• 0. Basics of Machine Learning - 머신러닝 기초

00.1 Gradient Descent(경사 하강법)

00.2 Linear Regression(선형 회귀)

00.3 Ridge, Lasso, Elastic Net(규제가 있는 회귀)

• 1. Supervised Learning - 지도 학습

01.1 Logistic Regression(로지스틱 회귀분석)

01.2 Navie Bayesian Classifier(베이지안 분류기)

01.3 Support Vector Machine(서포트 벡터 머신)

01.4 Decision Tree(결정 트리 모형)

01.5 Neural Network(인공 신경망)

• 02.Unsupervised Learning - 비지도 학습

02.1 Hierarchical Clustering (계층적 군집화)

02.2 K-Means Clustering (K-평균 클러스터링)

02.3 DBSCAN (밀도 기반 클러스터링)

• 03. Dimension Reduction - 차원 축소

03.1 Principal Component Analysis (주성분 분석)

03.2 T-SNE (t-분포 확률적 임베딩)

• 04. Ensemble - 앙상블 기법

04.1 Voting (보팅)

04.2 Bagging & Pasting (배깅과 페이스팅)

04.3 Random Forest (랜덤 포레스트)

04.4 Gradient Boosting / XGboost (그래디언트 부스팅)

04.5 LightGBM (라이트 그래디언트 부스팅)

04.6 Stacking Algorithm (스태킹 알고리즘)