🖤 블랙프라이데이 50% 특가 · 11/19 ~ 11/30 한정
🍊 오렌지 분류 머신러닝 Lv.4
코딩 한 줄 없이 만드는
오렌지 분류 머신러닝 분석
드래그 앤 드롭만으로 분류 모델을 만들고, 평가하고, 결합합니다.
이진 분류부터 앙상블 기법까지 Orange로 직접 실습해보세요!
21개학습 강의
8.44H강의 시간
8개분류 모델 파트
혹시 이런 경험 있으신가요?
분류 모델은 만들었는데,
잘 만든 건지 판단이 안 되시나요?
BEFORE
감으로 고르는 분석
고급 분석은 코딩을 배워야만 할 수 있다고 생각해 시작조차 못 합니다
모델 정확도 숫자 하나만 보고 좋은 모델인지 판단합니다
어떤 분류 알고리즘을 써야 할지 몰라 익숙한 방법만 반복합니다
AFTER
근거로 고르는 분석
Orange 위젯을 연결해 데이터 불러오기부터 모델 구축까지 끝냅니다
혼동 행렬, ROC 곡선과 AUC, Gain chart로 성능을 정밀하게 평가합니다
SVM, KNN, 랜덤 포레스트를 비교하고 앙상블로 정확도를 끌어올립니다
이런 분들을 위해 준비했어요
코딩은 몰라도 괜찮습니다.
데이터로 판단하고 싶은 마음이면 충분합니다.
📊데이터 기반 의사결정이 필요한 분 — 감이 아닌 분류 모델의 예측 결과로 판단 근거를 만들고 싶은 분
🧩코딩 없이 고급 분석을 하고 싶은 분 — 파이썬은 부담스럽지만 머신러닝 분석 기법은 제대로 익히고 싶은 분
🔄커리어 전환을 고민하는 직장인 — IT·비IT 분야에서 데이터 분석 역량을 새로운 무기로 만들고 싶은 분
🎓차별화가 필요한 취업 준비생 — 실제 데이터를 분석해본 경험으로 자신만의 강점을 보여주고 싶은 분
드래그 앤 드롭만으로, 개발자 못지않은 분류 분석을 시작하세요!
실습 결과 미리보기
강의에서 직접 만들게 될 결과물입니다
Orange 화면에서 위젯을 연결하며 분류 모델을 만들고 평가하는 과정을 미리 확인해보세요.
01-2
이진 분류 모델 구현하기
로지스틱 회귀분석으로 데이터를 둘로 나누는 모델을 만듭니다
02-4
모델의 성능 정확히 측정하기
ROC 곡선과 AUC로 분류 성능을 비교합니다
02-2
분류 모델의 성능 평가하기
혼동 행렬로 맞힌 것과 틀린 것을 나눠 확인합니다
08-1
분류 모델 결합해 성능 높이기
여러 모델을 결합하는 앙상블 기법을 적용합니다
커리큘럼 특징
분류 모델을 깊이 다루면서도
코딩 없이 따라가는 4단계 과정
복잡한 코딩을 배우지 않고도, 누구나 분석 모델을 구축하고 평가할 수 있도록 설계했습니다.
1
누구나 가능한 ‘오렌지 데이터 분석’
직관적인 인터페이스의 Orange로 코딩 없이 분류 모델을 학습하고 적용합니다.
2
분류 모델의 ‘구축과 평가’
이진 분류, SVM, 랜덤 포레스트 등을 구축하고 ROC 곡선과 혼동 행렬로 성능을 정밀하게 평가합니다.
3
여러 모델을 결합하는 ‘앙상블 기법’
단일 모델로는 어려운 예측 정밀도를 배깅·부스팅·스태킹으로 끌어올립니다.
4
고급 분석 기법의 ‘실전 적용’
다양한 데이터에 분류 모델을 적용하며 실무에 필요한 분석 역량을 다집니다.
강의 수강 이후
수강 후 당신은 이런 사람이 됩니다
🧠
개념 이해자
분류 모델의 원리를 설명할 수 있는
로지스틱 회귀부터 나이브 베이즈까지,
기본 개념과 심화 개념을 함께 이해합니다.
📏
성능 평가자
숫자 하나로 판단하지 않는
혼동 행렬, ROC·AUC, Gain chart로
모델 성능을 다각도로 평가합니다.
🗂️
실전 적용자
실제 데이터셋에 모델을 올리는
배운 분류 모델을 실제 데이터에 적용하고
예측 임계치까지 직접 정합니다.
🏆
고급 분석가
여러 모델을 조합해 정확도를 높이는
배깅, 부스팅, 스태킹을 활용해
더 정밀한 예측 모델을 완성합니다.
