시나공 AI능력시험 AICE ASSOCIATE 편 (2023.7)

대한민국 No.1 인공지능 능력시험 AICE

AICE(AI Certificate for Everyone)는 인공지능 능력시험이자 AI 자격증입니다.

영어능력을 평가하는 토익처럼, AICE는 인공지능 활용 능력을 평가합니다.

AICE는 AI 역량에 따라 5개의 레벨로 구성되어 있습니다.

AICE Associate는 현실의 문제를 인공지능으로 잘 해결할 수 있는지 검정하기 위해 실제 사례를 기반으로 문제가 출제됩니다. AI 모델링을 위한 데이터 분석, 전처리, 머신러닝/딥러닝, 모델 성능 평가 프로세스 전 과정에 대해 100% 실기로 진행됩니다.

이 책은 AI 활용을 위한 ‘탐색적 데이터 분석, 전처리, 모델링, 성능 평가, 그리고 실제 사례를 통한 심화학습’까지 AICE Associate 시험을 완벽하게 준비할 수 있도록 도와줍니다.

AICE 시험뿐만 아니라 실제 업무에서 다루는 사례를 중심으로 설명하고 있어 실무에도 충분히 활용할 수 있습니다.

이 책의 특징

1. AICE Associate 능력시험 완벽 대비

2. KT 현업 개발자가 실무 경험을 기반으로 직접 집필한 공식 수험서

3. 실무에서 사용하는 사례 기반 AI 활용 능력 학습

4. 실전 감각을 키우는 AICE Associate 시험 대비용 실습 코드 제공

5. 시험 접수 응시료 20% 할인 쿠폰 제공 

서길원

KT의 10년 이상 IT 부서의 근무 경험으로 KT의 영업 전산 개선 등 프로젝트를 수행.

현재 DevOps 엔지니어로 활동하고 있으며, IT 및 데이터 전문가로서 관련 분야 다수의 강의 활동을 수행하고 있습니다.

들어가며

AICE 추천사

이 책의 구성

이 책의 활용

AICE 자격검정 안내

AICE Associate 시험 안내

AICE 자격검정 Q&A

Part 01 기본 학습하기 – AI 핵심 이론 및 활용

Chapter 01 AI 작업 환경 만들기

Section 01 기본 환경 구성하기

1 아나콘다 활용하기

2 구글 코랩 사용하기

3 KT의 AICE 홈페이지 사용하기

확인 문제 / 개념정리

Chapter 02 데이터 획득하기

Section 01 파이썬 데이터 분석 라이브러리 활용하기

1 넘파이 이용하기

2 판다스 이용하기

Section 02 데이터 불러오기

Section 03 데이터 저장하기

확인 문제 / 개념정리

Chapter 03 데이터 구조 확인하기

Section 01 데이터프레임 확인하기

1 데이터 살펴보기

2 데이터프레임의 기본 정보 확인하기

확인 문제 / 개념정리

Chapter 04 기초 데이터 다루기

Section 01 필요 데이터 선택하기

1 칼럼명으로 데이터 선택하기

2 행 범위를 지정하여 데이터 선택하기

3 특정 행, 열의 범위를 선택하여 데이터를 선택하기

4 조건으로 데이터 선택하기

Section 02 필요 데이터 변경하기

1 데이터 추가하기

2 데이터 삭제하기

3 칼럼명 변경하기

4 데이터프레임 정렬하기

Section 03 데이터 프레임 변형하기

1 그룹화하기

2 피벗테이블 생성하기

3 인덱스 및 칼럼 레벨 변경하기

Section 04 데이터프레임 병합하기

1 concat 활용하여 병합하기

2 merge/join 활용하여 병합하기

확인 문제 / 개념정리

Chapter 05 데이터 이해하기

Section 01 지표로 데이터 탐색하기

1 일변량 비시각화 탐색하기

2 다변량 비시각화 탐색하기

Section 02 시각화로 데이터 탐색하기

1 일변량 시각화 탐색하기

2 다변량 시각화 탐색하기

3 maplotlib 활용하기

4 seaborn 시각화 라이브러리 활용하기

확인 문제 / 개념정리

Chapter 06 데이터 전처리하기

Section 01 수치형 데이터 정제하기

1 결측치 파악하기

2 결측치 처리하기

3 이상치 파악하기

4 이상치 처리하기

5 구간화하기

Section 02 범주형 데이터 정제하기

1 레이블 인코딩하기

2 원핫 인코딩하기

Section 03 스케일링하기

1 정규화하기

2 표준화하기

Section 04 변수 선택하기

1 신규 변수 생성하기

2 변수 선택하기

확인 문제 / 개념정리

Chapter 07 AI 모델링 필수 개념 이해하기

Section 01 A I 란 무엇인가?

