머신러닝
SNUk
머신러닝은 데이터에 존재하는 정보를 추출하거나 패턴을 학습하는 학문이고, 인공지능 기수에 가장 핵심적인 분야이다. 우선, 기본적인 선형대수 개념을 바탕으로 일반적인 최적화 및 온라인 최적화 문제를 다룬다. 그리고 머신러닝에서 주로 다루는 스코어 함수와 손실함수를 앞서 배운 최적화 프레임에 대입해본다. Chained function이 주어졌을 때 일반적으로 사용할 수 있는 computational graph의 roqua과 backpropagation에 대해 학습하고 컨볼루션 및 순환 신경망에 어떻게 적용하는지를 학습한다.
• 머신러닝의 수학적인 원리를 설명할 수 있다.
• 기본적으로 심화 강좌인 머신러닝을 제외한 4강좌의 학습 순서는 상관없음 • 한양대학교 기계공학 학사 (2006)
•  2013: IBM Research (Research intern) •  Artificial intelligence, Robotics, Optimization, Machine learning • 강좌계획표(Syllabus) ※60점 충족 시 이수증 발부 • 2018년 1월 8일(화) ~ 2019년 3월 5일(화) • 2019년 1월 22일(화) ~ 2019년 3월 18일(월) • 매주 1개 주차씩 순차 오픈 메일 : harry2636@snu.ac.kr
※본 강좌는 영어로 진행됩니다.
학습목표
• 원리를 바탕으로 알고리즘이 어떻게 설계되는지 설명할 수 있다a.
• 알고리즘의 실제 문제에 적용할 수 있다. 연관 선수 강좌
• 내용 구성을 고려하여 화살표로 그 순서를 제안
학력
• Stanford University, Mechanical engineering 석사 (2008)
• University of California, Berkeley, Computer Science 석사 (2013)
• University of California, Berkeley, Computer Science 박사 (2014) 주요경력
• 2013: INRIA Grenoble (Visiting researcher)
• 2014.11. – 2016.07.: Stanford University (Postdoctoral fellow)
• 2016.07. – 2017.08.: Google Research (Research Scientist)
•  2017.09. – 현재: 조교수, 서울대학교 컴퓨터공학부
연구분야
총 9주차
주차
개강일
학습목표
학습내용
평가
1주차
1월 22일
머신러닝의 개념을 설명할 수 있다
Logistics Introduction, Types of ML problems
2주차
1월 29일
최적화 개념을 들어가기 앞서 필수 배경 지식을 설명할 수 있다.
Basic linear algebra
퀴즈
3주차
2월 5일
일반적인 최적화 문제를 공식화하는 과정과 해를 찾는 과정을 설명할 수 있다.
Descent methods, Coordinate descent
4주차
2월 12일
대량의 데이터를 바탕으로 최적화할 때 stochastic gradient descent를 이용해 해를 찾을 수 있다.
Online method, Advanced online descent methods
퀴즈
5주차
2월 19일
대량의 데이터를 바탕으로 최적화할 때 stochastic gradient descent를 이용해 해를 찾을 수 있다.
Score functions, Loss functions
6주차
2월 26일
손실함수를 미분 가능한 chained function 형태로 표현하고 최적화할 수 있다.
Computational graphs, Neural networks
퀴즈
7주차
3월 5일
Spatial invariance를 위한 컨볼루션과 Temporal modeling을 위한 순환 신경망을 설명할 수 있다.
Convolutional neural network,
Pooling layer,
Activation,
Weight initialization
8주차
3월 12일
Environment와 반복적으로 interaction하면서 강화학습을 설명 할 수 있다.
Reinforcement Learning,
Value based model free reinforcement learning
퀴즈
9주차
3월 18일
기말고사
평가 비율
퀴즈 중간고사 기말고사
50%
0%
50%
교재
• 교재는 학습자료로 제공
※학습자료는 다운로드 가능 수강신청 기간
운영 기간
개설 방식
관련 강좌