머신러닝 최적화를 위한 Genetic Algorithm

! 주의사항 !
해당 강의는 [유전 알고리즘을 활용한 머신러닝 입력 최적화 및 대안 제안 메소드] 와 동일한 강의입니다.

강의 적성 CheckList

'하나'라도 해당된다면, 이 강의를 들어야 합니다!

이 강의 하나면, 다음과 같은 능력을 갖출 수 있습니다.

현) 실리콘밸리 Applied Materials 반도체 머신러닝 책임연구원
전) 실리콘밸리 Wipro Technologies 머신러닝 아키텍트
전) 보스턴 Iterative Scopes 머신러닝 엔지니어
전) 삼성전자 머신러닝 엔지니어
한양대학교 공학박사

“산업현장에서, 성능 및 수율을 1%를 향상시키는 것이 아주 큰 변화를 가져 온다는 것을
잘 아실 것입니다. 그 소중한 1%, 유전알고리즘을 적용하면 쉽게 달성 가능합니다.”

“초보 데이터 사이언티스트는 예측 모델링을 주로 하고, 중간급 이상이 되면 의사결정 위주의 일을 하게 됩니다.
기존의 머신러닝 수업들이 '예측 모델링'을 주로 강의 했다면,
이 수업은 "데이터를 기반" 으로 "인사이트"를 얻어 "의사 결정"을 할 임원진에게
"인풋을 이렇게 바꾸셔야 합니다" 라고 "대안"을 제시할 수 있는 기법을 배우는 강의입니다.”

“이 강의는 산업체 인공지능 적용 사례를 기반으로 구성했어요. 개발기간 단축을 위해
정확도가 높은 머신러닝 모델을 개발하고, 입력 최적화를 위해 유전 알고리즘을 사용하면
엔지니어가 원하는 목표 도달을 위한 최적의 인자 조합을 도출할 수 있습니다.
현장에서는 이를 ‘최적안 설계’라고 부르며, 강화학습을 사용하지 않고도 유의미한 결과를 얻을 수 있습니다.”

단 한번의 결제, 영원한 소장
데이터 사이언티스트에 한발짝 다가서기