기계학습(딥러닝)

담당강사

서형석 (前 과학기술연합대학원대학교 초빙교수/매트랩, 통계수학 강의)

강좌소개

이 강좌를 통해 딥러닝의 기본을 이해하고 기본 기계학습에 대한 학습을 통해 현장 문제 해결 능력을 배양 할 수 있다.

교육내용

강의주제 강의내용
1주 파이썬 언어 문법, 파이썬 라이브러리
2주 기초 수학, 통계 편미분, 대수학, 확률 통계, 베이지안통계, 최대우도
3주 예측모델 예측선, 선형회귀모델, 로지스틱회귀모델, 정보이론, 계층설계
4주 신경망 퍼셉트론, 다층퍼셉트론, 오차역전파, 활성함수, 다차원배열, 신경망구현, 손글씨인식
5주 모델설계 모델, 데이터다루기, 다중분류, 성능검증, 성능향상, 모델설계
6주 신경망학습 손실함수, 학습알고리즘구현, L1,L2 정규화, 반지도학습, 조기종료, dropout, 미니배치, 국소최소, SGD
7주 학습기술 매개변수갱신, 배치정규화, 바른학습, 하이퍼파라미터
8주 중간고사 중간고사, 퀴즈 및 수업 보충
9주 ConvNet(합성신경망) 합성곱계층, 폴링계층, 구현, 시각화, 대표합성신경망
10주 딥러닝 심층화, 역사, 고속화, 활용, 미래
11주 자연어 자연어처리, 통계기반기법, 기법개선, word2vec, 속도개선
12주 순환신경망(RNN) LSTM구현, LSTM언어모델, RNN구현, 시계열데이터처리, 학습과평가
13주 순환신경망 사용문장 언어사용모델사용 문장생성, seq2seq, 응용
14주 attention 구조, 평가, 응용, seq2seq구현
15주 생성모델, 기말고사 오토인코더, VAE, GAN, 확산모델, EBM과목총정리, 보충

* 위의 일정은 사정에 따라 변경될수도 있습니다.

TOP