머신러닝 기본 다지기
Basic, Edwith, ML
시작일
매주 2019년 10월 8일
진행일시
매주
모집현황
data-product-id="11697" data-recruit-progress="0" data-activity-progress="0"
진행장소
캠퍼스
학습대상
· 기계학습에 대해서 관심은 계속 갖고 있었지만 처음으로 학습하시는 분
· 기계학습에 대해 공부하려고 시도해보았지만 끝까지 학습하는 데에는 실패하신 분
· 기계학습을 어느 정도는 알고 있는 것 같지만 제대로 알고 있는 것인지 확신이 없으신 분
· 기계학습에 대해 공부하려고 시도해보았지만 끝까지 학습하는 데에는 실패하신 분
· 기계학습을 어느 정도는 알고 있는 것 같지만 제대로 알고 있는 것인지 확신이 없으신 분
과목난이도
쉬움 (1단계) ~ 어려움(5단계)
학습목표
· 기계학습의 다양한 알고리즘을 학습합니다.
· 기계학습과 관련된 개념들을 수학적으로/통계학적으로 정확하게 이해합니다.
· 기계학습과 관련된 개념들을 수학적으로/통계학적으로 정확하게 이해합니다.
운영방식
1) 주차에 맞게 정해진 강의를 듣고 동시에 참고자료를 통해서 필요한 내용을 추가로 학습합니다.
2) 정해진 인원이 해당 주차에 맞는 내용을 발표합니다.
(PT를 반드시 만들 필요는 없고, 학습한 내용을 정리해서 공유하는 정도이면 충분합니다.)
3) 발표 내용을 기초로 해당 주차의 내용에 대해서 질의응답 시간을 갖습니다.
2) 정해진 인원이 해당 주차에 맞는 내용을 발표합니다.
(PT를 반드시 만들 필요는 없고, 학습한 내용을 정리해서 공유하는 정도이면 충분합니다.)
3) 발표 내용을 기초로 해당 주차의 내용에 대해서 질의응답 시간을 갖습니다.
선수지식
문일철 교수님의 edwith "인공지능 및 기계학습 계론 I" 수업의 Chapter 1 강의를 들어보시고,
표현이나 수식을 100% 이해하지 못해도 크게 부담감이 없으시다면 참여하실 수 있습니다.
표현이나 수식을 100% 이해하지 못해도 크게 부담감이 없으시다면 참여하실 수 있습니다.
학습 및 참고자료
메인 강의:
문일철 교수님의 edwith 강의
① 인공지능 및 기계학습 계론 I
② 인공지능 및 기계학습 계론 II
③ 인공지능 및 기계학습 심화
(Youtube의 "AAILab Kaist"에서도 강의를 들을 수 있습니다.)
참고자료:
The Elements of Statistical Learning, An Introduction to Statistical Learning
문일철 교수님의 edwith 강의
① 인공지능 및 기계학습 계론 I
② 인공지능 및 기계학습 계론 II
③ 인공지능 및 기계학습 심화
(Youtube의 "AAILab Kaist"에서도 강의를 들을 수 있습니다.)
참고자료:
The Elements of Statistical Learning, An Introduction to Statistical Learning
커리큘럼
/
| 주차 | 모임내용 | 학습자료 |
|---|---|---|
| 1 주차 | Basic Concepts for Machine Learning | (메인 자료) "인공지능 및 기계학습 개론 I" Chapter 1 (보조 자료) "Pattern Recognition and Machine Learning" Ch.1의 일부 |
| 2 주차 | Fundamentals of Machine Learning | (메인 자료) "인공지능 및 기계학습 개론 I" Chapter 2, (보조 자료) TBA |
| 3 주차 | Naive Bayes Classifier | (메인 자료) "인공지능 및 기계학습 개론 I" Chapter 3, (보조 자료) TBA |
| 4 주차 | Logistic Regression | (메인 자료) "인공지능 및 기계학습 개론 I" Chapter 4, (보조 자료) TBA |
| 5 주차 | Support Vector Machine | (메인 자료) "인공지능 및 기계학습 개론 I" Chapter 5, (보조 자료) TBA |
| 6 주차 | Training Testing and Regularization | (메인 자료) "인공지능 및 기계학습 개론 I" Chapter 6, (보조 자료) TBA |
| 7 주차 | Bayesian Network | (메인 자료) "인공지능 및 기계학습 개론 II" Chapter 7, (보조 자료) TBA |
| 8 주차 | K-Means Clustering and Gaussian Mixture Model | (메인 자료) "인공지능 및 기계학습 개론 II" Chapter 8, (보조 자료) TBA |
| 9 주차 | Hidden Markov Model | (메인 자료) "인공지능 및 기계학습 개론 II" Chapter 9, (보조 자료) TBA |
| 10 주차 | Sampling Based Inference | (메인 자료) "인공지능 및 기계학습 개론 II" Chapter 10, (보조 자료) TBA |
| 11 주차 | Neural Network | (메인 자료) "인공지능 및 기계학습 심화" Chapter 4, (보조 자료) TBA |
퍼실소개
윤석채
대학원에서 퀀트 마케팅을 전공했고, 통계학과와 산업공학과 수업을 들으며 기계학습에 대해서 이론적인 내용과 코드를 통한 적용 방법을 학습했습니다.
기계학습을 스스로 공부하다 보면, 잘 모르는 점이 있어도 명쾌하게 해결하고 가기 보다는 어물쩍 넘어가는 경우가 발생하게 됩니다. 그리고 기계학습의 전모를 학습하기 보다는 부분적으로만 학습하고 지치는 경우가 많죠. 이번 공부 모임을 통해서, 기계학습과 관련된 개념들을 하나하나 정확하게 짚어 보면서 더 심화된 학습을 위한 디딤돌을 확실히 다지는 클래스가 되기를 희망합니다.
대학원에서 퀀트 마케팅을 전공했고, 통계학과와 산업공학과 수업을 들으며 기계학습에 대해서 이론적인 내용과 코드를 통한 적용 방법을 학습했습니다.
기계학습을 스스로 공부하다 보면, 잘 모르는 점이 있어도 명쾌하게 해결하고 가기 보다는 어물쩍 넘어가는 경우가 발생하게 됩니다. 그리고 기계학습의 전모를 학습하기 보다는 부분적으로만 학습하고 지치는 경우가 많죠. 이번 공부 모임을 통해서, 기계학습과 관련된 개념들을 하나하나 정확하게 짚어 보면서 더 심화된 학습을 위한 디딤돌을 확실히 다지는 클래스가 되기를 희망합니다.
풀잎스쿨 신청 및 결제를 위해서 로그인을 해주세요
본 과정은 기계학습과 관련된 여러 가지 기본 개념과 알고리즘들을 체계적으로 이해하도록 돕습니다. 카이스트 문일철 교수님의 edwith 강의를 듣고 이와 관련된 책/웹사이트를 참고 삼아서 미리 학습한 후, 매주마다 한명씩 정해진 주제에 대해 발표하고 질의응답을 하는 방식으로 클래스를 진행해 나갑니다.