1 머신러닝 이해하기

2 딥러닝 이해하기

Section 02 A I 학습 방법 이해하기

1 지도학습 이해하기

2 비지도학습 이해하기

Section 03 A I 모델링 프로세스 이해하기

1 AI 모델링 프로세스

Section 04 학습 데이터의 분할 방법 이해하기

1 학습 데이터 분할하기

2 k-fold 교차 검증하기

3 학습 과정을 시각화하여 과적합 확인하기

Section 05 A I 모델 평가 이해하기

1 분류 모델 평가하기

2 회귀 모델 평가하기

확인 문제 / 개념정리

Chapter 08 지도학습으로 AI 모델링하기

Section 01 머신러닝으로 AI 모델링하기

1 사이킷런 라이브러리

2 선형회귀(Linear Regression)

3 로지스틱 회귀(Logistic Regression)

확인 문제

4 의사결정나무(Decision tree)

확인 문제

5 앙상블(Ensemble)

6 랜덤 포레스트(Random Forest)

확인 문제

7 그래디언트 부스팅(Gradient Boosting)

확인 문제

Section 02 딥러닝으로 A I 모델링하기

1 인공신경망

2 심층신경망

3 딥러닝 프레임워크

4 심층신경망으로 항공사 고객 만족 분류 모델 구현 실습하기

확인 문제 / 개념정리

Chapter 09 비지도학습으로 AI 모델링하기

Section 01 차원 축소

1 주성분 분석

2 t-분산 확률적 이웃 임베딩(

Section 02 군집화

1 K-평균 군집화(

2 DBSCAN

3 고객 세분화 모델 구현 실습하기

확인 문제 / 개념정리

Chapter 10 모델 성능 향상하기

Section 01 모델 하이퍼파라미터 튜닝 이해하기

1 그리드 서치(Grid Search)

2 랜덤 서치

Section 02 머신러닝 모델링 및 하이퍼파라미터 튜닝 실습하기

1 [회귀] 항공권 가격 예측 모델링하기

2 [분류] 항공사 고객만족 여부 예측 모델링

확인 문제 / 개념정리

Part 02 심화 학습하기 - AI 사례 실습

Chapter 01 [실습] 비데/정수기 렌탈 고객 해지 여부 예측하기

Section 01 A I 작업 환경 만들기

1 패키지 설치하기

2 패키지 불러오기

3 옵션 설정하기

확인 문제 / 개념정리

Section 02 기초 데이터 다루기와 전처리하기

1 데이터 획득하기

2 데이터 구조 확인하기

3 데이터프레임 합치기

4 결측치 처리하기

5 데이터 유형 변경하기

6 파생 변수 추가하기

7 불필요한 칼럼 삭제하기

확인 문제 / 개념정리

Section 03 데이터 이해하기(EDA와 시각화)

1 출력값(Label) 분석하기

2 수치형 데이터 분석하기

3 수치형 데이터의 이상치 제거하기

4 이상치 제거 후 수치형 데이터 분석하기

5 범주형 데이터 분석하기

확인 문제 / 개념정리

Section 04 I 모델링을 위한 전처리하기

1 표준화와 정규화하기

2 레이블 인코딩하기

3 원핫 인코딩하기

4 다중공선성 제거하기

확인 문제 / 개념정리

Section 05 모델링과 평가하기

1 데이터 분할하기

2 모델별 성능 그래프 그리기

3 모델 생성하기

개념정리

4 AI 모델 평가하기

확인 문제 / 개념정리

마무리

부록 - AICE Associate 연습 문제