Part 1. 파이썬 데이터 분석
Chapter 1. 파이썬의 매력 : AI시대의 필수 언어
1. 간결함
2. 확장성
3. 커뮤니티 지원
4. 범용성

Chapter 2. 파이썬 설치 및 분석환경구축
1. 아나콘다
2. 주피터 랩 사용하기
3. 주피터 노트북 사용하기
4. 주피터 랩 사용법 익히기
5. 구글 코랩 사용하기
6. AIDU 사용하기

Chapter 3. 파이썬 AI 분석을 위한 기본 문법
1. 넘파이 라이브러리 설치와 기본문법
2. 판다스 라이브러리 설치와 기본문법

Chapter 4. 데이터 불러오기 및 데이터 구조 탐색
1. 데이터 불러오기 실습
2. 데이터 선택하기
3. 요약

Chapter 5. 데이터 전처리
1. 데이터 정제
2. 데이터 구조변경
3. 데이터 병합과 추가

Chapter 6. 탐색적 데이터 분석
1. 기초통계량 분석
2. 상관분석
3. 교차분석
4. 시각화


Part 2. AI 모델링의 이해
Chapter 1. AI의 기본 개념
1. 머신러닝의 이해
2. 딥러닝의 이해

Chapter 2. AI 학습 유형에 따른 분류
1. 지도학습 이해
2. 비지도학습 이해
3. 지도학습과 비지도학습의 차이

Chapter 3. AI 모델링 프로세스에 대한 이해
1. AI 모델링 프로세스

Chapter 4. 학습 데이터의 분할방법 이해
1. 데이터 분할하기
2. K-FOLD 교차검증
3. 과적합 확인

Chapter 5. 모델 평가하기

Chapter 6. 머신러닝 지도학습 AI모델링
1. 사이킷런 라이브러리
2. 선형회귀
3. 로지스틱 회귀
4. 의사결정나무
5. 앙상블 모델
6. 랜덤포레스트 모델
7. 그래디언트 부스팅
8. 모델간 성능비교

Chapter 7. 딥러닝 지도학습 AI모델링
1. 인공신경망
2. 심층신경망
3. 딥러닝 프레임워크
4. 심층신경망을 이용한 심혈과 질환 분류모델 실습

Chapter 8. 비지도학습 AI모델링
1. 차원축소
2. 군집

Chapter 9. AI 모델 성능향상
1. 머신러닝 모델 하이퍼 파라미터 튜닝
2. AI모델 하이퍼 파라미터 튜닝


Part 3. 종합실습
Chapter 1. 신용카드 사기감지 예측모델
1. AI 작업환경 만들기
2. 데이터 획득
3. 탐색적 데이터 분석
4. 데이터 전처리
5. 학습을 위한 데이터 전처리
6. 모델링 및 평가

Chapter 2. 파워리프팅 선수 경기력 향상모델
1. AI 작업환경 만들기
2. 데이터 획득
3. 탐색적 데이터 분석
4. 데이터 변환 및 스케일링
5. 상관관계 분석
6. 학습을 위한 데이터 전처리
7. 모델링 및 평가


Part 4. 최종 모의고사
Chapter 1. 문제유형 분석
1. AICE Associate 공식 샘플 문항 분석
2. 수험생 후기 및 경험 분석
3. 시험 후기를 통한 실전형 문제보완
4. 14가지 문제유형 분석 및 변형가능범위

Chapter 2. 유형별 예상문제와 풀이
1. 필수 라이브러리 임포트
2. 데이터 불러오기 및 저장
3. 데이터 병합
4. 데이터 분포 시각화
5. 변수간 관계분석
6. 이상치 제거
7. 결측치 제거
8. 불필요한 컬럼 제거
9. 원-핫 인코딩 적용
10. 데이터셋 분리 및 스케일링
11. 머신러닝 모델 학습
12. 모델 성능평가
13. 딥러닝 모델 학습
14. 딥러닝 모델 성능평가 및 저장 / 불러오기