기초 과정

기초 과정에서는 머신러닝의 기초와 핵심 개념을 다룹니다.

아래의 순서대로 진행하는 것이 좋습니다.

신규
머신러닝에 대한 간략한 소개
머신러닝의 중요한 기본사항을 살펴보는 실습 과정입니다.
신규
실제 문제를 머신러닝 솔루션에 매핑하는 데 도움이 되는 과정입니다.
ML 워크플로를 위한 데이터 준비 소개
머신러닝 모델 및 파이프라인을 테스트하고 디버깅하기 위한 전략입니다.
더 많은 ML 과정을 수강하여 지식과 기술을 향상하세요.

고급 과정

이 고급 과정에서는 다양한 머신러닝 문제를 해결하기 위한 도구와 기법을 배웁니다.

과정은 독립적으로 구성되어 있습니다. 관심사나 문제 영역을 바탕으로 생각하세요.

신규
결정 포레스트는 신경망의 대안입니다.
추천 시스템은 맞춤설정된 추천을 생성합니다.
클러스터링은 관련 항목을 연결하는 주요 비지도 머신러닝 전략입니다.
강화 학습 기법을 소개합니다.
GAN은 학습 데이터와 유사한 새로운 데이터 인스턴스를 생성합니다.
고양이 사진인가요, 아니면 개인가요?
공정성 문제를 디버깅하는 실습을 진행합니다.
결정 트리를 사용하여 고화질 동영상과 저품질 동영상을 구분합니다.
비지도 학습과 준지도 학습을 모두 사용하여 유사한 앱 식별

가이드

이 가이드에서는 권장사항을 사용하여 일반적인 머신러닝 문제를 해결하는 과정을 단계별로 설명합니다.
Google에서 사용하는 머신러닝 권장사항을 따라 더 뛰어난 머신러닝 엔지니어가 되어 보세요.
이 가이드는 UX 개발자, PM, 개발자가 AI 설계 주제 및 질문을 공동으로 진행하는 데 도움이 됩니다.
이 종합 가이드는 머신러닝을 사용하여 텍스트 분류 문제를 해결하는 과정을 안내합니다.
이 가이드에서는 전문가 데이터 분석가가 머신러닝 문제에서 대규모 데이터 세트를 평가하는 데 사용하는 팁을 설명합니다.
이 가이드에서는 딥 러닝 모델의 학습을 최적화하는 과학적 방법을 설명합니다.

용어집

용어집은 머신러닝 용어를 정의합니다.
신규
ML 기본 용어 및 정의
신규
결정 포레스트 주요 용어 및 정의
신규
클러스터링의 주요 용어 및 정의
모든 정의가 포함된 전체 용어집