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
| 주 | 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.