[2022] 기계학습 Certificate
Recruiting People1,000 people
Learning period09-01-2022 ~ 04-30-2023
강의 소개 및 개요입니다.
성명 |
김학수 |
소속기관 |
건국대학교 |
과목명 |
기계 학습 |
강의시간 |
17 |
학습목표 |
1. 기계학습에 관한 개념을 이해하고 주어진 문제와 접목시킬 수 있다. |
강의 선수과목 및 준비사항입니다.
선수과목 |
- |
참고자료 |
- |
준비사항 |
개인 노트북을 준비하고, 첫 시간에 설명하는 프로그램을 설치해야 함. |
기계학습 강의 과정입니다.
1 |
기계학습 실습에 필요한 프로그램을 설치하고, 에디터를 사용 방법을 익힌다 -기계학습을 위한 프로그램 설치 |
2 |
기계학습의 기본 개념을 이해하고, 최적화 과정을 이해한다. -Hypothesis 및 loss 함수 개념 |
3 |
Decision Tree(규칙 모델)의 개념을 이해하고, 코딩 방법을 익힌다. -Decision Tree의 개념 |
4 |
Support Vector Machine(선형 벡터 모델)의 개념을 이해하고, 코딩 방법을 익힌다. -Support Vector Machine의 개념 -Support Vector Machine 프로그래밍 |
5 |
Hidden Markov Model(통계 모델)의 개념을 이해히고, 비터비 알고리즘을 이해한다. -Hidden Markove Model의 개념 |
6 |
Maximum Entropy Markov Model과Conditional Random Fields의 개념을 이해하고, 코딩 방법을 익힌다. -Maximum Entropy MarkovModel과 Conditional RandomFields의 개념 |
7 |
Multi-layer Perceptron의 개념을 이해한다. -Artificial Neural Network의 개념 |
8 |
Deep Neural Network의 개념을 이해하고, 코딩 방법을 익힌다. -Deep Neural Network의 개념 |
9 |
Convolutional Neural Network의 프로그래밍을 하기 위해 기초가 되는 코딩 방법 이해한다. -Pytorch를 이용하여 Neural Network Class를 작성하는 방법 |
10 |
Convolutional Neural Network의 개념을 이해하고, 코딩 방법을 익힌다. -Convolutional Neural Network의 개념 -Pytorch 기반 ConvolutionalNeural Network 프로그래밍 |
11 |
다양한 워드 임베딩 방법을 이해하고,코딩 방법을 익힌다 -다양한 워드 임베딩 방법 소개 |
12 |
Recurrent Neural Network의 개념을 이해하고, 코딩 방법을 익힌다. -Recurrent Neural Network의 개념 |
13 |
다양한 Recurrent Neural Network 모델을 이해하고, 코딩 방법을 익힌다. -Many-to-Many(SequenceLabeling, Sequence-toSequence 등) 모델의 개념 |
14 |
Transformer 모델을 이해하고, 코딩 방법을 익힌다. -Transformer의 개념 |
15 |
Generative Adversarial Network 모델을 이해하고, 코딩 방법을 익힌다 -Generative Adversarial Network 의 개념 |
16 |
Transfer Learning(전이학습)의 개념을 이해하고, 코딩 방법을 익힌다. -Transfer Learning의 개념 |
17 |
다양한 클러스터링 모델의 개념을 이해하고, 코딩 방법을 익힌다 -다양한 클러스터링 모델의 개념 -다양한 클러스터링 모델에 따른 프로그래밍 |
-
SubjectMachine Learning, Programming
-
Class AreaAI & Programming
-
PracticeProgramming (Python)
-
Utilize기타