chaper 01 머신러닝 기초

1.1 머신러닝 개념
[1] 인공지능과 머신러닝, 딥러닝
[2] 머신러닝의 정의

1.2 머신러닝 모형의 분류
[1] 지도학습 모형
[2] 비지도학습 모형

1.3 머신러닝의 과정
[1] 문제 정의
[2] 데이터의 수집
[3] 데이터 처리
[4] 모형 학습
[5] 성능 평가

chapter 02 파이썬 기초

2.1 파이썬 소개
[1] 왜 파이썬인가?
[2] Anaconda python 실습 환경 구축

2.2 파이썬 프로그램 기초
[1] 파이썬의 자료형
[2] 파이썬 제어문

2.3 데이터 분석을 위한 파이썬 라이브러리
[1] 통계분석을 위한 라이브러리
[2] Numpy
[3] Pandas

2.4 분석을 위한 데이터 준비
[1] 실습용 데이터 다운로드
[2] 분석 데이터 설명
[3] 데이터 불러오기

chapter 03 모형 평가와 성능 향상

3.1 모형 평가
[1] 성능 평가 지표
[2] 교차검증

3.2 성능 향상
[1] 변수 선택
[2] 데이터 밸런싱
[3] 그리드 서치

chapter 04 선형 회귀모형

4.1 개요
[1] 정의
[2] 모형
[3] 특징

4.2 주요 모형
[1] 표준 선형 회귀모형
[2] 릿지 선형 회귀모형
[3] 라쏘 선형 회귀모형

4.3 실습
[1] 표준 선형 회귀모형 실습
[2] 릿지 선형 회귀모형 실습
[3] 라쏘 선형 회귀모형 실습

chapter 05 로지스틱 회귀분석

5.1 개요
[1] 정의
[2] 모형
[3] 특징

5.2 주요 이론
[1] 오즈, 오즈비, 로짓변환
[2] 비용 함수
[3] 소프트맥스 함수

5.3 실습
[1] 이항 분류 예측 실습
[2] 다항 분류 예측 실습

chapter 06 K-최근접 이웃

6.1 개요
[1] 정의
[2] 모형
[3] 특징

6.2 주요 이론
[1] 유클리드 거리
[2] 맨하탄 거리

6.3 실습
[1] 분류 예측 실습
[2] 수치 예측 실습

chapter 07 의사결정나무

7.1 개요
[1] 정의
[2] 모형
[3] 특징

7.2 주요 이론
[1] 분할기준
[2] 정지기준과 가지치기
[3] 대표 알고리즘

7.3 실습
[1] 분류 예측 실습
[2] 수치 예측 실습

7.4 모형 성능 비교
[1] 분류 예측 모형 성능 비교
[2] 수치 예측 모형 성능 비교

chapter 08 서포트 벡터 머신

8.1 개요
[1] 정의
[2] 모형
[3] 특징

8.2 주요 이론
[1] 선형 SVM
[2] 비선형 SVM
[3] 회귀 SVM

8.3 실습
[1] 분류 예측 실습
[2] 수치 예측 실습

chapter 09 나이브 베이즈

9.1 베이즈 정리

9.2 나이브 베이즈 개요
[1] 정의
[2] 모형
[3] 특징
[4] 유형

9.3 실습
[1] 가우시안 나이브 베이즈 실습
[2] 베르누이 나이브 베이즈 실습
[3] 다항분포 나이브 베이즈 실습

chapter 10 인공신경망

10.1 개요
[1] 정의
[2] 모형
[3] 특징

10.2 주요 이론
[1] 퍼셉트론
[2] 오차 역전파법

10.3 실습
[1] 분류 예측 실습
[2] 수치 예측 실습

chapter 11 딥러닝

11.1 개요

11.2 주요 모형
[1] 심층 신경망
[2] 합성곱 신경망
[3] 순환 신경망

11.3 실습
[1] Keras 라이브러리
[2] 심층 신경망 실습
[3] 합성곱 신경망 실습
[4] 순환 신경망 실습
[3] 다항분포 나이브 베이즈 실습