수강생 전원 제공
배운 내용을 바로 활용할 수 있도록,
실습에 필요한 자료를 준비했습니다
📘
강의교안
전체 흐름과 핵심을 정리한 자료
🗂️
실습 파일
강의와 같은 환경에서 따라할 예제
* 자료는 수강 시작 후 <00. 교재 다운로드 센터>에서 받으실 수 있습니다.
🖤 블랙프라이데이 50% 특가 · 11/19 ~ 11/30 한정 · 마감 D-?
코딩 없이 만드는 분류 모델,
이제 성능까지 직접 평가하세요!
로지스틱 회귀부터 앙상블까지 · 8개 파트
코딩 없이 만드는 분류 모델,
이제 성능까지 직접 평가하세요!
🖤 블프 특가 마감까지–일 –:–:–
🍊 오렌지 분류 머신러닝 Lv.4
지식공유자 소개
강의를 이끄는 강사님
사용 프로그램 안내
본 강의에서 사용할 프로그램
🍊
Orange 노코딩 데이터 분석 도구
다운로드부터 설치까지 강의에서 안내 · Portable 버전은 외부 인터넷 연결 없이 사용 가능
무료
무료
수강 전 확인해주세요듀얼 모니터·Windows OS 권장
실습 위주의 강의로 강의 화면과 실습 화면을 분리할 수 있는 듀얼 모니터 또는 여분 기기를 함께 준비해주시면 좋습니다.
또한 Windows OS 기반으로 실습이 진행되므로, Windows 환경에서의 수강을 추천드립니다.
강의 교안 및 실습파일은 <00. 교재 다운로드 센터> 섹션에 있습니다.
자주 묻는 질문
예상 질문 Q&A
Q. 인공지능이나 코딩에 대한 선수지식이 필요한가요?
본 강의는 인공지능에 관심이 생긴 누구나 바로 들어 실무에 활용할 수 있도록 설계된 강의로, 인공지능이나 코딩, 심지어 엑셀 실력까지도 필요하지 않습니다.
Q. 강의를 수강하기 위한 요구 사항이 있나요?
실습 위주의 강의이기 때문에 강의 화면과 실습 화면을 분리할 수 있는 듀얼 모니터 또는 여분 기기를 함께 준비해주시면 좋습니다.
Q. 오렌지는 따로 구입해야 하나요?
오렌지는 무료로 배포되는 소프트웨어이며, 다운로드부터 설치까지 하나하나 안내해 드려 누구나 손쉽게 분석 환경을 구축할 수 있습니다. Portable 버전을 사용하면 외부 인터넷 연결 없이도 사용할 수 있어 보안 수준이 높은 근무 환경에서도 활용 가능합니다.
커리큘럼 상세
8개 파트, 21강으로 이진분류부터 앙상블까지
총 21강 · 8개 파트 · 8.44H · 파트를 누르면 세부 강의가 펼쳐집니다
무료 공개표시된 강의는 클릭해서 바로 미리 볼 수 있어요
01둘로 나누는 이진분류와 보정학습로지스틱 회귀 · 보정 학습무료 1강
- 01-1이진분류의 대명사: 로지스틱 회귀분석무료 공개15:21
- 01-2이진분류의 대명사: 로지스틱 회귀분석 실습25:09
- 01-3Calibrated Learner 보정 학습자32:25
02분류가 잘 되었는지 어떻게 알까혼동 행렬 · ROC와 AUC · Gain chart무료 1강
- 02-1분류 모델의 평가 지표: 혼동 행렬36:48
- 02-2분류 모델의 평가 지표: 혼동 행렬 실습14:15
- 02-3분류 모델의 평가 지표: ROC 곡선과 AUC무료 공개29:39
- 02-4분류 모델의 평가 지표: ROC 곡선과 AUC 실습19:28
- 02-5ROC 분석으로 예측 확률 임계치 정하기21:36
- 02-6분류 모델의 평가 지표: Gain chart23:22
03초평면을 찾는 서포트 벡터 머신SVM · 커널 트릭
- 03-1서포트 벡터 머신(SVM)28:36
- 03-2커널 트릭17:58
04잘 모를 때는 옆사람 보고 따라하는 KNN최근접이웃 KNN무료 1강
- 04-1최근접이웃을 따라하는 KNN무료 공개33:08
05독립된 두 사건의 확률 곱하기 나이브 베이즈조건부 확률 · 나이브 베이즈
- 05-1조건부 확률에 기반한 나이브 베이즈33:55
06나무와 숲을 흉내낸 분류모델 Tree와 랜덤포레스트의사결정 나무 · 정보 이득 · 랜덤 포레스트
- 06-1Decision Tree 의사결정 나무 모형35:27
- 06-2불순도와 정보 이득27:27
- 06-3무작위성을 높인 랜덤 포레스트13:35
07데이터에서 맞춤형 분석 모델 만들기Curve fit · 맞춤형 모델
- 07-1분류 모형의 분류와 Curve fit21:20
08여러 모델을 결합해서 분석하는 앙상블 기법배깅 · 부스팅 · 스태킹
- 08-1분석 모델의 중첩: 앙상블 기법07:21
- 08-2다수결로 결정하는 배깅(Bagging)20:54
- 08-3부스팅: AdaBoost와 Gradient Boosting, XG Boost32:10
- 08-4여러 모델의 결과를 메타 분석하는 스태킹(stacking)16:45
* 강의 교안과 실습 파일은 수강 시작 후 <00. 교재 다운로드 센터>에서 받으실 수 있습니다.
