머신러닝
POSTECH
수강신청하실 수 없습니다.
강좌 소개
데이터를 분석하기 위한 기계학습 기법들을 공부합니다. 기계학습에 중요한 알고리즘에 대한 이론과 파이썬을 이용한 실습을 동시에 진행합니다. 선형대수, 최적화에 대한 기초 공부 후, regression, classification (perceptron, SVM, logistic regression), clustering (K-means), dimension reduction (PCA), artificial neural network 이론을 공부하고 python을 활용한 알고리즘 구현하는 것을 목표로 합니다.
※ 수업진행과 과제를 수행하기 위해서 파이썬 사용 필수.
| [미리보기] |
| week 1-1 [선형대수 - 행렬의 성질과 활용] 강좌 미리보기 |
| week 2-1 [선형변환의 성질 1] 강좌 미리보기 |
강좌 목차
| 주차 | 주차 | |
|---|---|---|
| 1 | 선형대수 - 행렬의 성질과 활용 | 사용되는 프로그램 설치 |
| 행렬의 연산 | ||
| 행렬의 성질 & norm | ||
| 벡터의 연산 | ||
| Lecture Note | ||
| 1주차 질의응답 | ||
| 2 | 선형대수 - 행렬과 선형 변환 | 선형변환의 성질 1 |
| 선형변환의 성질2 | ||
| 행렬과 고유값 | ||
| 선형 변환의 예시 | ||
| 2주차 질의응답 | ||
| 3 | 선형대수 - 머신러닝과 선형대수의 관계 | 선형 방정식과 행렬 |
| 최적화와 선형대수 | ||
| 3주차 질의응답 | ||
| 4 | 머신러닝을 위한 최적화 | 최적화의 개념 및 용어 |
| 컨벡스 함수와 최적화 | ||
| 경사하강법을 이용한 최적화 | ||
| 최적화 문제 풀이방법(그래프 및 cvx) | ||
| Lecture Note | ||
| 4주차 질의응답 | ||
| 5 | 회귀 | 회귀 1-1 |
| 회귀 1-2 | ||
| 회귀 2-1 | ||
| 회귀 2-2 | ||
| 회귀 3-1 | ||
| 회귀 3-2 | ||
| Lecture Note | ||
| 5주차 질의응답 | ||
| 6 | 분류 - 퍼셉트론 | 퍼셉트론 1 |
| 퍼셉트론 2 | ||
| Lecture Note | ||
| 6주차 질의응답 | ||
| 7 | 서포트 벡터 머신 | 서포트 벡터 머신 1 |
| 서포트 벡터 머신 2 | ||
| 서포트 벡터 머신3 | ||
| 서포트 벡터 머신4 | ||
| 7주차 질의응답 | ||
| 8 | 로지스틱 회귀분석 | 로지스틱 회귀분석 1 |
| 로지스틱 회귀분석 2 | ||
| 로지스틱 회귀분석 3 | ||
| 로지스틱 회귀분석 4 | ||
| 8주차 질의응답 | ||
| 9 | k 평균 군집화 | 군집화 1 |
| 군집화 2 | ||
| 군집화 3 | ||
| 9주차 질의응답 | ||
| 10 | 통계와 몬테카를로 시뮬레이션 | 통계 1 |
| 통계 2 | ||
| 통계 3 | ||
| 통계 4 | ||
| 몬테카를로 시뮬레이션 | ||
| 10주차 질의응답 | ||
| 11 | 주 성분 분석 & 피셔 판별 분석 | 주 성분 분석1 |
| 주 성분 분석 2 | ||
| 주 성분 분석 3 | ||
| 피셔 판별 분석1 | ||
| 피셔 판별 분석 2 | ||
| 11주차 질의응답 | ||
| 12 | 인공 신경망과 텐서플로우 | 인공 신경망 1-1 |
| 인공 신경망 1-2 | ||
| 인공 신경망 1-3 | ||
| 인공 신경망 1-4 | ||
| 13 | 인공 신경망과 텐서플로우2 & 오토인코더 | 인공 신경망 2-1 |
| 인공 신경망 2-2 | ||