| 1강 |
데이터와 알고리즘 |
 |
| 2강 |
머신러닝 프로세스 |
 |
| 3강 |
머신러닝 맛보기1: 분류 문제(로지스틱 회귀분석) |
 |
| 4강 |
머신러닝 맛보기2: 회귀 문제(선형회귀분석) |
 |
| 5강 |
머신러닝 프로세스1: 범주변수의 변환: one-hot-encoding |
 |
| 6강 |
머신러닝 프로세스2: 데이터셋 분할과 모델검증 |
 |
| 7강 |
머신러닝 프로세스3: 데이터 스케일링 |
 |
| 8강 |
머신러닝 프로세스4: 모델 훈련과 세부튜닝 |
 |
| 9강 |
머신러닝 프로세스5: 모델 평가 |
 |
| 10강 |
머신러닝 프로세스6: 다중분류 |
 |
| 11강 |
데이터의 3대 유형 |
 |
| 12강 |
지도학습 알고리즘1: 로지스틱 회귀모델 |
 |
| 13강 |
지도학습 알고리즘2: k-최근접이웃법(KNN) |
 |
| 14강 |
지도학습 알고리즘3: 나이브 베이즈 |
 |
| 15강 |
지도학습 알고리즘4: 인공신경망 |
 |
| 16강 |
지도학습 알고리즘5: 서포트 벡터 머신(SVM) |
 |
| 17강 |
지도학습 알고리즘6: 의사결정나무(Decision Tree) |
 |
| 18강 |
지도학습 알고리즘7: 랜덤 포레스트(Random Forest) |
 |
| 19강 |
지도학습 알고리즘8: 투표기반 앙상블 |
 |
| 20강 |
지도학습 알고리즘9: 앙상블 배깅 |
 |
| 21강 |
지도학습 알고리즘10: 앙상블 부스팅 |
 |
| 22강 |
지도학습 알고리즘11: 앙상블 스태킹 |
 |
| 23강 |
지도학습 알고리즘12: 선형 회귀모델 |
 |
| 24강 |
지도학습 알고리즘13: 릿지(Ridge) 회귀모델 |
 |
| 25강 |
지도학습 알고리즘14: 라소(Lasso) 회귀모델 |
 |
| 26강 |
지도학습 알고리즘15: 엘라스틱넷 |
 |
| 27강 |
비지도학습 알고리즘1: 군집분석 |
 |
| 28강 |
비지도학습 알고리즘2: DBSCAN |
 |
| 29강 |
비지도학습 알고리즘3: 연관규칙분석 |
 |