AI 복습 커리큘럼

1. 머신러닝의 기본 개념, 머신러닝 프로세스

2. 기초 예측 모형 - 일반 선형회귀, ,계수 축소 선형 회귀 (Ridge, Lasso), 로지스틱 회귀

3. 고급 예측 모형 - 의사결정나무, 앙상블 기법 (Bagging, Boosting)

4. 변수 스크리닝 - mRMR, All But X, PCA , 불량인자 분석 - Contrast Set Learning

5. 데이터 불균형 모형 - resampling, isolation forest

6. 클러스터링 - k-means clustering, hierarchical clustering

7. 딥러닝 기초 - 인공신경망 개념, CNN 합성곱 신경망

8. 전이학습

9. Auto Encoder

10. 센서 데이터 - 1D-CNN, DLinear, 센서 데이터 이미지화 CNN 활용

11. 순환신경망 - RNN, LSTM, 시계열 데이터 분석

12. 생성 모델 및 변환 모델 - GAN, DCGAN, cGAN, Pix2Pix, Cycle GAN

13. 이상탐지 - AnoGAN, PatchCore, 전이학습용 이상탐지

14. Transformer

15. VIT transformer