved.


강사

비비안 아라나

비비안 아라나

비비안 아라나는 거의 20년의 경력을 가진 기술 전문가로, 인공지능 분야에 특화되어 있습니다. 2004년 정보기술 학사와 2006년 컴퓨터 과학 석사를 취득한 후, 그는 컴퓨팅과 혁신에 대한 탄탄한 기초를 쌓았습니다. 최근 8년 동안 그는 AI, 머신러닝, 딥러닝 및 지능형 시스템에 깊이 관여하며, 미래의 전문가들을 멘토링해왔습니다. 복잡한 개념을 단순화하고 이론과 실제 응용을 연결하는 그의 능력은 AI 분야에서 그를 매우 인기 있는 전문가로 만들고 있습니다.

커리큘럼

1_01_머신러닝 알고리즘과 구현 소개

03:44

02

2_01_파이썬으로 선형 회귀(Linear Regression) 구현하기

06:23

03

2_02_Python으로 Ridge 및 Lasso 회귀 구현

07:49

04

2_03_파이썬으로 다항 회귀(Polynomial Regression) 구현하기

07:18

05

2_04_파이썬으로 로지스틱 회귀 구현하기

05:55

06

2_05_K_최근접_이웃_KNN_파이썬_구현

06:11

07

2_06_서포트 벡터 머신(SVM) 파이썬 구현

06:26

08

2_07_파이썬으로_의사결정나무_구현

06:16

09

2_08_Python으로 랜덤 포레스트(Random Forests) 구현하기

05:58

10

2_09_파이썬으로 그라디언트 부스팅(Gradient Boosting) 구현하기

06:11

11

2_10_Python으로 나이브 베이즈(Naive Bayes) 구현

05:52

12

3_01_Python으로 K-평균(K-Means) 군집화 구현

04:22

13

3_02_파이썬으로_계층적_군집화_구현

05:16

14

3_03_DBSCAN_밀도 기반 공간 클러스터링 (DBSCAN) 소개

04:59

15

3_04_가우시안_혼합_모델(GMM)_파이썬_구현

04:54

16

3_05_주성분분석(PCA)_파이썬_구현

04:44

17

3_06_t_분산 확률적 이웃 임베딩(t-SNE) 구현

05:14

18

3_07_오토인코더(Autoencoder)_파이썬_구현

08:22

19

4_01_머신러닝 알고리즘과 구현 소개

06:42

20

4_02_파이썬으로 선형 회귀(Linear Regression) 구현하기

08:36

21

4_03_릿지(Ridge)와 라쏘(Lasso) 회귀의 파이썬 구현

13:48

22

4_04_파이썬으로 다항 회귀(Polynomial Regression) 구현하기

10:08

23

4_05_파이썬으로 로지스틱 회귀 구현하기

04:44

24

4_06_K_최근접_이웃_KNN_파이썬_구현

05:06

25

4_07_서포트 벡터 머신(SVM) 파이썬 구현

08:27

26

4_08_파이썬으로 의사결정나무(Decision Tree) 구현

07:37

27

4_09_파이썬으로 랜덤 포레스트(Random Forest) 구현하기

07:16

28

4_10_Python으로 그래디언트 부스팅(Gradient Boosting) 구현

11:05

[✨전제 강의 한눈에 보기] 강의의 학습목표부터 핵심 요약까지

01:00

섹션 1. 머신러닝 알고리즘 전체 지도

10:00

31

섹션1. 머신러닝 알고리즘 핵심 요약 및 자가점검

10:00

섹션 2. 회귀 알고리즘과 규제(Regularization)

10:00

33

섹션 2. 핵심 회귀 알고리즘 마스터하기: 선형, Ridge, Lasso, 다항 회귀 분석

10:00

섹션 3. 비지도 학습 알고리즘 실습: 클러스터링과 차원 축소

10:00

35

섹션 3. 파이썬으로 배우는 비지도 학습: 핵심 알고리즘 가이드

10:00

섹션 4: 비지도학습·이상치 탐지 및 고급 머신러닝 실습 가이드

10:00

37

세션 4. 머신러닝 알고리즘 핵심 요약 및 자가 점검

10:00

수강 후기

첫번째 리뷰어가 되어주세요.

소중한 후기가 다른 분들께 도움이 될 거에요.

72,000

80%

14,400