[C++ 머신러닝] 목차

C++ 머신러닝 시리즈

Day 1: 머신러닝 개요 및 역사

Day 2: 머신러닝 기본 개념 (지도 학습, 비지도 학습, 강화 학습)

Day 3: 데이터 전처리 기법

Day 4: 기본 통계와 확률

Day 5: 선형 회귀 분석

Day 6: 로지스틱 회귀 분석

Day 7: 데이터 시각화 기초

Day 8: k-최근접 이웃 알고리즘 (KNN)

Day 9: 서포트 벡터 머신 (SVM)

Day 10: 결정 트리와 랜덤 포레스트

Day 11: 나이브 베이즈 분류기

Day 12: 클러스터링 알고리즘 (K-평균)

Day 13: 주성분 분석 (PCA)

Day 14: 신경망 기초

Day 15: 딥러닝 개요 및 역사

Day 16: 텐서플로우와 C++ API

Day 17: 컨볼루션 신경망 (CNN)

Day 18: 순환 신경망 (RNN)

Day 19: 강화 학습 기초

Day 20: 자연어 처리 (NLP)

Day 21: 생성적 적대 신경망 (GAN)

Day 22: 프로젝트: 이미지 분류기 구현 (1)

Day 23: 프로젝트: 이미지 분류기 구현 (2)

Day 24: 프로젝트: 이미지 분류기 구현 (3)

Day 25: 프로젝트: 챗봇 개발 (1)

Day 26: 프로젝트: 챗봇 개발 (2)

Day 27: 프로젝트: 챗봇 개발 (3)

Day 28: 모델 최적화와 성능 향상

Day 29: 실시간 데이터 스트리밍과 머신러닝

Day 30: 머신러닝 엔지니어로서의 커리어 개발 및 다음 단계