모두를 위한 머신러닝
SejonguniversityK
강좌 소개
홍보/예시 영상
강좌 운영 계획
강의계획서 |
|||
주차 |
주차명 |
차시명 |
학습활동 |
1 |
머신러닝 개요 |
1차시. 머신러닝이란 무엇인가? |
퀴즈 |
2차시. 지도학습 |
|||
3차시. 비지도학습 |
|||
4차시. 수학 복습: 벡터와 행렬 |
|||
5차시. 수학 복습: 벡터-행렬 연산 |
|||
2 |
선형 회귀 |
1차시. 선형 회귀: 모델 표현 |
퀴즈 |
2차시. 선형 회귀: 경사 하강 개념 |
|||
3차시. 경사 하강 |
|||
4차시. 경사 하강 개념 |
|||
5차시.경사 하강과 선형 회귀 |
|||
3 |
다변수 선형 회귀 |
1차시. 다변수 선형 회귀 |
퀴즈 |
2차시. 특징 값 스케일링 |
|||
3차시. 경사 하강: 학습 속도 |
|||
4차시.새로운 특징 값 만들기 |
|||
5차시. 정규 방정식 |
|||
4 |
데이터 분류 |
1차시. 이진 분류 |
퀴즈 과제(1) |
2차시. 분류 경계선 |
|||
3차시. 로지스틱 회귀: 비용함수 |
|||
4차시. 최적화 |
|||
5차시. Multiclass Classification |
|||
5 |
정규화(Regularization) |
1차시. 과적합(Overfitting) |
퀴즈 |
2차시. 정규화(Regularization) |
|||
3차시. 선형 회귀의 정규화 |
|||
4차시.로지스틱 회귀의 정규화 |
|||
5차시.다항 회귀의 정규화 |
|||
6 |
신경회로망 모델링 |
1차시. 비선형 예측 함수 |
퀴즈 |
2차시. 뉴런과 브레인 |
|||
3차시. 뉴런 모델 표현 |
|||
4차시. 신경회로망 모델 표현 |
|||
5차시.논리 함수 구현 |
|||
7 |
신경회로망 학습 |
1차시. 비용 함수 |
퀴즈 |
2차시. 오차 역전파 학습 알고리즘 |
|||
3차시. 신경회로망 파라미터 최적화 |
|||
4차시. 오차 역전파 알고리즘의 행렬 표현 |
|||
5차시.오차 역전파 알고리즘 응용 |
|||
8주차 중간고사 |
|||
9 |
머신러닝의 적용 |
1차시. 예측 함수의 성능 평가 |
퀴즈 |
2차시. 최적 모델의 선택 |
|||
3차시. Bias와 Variance |
|||
4차시. 학습 곡선 |
|||
5차시. 학습 알고리즘의 성능 향상 |
|||
10 |
머신러닝 시스템 설계 |
1차시. 머신러닝 시스템 설계 시 고려사항 |
퀴즈 |
2차시. 오차 분석 방법 |
|||
3차시. 불균형 데이터의 경우 오차 평가척도 |
|||
4차시. 정밀도(Precision)와 재현율(Recall)의 Trade-Off |
|||
5차시. 학습 데이터 수와 텍스트 오차의 관계 |
|||
11 |
Support Vector Machine |
1차시. SVM의 최적화 목적 함수 |
퀴즈 |
2차시. 최대 마진 개념 |
|||
3차시. 최대 마진 분류의 수학적 개념 |
|||
4차시. 커널의 개념 |
|||
5차시. SVM 적용하기 |
|||
12 |
클러스터링 |
1차시. 비지도 학습 |
퀴즈 과제(2) |
2차시. K-Means 알고리즘의 원리 |
|||
3차시. K-Means 알고리즘의 최적화 목적 함수 |
|||
4차시. 랜덤 초기화와 K-Means 알고리즘 |
|||
5차시. 클러스터 수의 결정 |
|||
13 |
차원 줄이기 |
1차시. 차원 줄이기의 목적 |
퀴즈 |
2차시. Principal Component Analysis |
|||
3차시. PCA 알고리즘 |
|||
4차시. Principal Component 수의 결정 |
|||
5차시. PCA 적용 방법 |
|||
14 |
이상 데이터 검출 |
1차시. 이상 데이터 검출 문제 정의 |
퀴즈 |
2차시. 가우시안 분포 |
|||
3차시. 이상 데이터 검출 알고리즘 |
|||
4차시. 이상 데이터 검출을 위한 특징 변환 |
|||
5차시. 다변수 가우시안 분포 |
|||
15주차 기말고사 |
강좌운영팀 소개
교수자
- 공성곤 교수
- ◎ 학력사항
- - 서울대학교 전기공학 학사
- - 서울대학교 전기공학 석사
- - 미국 University of Southern California 전기공학 박사
- ◎ 경력사항
- - 미국 Temple University, 전기컴퓨터공학과 교수
- - 미국 Naval Research Lab, Summer Research Faculty Fellow
- - 미국 Purdue University, 방문교수
- - 숭실대학교 전기공학과 교수
- ◎ 주요 연구실적
- - http://iis.sejong.ac.kr
강좌지원팀
- 조교
- 세종대학교 컴퓨터공학 석사과정
- E-mail: ocm9015@naver.com
강좌 수강 정보
이수/평가정보
과제명 | 퀴즈 | 과제 | 중간고사 | 기말고사 |
---|---|---|---|---|
반영비율 | 20% | 30% | 25% | 25% |
※ 총 60% 이상 점수 획득 시, 이수증을 발급받을 수 있습니다.
- 퀴즈 : 매주차 2문항 (풀이기회 각 2회)
- 과제 : 4, 12주차 (총 2회)
- 중간고사 : 8주차 5문항 (풀이기회 1번, 선다형/OX/수치 입력형)
- 기말고사 : 15주차 5문항 (풀이기회 1번, 선다형/OX/수치 입력형)
강좌 수준 및 선수요건
전공기초
교재 및 참고문헌
강좌를 수강하기 위한 별도의 교재는 없습니다.
자주 묻는 질문
세종대학교 재학생이 학점인정을 위해 본 강좌를 수강할 경우 K-MOOC 강좌 이수 외에 추가적으로 수행하여야 하는 활동은 무엇인가요?
교내에서 실시되는 '오프라인 특강' 및 '오프라인 시험'에 반드시 참여해야 학점을 인정받을 수 있습니다.(평가점수 반영) 오프라인 행사의 일시 및 장소는 학기 중, 본 플랫폼 공지사항을 통하여 안내할 예정입니다.