기술 스택 및 학습 경로

언어 및 프레임워크

• Python
• TensorFlow
• Jupyter Notebook
• Scikit-learn

머신러닝과 딥러닝

• 회귀 분석: 선형 회귀, 다항 회귀, 릿지 및 라쏘 회귀와 같은 다양한 회귀 모델을 이해하고 데이터에 적용하여 최적의 매개변수를 결정합니다.
• 분류 모델: 로지스틱 회귀, 의사결정 트리, 랜덤 포레스트 등을 활용하여 복잡한 분류 문제를 해결합니다. 다양한 특성 추출 방법과 앙상블 기법을 활용하여 모델 성능을 극대화합니다.
• 신경망 구성: 딥러닝 아키텍처를 이해하며, 다양한 신경망 구조인 CNN, RNN, LSTM 등을 활용하여 이미지, 텍스트, 시계열 데이터와 같은 다양한 유형의 데이터를 처리합니다.
• 텍스트 및 이미지 분석: 자연어 처리 기법과 컴퓨터 비전 기술을 활용하여 텍스트 데이터의 감정 분석, 토픽 모델링, 이미지 분류 및 객체 감지와 같은 다양한 분야에서의 분석과 예측을 수행합니다.
• 시계열 데이터 분석: 시계열 데이터의 특성을 고려하여 ARIMA, Prophet, LSTM과 같은 모델을 적용하여 시계열 패턴 분석과 미래 예측을 수행합니다.

2023년 군 장병 맞춤형 온라인 AI·SW 교육

1. 인공지능 초급과정 1 / 2 : 파이썬 프로그래밍 기초, 파이썬 정형 데이터 분석 & 데이터 시각화, 파이썬을 활용한 웹 크롤링 & 자연어 데이터 분석

• [수료증] : 인공지능 초급과정 1
• [수료증] : 인공지능 초급과정 2

2. 인공지능 중급과정 1 / 2 : 파이썬을 활용한 기초 통계 분석, 파이썬 기반 SQL 프로그래밍, 머신러닝 핵심 이론 & Scikit-learn 실습

• [수료증] : 인공지능 중급과정 1
• [수료증] : 인공지능 중급과정 2

3. 인공지능 고급과정 1 : 딥러닝 핵심 개념 & 딥러닝 최적화 이론, Tensorflow를 활용한 파이썬 딥러닝 실습

• [수료증] : 인공지능 고급과정 1

Supervised Machine Learning: Regression and Classification

1. 지도 학습 기본 개념: 지도 학습의 기본 원리와 절차에 대한 소개를 포함합니다.

2. 회귀(Regression): 회귀 분석을 사용하여 연속적인 결과를 예측하는 방법을 배웁니다. 주어진 입력 변수와 출력 변수 간의 관계를 모델링하여 예측을 수행하는 방법을 다룹니다.

3. 분류(Classification): 분류 문제를 통해 주어진 입력 데이터를 미리 정의된 클래스 또는 범주로 분류하는 방법을 학습합니다. 로지스틱 회귀와 같은 알고리즘을 사용하여 다양한 분류 작업을 다룹니다.

4. 모델 평가와 선택: 모델의 성능을 평가하고 최적의 모델을 선택하는 방법에 대해 배웁니다. 정확도, 정밀도, 재현율 등과 같은 평가 지표

5. 과적합과 모델 성능 개선: 과적합 문제를 이해하고 이를 해결하기 위한 방법들을 다룹니다. 교차 검증, 하이퍼파라미터 튜닝 등

• [수료증] : Coursera

프로젝트 경험

1. 화재 이미지 인식 프로그램 : [네이버에서 화재 이미지와 비화재 이미지를 수집한 뒤, 화재 이미지를 예측하는 프로젝트]

2. 스팸 메일 분류 : [캐글에서 제공하는 스팸 메일 데이터를 학습시켜 스팸 메일 분류기를 구현]

3. 로이터 뉴스 분류 : [케라스에서 제공하는 로이터 뉴스 데이터를 LSTM을 이용하여 텍스트 분류]

4. 주식 자동 알림 시스템 : [주식 가격을 평일 오전 09:00 / 오후 15:00 마다 메일로 보내주고, 주식 가격이 200,000원 이상이 되면 메일을 발송해주는 프로그램]

5. 주식 자동 매매 시스템 : [크레온 플러스를 활용하여 주식을 자동으로 매매하는 프로젝트]

6. 범죄 발생 지역 시각화 : [뉴스 내용에서 범죄 종류와 지역을 추출해서 지도에 시각화 하는 프로젝트입니다.]

7. [자연어 처리 모델의 음성인식 및 문서 요약 기술로 행정 부하 경감] : [진행 중]

배움의 지향점

• 머신러닝과 딥러닝 분야에서 지속적인 자기계발
• 다양한 온라인 강의와 컨퍼런스 참여
• 커뮤니티 활동 및 공유를 통한 지식 공유
• 선형대수 / 확률 / 통계 등 머신러닝과 딥러닝 분야 수학 공부

연락처

• 이메일 : [[email protected]]