chapter 12 앙상블 모형

12.1 개요
[1] 정의
[2] 모형
[3] 특징

12.2 주요 모형
[1] 보팅 앙상블
[2] 배깅 앙상블
[3] 부스팅 앙상블

12.3 실습
[1] 보팅 앙상블 실습
[2] 랜덤 포레스트 실습
[3] 그래디언트 부스팅 실습

12.4 앙상블 모형의 성능 비교
[1] 분류 예측 모형 성능 비교
[2] 수치 예측 모형 성능 비교

chapter 13 군집분석

13.1 개요
[1] 정의
[2] 모형
[3] 특징
[4] 군집의 품질 평가

13.2 주요 모형
[1] 계층적 군집분석
[2] 비계층적 군집분석
[3] 밀도 기반 군집분석

13.3 실습
[1] 계층적 군집분석 실습
[2] K-평균 군집분석 실습
[3] DBSAN 실습
[4] 군집분석 기법 간의 품질 비교와 군집
프로파일링

chapter 14 연관규칙 분석

14.1 개요
[1] 정의
[2] 특징

14.2 주요 이론
[1] 지지도, 신뢰도, 향상도
[2] Apriori 알고리즘

14.3 실습
[1] 장바구니 분석을 통한 교차판매 규칙
생성

chaper 15 협업 필터링

15.1 개요
[1] 추천 시스템과 협업 필터링
[2] 협업 필터링 유형
[3] 특징

15.2 주요 모형
[1] 사용자 기반 협업 필터링
[2] 아이템 기반 협업 필터링
[3] 잠재요인 모델 기반 협업 필터링

15.3 실습
[1] Surprise 라이브러리
[2] 사용자 기반 협업 필터링 실습
[3] 아이템 기반 협업 필터링 실습
[4] 잠재요인 모델 기반 협업 필터링 실습

chapter 16 텍스트 마이닝

16.1 개요
[1] 정의
[2] 분석 프로세스

16.2 웹 스크래핑
[1] 정의
[2] 실습

16.3 빈도 분석
[1] 정의
[2] 실습

16.4 버즈 분석
[1] 정의
[2] 실습

16.5 토픽 모델링
[1] 정의
[2] 실습

김형수 저
한성대학교 산업경영공학과에서 CRM과 마케팅공학 전공트랙을 담당하고 있으며, 사단법인 한국CRM협회 회장과 고객전략연구센터의 센터장을 맡고 있다. 국내 최초의 CRM 전공 분야 박사로 알려져 있는 김형수 교수는 《Industrial Marketing Management》, 《Decision Support Systems》, 그리고 《Journal of Customer Strategy》 등 마케팅, 정보시스템, 그리고 고객전략 분야의 저명저널에 CRM 연구논문을 게재하고,《 CRM 전략: 원리와 응용》,《Mastering CRM 전문가》,《Mastering 마케팅 통계분석가》, 《Mastering 데이터마이닝 전문가》,《Mastering 고객DB 분석가》등의 전문서적을 집필하였다. 또한, 김형수 교수는 지난 16년간 하나금융그룹, SKT, 롯데백화점, 현대카드, SK에너지, 뉴스킨코리아, 제일모직, 매일유업, SK네트웍스, 하나투어 등 40여 개 이상의 다양한 업종에서 CRM 프로젝트를 주도해 옴으로써 이론과 실무를 겸비한 CRM 전문가로 알려져 있다. 국내외 CRM 컨설팅 기업에서 사용하고 있는 CRM Scorecard 프레임워크의 창시자이기도 한 저자의 연구논문은 2009년에 Science Direct의 Hottest Article 전체 사회과학 분야에서 3위에 선정되었고, 2011년에는 아시아 지역에서 유일한 글로벌 CRM 전문가 10인 중 한 명으로 선정되어 Nava Science의 기획도서《Customer Relations》에 Chapter Contributor로 참여하였다. 김형수 교수의 온라인 CRM 강의는 서울권역 14개 사립대학에서 매년 1000명 이상의 학생들과 국내 50여 개 기업에서 매년 300명 이상의 기업 임직원들이 수강하고 있다.

김형수 저