학습 규정 및 환불 규정
학습 규정
- 본 상품은 동영상 형태의 강의를 자유롭게 수강할 수 있는 VOD(온라인 녹화 강의) 상품입니다.
- 수강 신청 및 결제를 완료하시면, ‘내 강좌’를 통해 바로 수강이 가능합니다.
총 학습기간
- 정상 수강기간(유료 수강기간) 최초 30일, 무료 수강 기간은 31일 일차 이후로 무제한이며, 유료 수강기간과 무료 수강기간 모두 동일하게 시청 가능합니다.
- 하루 3시간 내외로 학습하시면 정상 수강기간(유료 수강기간) 내에 전체 과정을 모두 수강하실 수 있습니다.
- 수강 시작일은 결제일로부터 산정됩니다.
환불 규정
환불금액은 정가가 아닌 실제 결제금액을 기준으로 계산됩니다.
- 쿠폰을 사용하여 강의를 결제하신 후 취소/환불 시 쿠폰은 복구되지 않습니다.
- 31일차 이후 무료로 제공되는 기간은 환불 산정에 포함되지 않습니다.
- 강의 자료(교재 등)를 다운로드한 경우에는 위 기준과 무관하게 환불이 불가합니다.
* 보다 자세한 환불 규정은 마소캠퍼스 [주의사항 및 환불규정]페이지에서 확인 가능합니다.
기타 환불 관련 안내
환불 요청은 cs@masocampus.com으로 주문번호를 함께 보내주시면 접수됩니다.
- 환불 금액은 신청 시점을 기준으로 산정되며, 업무시간 외 요청은 2영업일 오후까지 순차 처리됩니다.
- 환불 금액은 수업 시간을 기준으로 반올림하여 산정합니다.
- 계좌이체로 환불받으실 경우 이체 수수료 500원이 공제된 금액이 지급됩니다.
- 환불 대금은 접수일로부터 7영업일 이내 지급됩니다.
- 취소 및 환불 접수·처리는 평일 오전 10시~오후 4시 (점심시간 12시~1시 제외) 내에만 가능합니다.
- 취소 및 환불은 한국소비자원 고시 소비자분쟁해결기준에 의거하여 처리됩니다.
주의 사항
- 상황에 따라 별도의 사전 안내 없이 할인 혜택이 조기에 마감되거나 연장될 수 있는 점 참고 부탁드립니다.
- 천재지변, 폐업 등 불가피한 사유로 서비스 운영이 어려운 경우, 서비스가 종료될 수 있습니다.
- 커리큘럼은 완성도 향상을 위한 제작 과정에서 일부 내용이 추가, 삭제 또는 변경될 수 있습니다.
마소캠퍼스 정책 안내
마소캠퍼스 ID 공유 금지 정책
- 마소캠퍼스의 모든 온라인 강의에서는 1개의 아이디로 여러 명이 공유하는 형태를 금지하고 있습니다.
- 동시접속에 대한 기록은 내부 시스템을 통해 자동으로 누적되며, 이후 서비스 이용이 제한될 수 있습니다.
저작권 정책
- 마소캠퍼스의 모든 강의는 무단 배포 및 가공하는 행위, 캡처 및 녹화하여 공유하는 행위, 무단으로 판매하는 행위 등 일체의 저작권 침해 행위를 금지합니다.
- 부정 사용이 적발될 경우 저작권법 위반에 의한 법적인 제재를 받으실 수 있습니다.
그 외 공통 사항은 마소캠퍼스 [주의사항 및 환불규정], [이용약관] 페이지를 따릅니다.
