딥러닝 시대에도 필요한 고급기계학습

본 강의는 목적은 다양한 고급기계학습 기법의 수학적 배경을 이해하고, 각 방법의 장점과 단점을 이해하여 주어진 상황에 적합한 기법을 선택하여 문제를 효율적이고 효과적으로 해결할 수 있다.

* 구성: 총 14강 + 중간평가 + 기말평가
* 개설: 순차적 개설 - 해당 주차일에 강의가 열리며, 지나간 강의는 언제든지 볼 수 있음

[딥러닝 시대에도 필요한 고급기계학습 맛보기 강의]

강의 일정

주차 주차명 차시명

1주차 GM 1) Probability
2) Independency, Bayesian Reasoning

2주차 BN(1) 1) Bayesian Network Overview
2) Dependency in Bayesian Networks

3주차 BN(2) 1) Inference in Bayesian Networks
2) Inference in Polytrees

4주차 HMM(1) 1) Hidden Markov Model Overview
2) Efficient Inference Algorithm for HMMs

5주차 HMM(2) 1) Estimation of HMMs
2) State Sequence Estimation

6주차 GA(1) 1) Genetic Algorithm Overview
2) Selection, Crossover and Mutation

7주차 GA(2) 1) Selection Operators and Real Number Encoding
2) Crossover & Mutation for Real Number Encoding, and Elitism

8주차 중간 평가

9주차 RF 1) Linear SVM
2) Soft Margin Linear SVM

10주차 GP(1) 1) Non-Linear SVM
2) Kernel Trick

11주차 GP(2) 1) Overview of Random Forest
2) Out-Of-Bag Error, Variable Importance

12주차 GP(3) 1) Algorithm of Adaboost
2) Hyperparameter Optimization Overview
3) Gaussian Process I

13주차 AB 1) Gaussian Process II
2) Bayesian Optimization

14주차 MF 1) Singular Value Decomposition
2) Matrix Factorization by Optimization

15주차 GMM 1) Gaussian Mixture Models
2) Expectation-Maximization

16주차 기말평가

강의 일정
주차	주차명	차시명
1주차	GM	1) Probability 2) Independency, Bayesian Reasoning
2주차	BN(1)	1) Bayesian Network Overview 2) Dependency in Bayesian Networks
3주차	BN(2)	1) Inference in Bayesian Networks 2) Inference in Polytrees
4주차	HMM(1)	1) Hidden Markov Model Overview 2) Efficient Inference Algorithm for HMMs
5주차	HMM(2)	1) Estimation of HMMs 2) State Sequence Estimation
6주차	GA(1)	1) Genetic Algorithm Overview 2) Selection, Crossover and Mutation
7주차	GA(2)	1) Selection Operators and Real Number Encoding 2) Crossover & Mutation for Real Number Encoding, and Elitism
8주차	중간 평가
9주차	RF	1) Linear SVM 2) Soft Margin Linear SVM
10주차	GP(1)	1) Non-Linear SVM 2) Kernel Trick
11주차	GP(2)	1) Overview of Random Forest 2) Out-Of-Bag Error, Variable Importance
12주차	GP(3)	1) Algorithm of Adaboost 2) Hyperparameter Optimization Overview 3) Gaussian Process I
13주차	AB	1) Gaussian Process II 2) Bayesian Optimization
14주차	MF	1) Singular Value Decomposition 2) Matrix Factorization by Optimization
15주차	GMM	1) Gaussian Mixture Models 2) Expectation-Maximization
16주차	기말평가

* 평가점수 및 이수증 발급기준

평가점수 및 이수증 발급기준

구분 퀴즈 14회 과제 2회 토론 2회 평가(중간) 평가(기말) 합계

점수 20점 20점 15점 20점 25점 100점

이수기준 : 총점 70점 이상

평가점수 및 이수증 발급기준
구분	퀴즈 14회	과제 2회	토론 2회	평가(중간)	평가(기말)	합계
점수	20점	20점	15점	20점	25점	100점

이지형 교수

[프로필]
現 성균관대학교 정보통신대학 소프트웨어학과 정교수
現 성균관대학교 지능정보융합원 부원장
現 한국정보과학회 인공지능소사이어티 부회장
現 한국지능시스템학회 이사

미국 SRI International, International Fellow
한국과학기술원 학사/석사/박사

[수업지원]
이진섭 튜터
성균관대학교 대학원 소프트웨어학과 박사과정
E-mail : wlstjq0602@naver.com(24시간 이내에 답변을 드리도록 하겠습니다.)

[기술지원]
유관열 직원
성균관대학교 교무처 교육콘텐츠개발팀
E-mail : yky5749@skku.edu (24시간 이내에 답변을 드리도록 하겠습니다.)

SKKUk: SKKU_44 딥러닝 시대에도 필요한 고급기계학습

딥러닝 시대에도 필요한 고급기계학습

관련 강좌

	[수업지원] 이진섭 튜터 성균관대학교 대학원 소프트웨어학과 박사과정 E-mail : wlstjq0602@naver.com(24시간 이내에 답변을 드리도록 하겠습니다.)

	[기술지원] 유관열 직원 성균관대학교 교무처 교육콘텐츠개발팀 E-mail : yky5749@skku.edu (24시간 이내에 답변을 드리도록 하겠습니다.)