수업내용/목표
- 다양한 형태의 데이터를 다루기 위한 기초적인 방법론을 학습할 수 있도록 기계학습의 원리와 응용을 다루고,
이를 융합연구의 토대로 활용할 수 있는 통찰력을 얻을 수 있다.
◎ 수강대상
- 기계학습 관련 전공 학과의 대학생
- 융합 연구의 기초를 다듬기 원하는 연구자
◎ 수업목표
- 기계학습의 전반적인 이론을 이해한다.
- 기계학습 방법론을 다양한 분야에 적용할 수 있다.
강의계획서 |
|||
주차 |
주차명 |
차시명 |
학습활동 |
1 |
기계학습 소개 |
1차시. 기계학습 정의 및 데이터의 이해 |
퀴즈 3문항 |
2차시. 기계학습 활용사례 소개 |
|||
3차시. 데이터 마이닝 프로세스 |
|||
2 |
기계학습과 수학 |
1차시. 응용선형대수 |
퀴즈 3문항 토론 |
2차시. 확률 및 통계 |
|||
3차시. 최적화 |
|||
3 |
데이터 전처리 |
1차시. 데이터 셋의 종류 및 속성 타입 |
퀴즈 3문항 |
2차시. 데이터의 기본 통계 및 시각화 |
|||
3차시. 데이터 유사도 |
|||
4 |
기초 분류 모델 I |
1차시. 분류 문제 기본 개념 |
퀴즈 3문항 읽기자료 |
2차시. 의사 결정 나무 |
|||
3차시. 베이지안 분류 모델 |
|||
5 |
기초 분류 모델 II |
1차시. 서포트 벡터 머신 |
퀴즈 3문항 |
2차시. 모델 평가 및 선택 방법 |
|||
3차시. 앙상블 모델 |
|||
6 |
다층 퍼셉트론 |
1차시. 신경망 기초 및 퍼셉트론 |
퀴즈 3문항 읽기자료 |
2차시. 다층 퍼셉트론 |
|||
3차시. 오류 역전파 알고리즘 |
|||
7 |
연관 분석 모델 |
1차시. 연관분석 기본개념 |
퀴즈 3문항 |
2차시. 연관분석 알고리즘 소개 |
|||
3차시. 패턴 평가 방법론 |
|||
8주차 중간고사 |
|||
9 |
기초 클러스터링 I |
1차시. 클러스터링 기본 개념 |
퀴즈 3문항 |
2차시. 분할 클러스터링 |
|||
3차시. 계층 클러스터링 |
|||
10 |
기초 클러스터링 II |
1차시. 밀도 기반 클러스터링 |
퀴즈 3문항 과제 |
2차시. 고급 클러스터링 방법론 |
|||
3차시. 클러스터링 평가 방법 |
|||
11 |
이상치 탐지 |
1차시. 이상치 소개 및 클러스터링 기반 접근 |
퀴즈 3문항 읽기자료 |
2차시. 통계 기반 접근 |
|||
3차시. 인접성 및 분류 기반 접근 |
|||
12 |
딥러닝 기초 및 컨볼루션 신경망 |
1차시. 딥러닝 소개 |
퀴즈 3문항 |
2차시. 컨볼루션 신경망 |
|||
3차시. 컨볼루션 신경망 사례연구 |
|||
13 |
생성모델 및 딥러닝 최적화 I |
1차시. 생성모델 |
퀴즈 3문항 읽기자료 |
2차시. 목적함수 및 성능향상을 위한 방법 I |
|||
3차시. 성능향상을 위한 방법 II |
|||
14 |
딥러닝 최적화 II 및 텍스트 마이닝 |
1차시. 규제 기법 |
퀴즈 3문항 토론 |
2차시. 최적화 |
|||
3차시. Special Topic: 텍스트 마이닝 |
|||
15주차 기말고사 |
과제명 | 퀴즈 | 과제 | 중간고사 | 기말고사 |
---|---|---|---|---|
반영비율 |
25% |
25% |
20% |
30% |
※ 총 60% 이상 점수 획득 시, 이수증을 발급받을 수 있습니다.
- 퀴즈 : 매주차 3문항 (풀이기회 2번)
- 과제 : 10주차 논문요약
- 중간고사 : 8주차 10문항, 선다형 및 수치 입력 (풀이기회 1번)
- 기말고사 : 15주차 10문항, 선다형 및 수치 입력 (풀이기회 1번)
전공기초 수준
◎ 교재
- 기계학습(Machine Learning), 오일석, 한빛아카데미, 2016
- Data Mining-Concepts and Techniques, 3 edition (JiaweiHan, et
al.)
◎ 참고문헌
- Jordan, M. I., & Mitchell, T. M., Machine learning: Trends,
perspectives, and prospects. Science, 2015.
- Liao, S. H., Chu, P. H., & Hsiao, P. Y., Datamining
techniques and applications–A decade review from 2000 to 2011.
Expert systems with applications, 2012.
- Wu, X., Kumar, V., Quinlan, J. R., Ghosh, J., Yang, Q., Motoda,
H., ... & Zhou, Z. H., Top 10 algorithms in datamining.
Knowledge and information systems, 2008.
교내에서 실시되는 '오프라인 특강' 및 '오프라인 시험'에 반드시 참여해야 학점을 인정받을 수 있습니다. (평가 점수 반영) 오프라인 행사의 일시 및 장소는 학기 중, 본 플랫폼 공지사항을 통하여 안내할 예정입니다.