Skip to main content
인공지능과 기계학습 동영상

인공지능과 기계학습




■ 강좌 소개

영화 ‘아이언맨’의 똑똑한 인공지능 개인비서 ‘자비스’, 언제쯤 가능할까요? 오혜연 교수가 인공지능 및 기계학습에 대한 기초적인 이론지식을 기반으로 컴퓨터에게 지능을 부여하는 방법을 이해하고, 실습을 통해 이를 구현하는 능력을 배울 수 있는 강좌를 개설합니다.

■ 과목 진행 방식

본 과목은 7주차 과목으로 진행됩니다. 1주는 30분 내외의 비디오 약 4편으로 구성되어 있습니다.

매주 퀴즈를 통해 한 주 동안 배운 것들을 복습하게 됩니다.

■ 담당 교수

Course Staff Image #1

KAIST 오혜연 교수

• MIT 전산학 박사

• 자연어 정보 처리 및 사용자 이해에 관한 연구 수행

■ 강의 내용

주차 학습 목차 주제
1 인공지능 및 기계학습 개요 • 인공지능 및 기계학습 개요
1 확률론 및 나이브 베이즈
(Probability and Naive Bayes)
• 확률론 복습 (Probability)
• 의학 진단 예제 (Example: Medical Diagnosis)
• 나이브 베이즈 (Naive Bayes)
2 서포트 벡터 머신
(Support Vector Machines)
• 서포트 벡터 머신 (Support Vector Machine) 개론
• 선형 서포트 벡터 머신 (Linear SVM)
• 커널 서포트 벡터 머신 (Kernel SVM)
3 결정 트리
(Decision Trees)
• 결정 트리 (Decision Trees)
• 랜덤 포레스트 (Random Forest)
4 신경망 모델
(Neural Networks)
• 인공 뉴런 (Artificial Neuron)
• 다층 뉴럴 네트워크 (Multilayer Neural Network)
• 경험적 위험 최소화 (Empirical Risk Minimization)
• 손실 함수 (Loss Function)
• 은닉층 그래디언트 (Hidden Layer Gradient)
5 딥러닝과 응용
(Deep Learning and Applications)
• 딥 러닝 소개 (Introduction to Deep Learning)
• 제한적 볼츠만 기계 (Restricted Boltzmann Machine)
• 오토인코더 (Autoencoder)
• 딥 뉴럴 네트워크 정규화 (Deep Neural Network Regularization)
6 강좌 종합 정리 • 강좌 종합 정리

• 문의사항

kmooc@kaist.ac.kr

관련 강좌

현재 강좌와 관련있는 강좌를 찾을 수 없습니다.
  1. Subject

    Engineering
    (Computers & Communication)
  2. 강좌 내용의 어려운 수준을 의미합니다. 교양, 전공기초, 전공심화 순으로 난이도가 증가합니다.

    Course difficulty

    intermediate
  3. 강좌를 개발하고 운영하는 기관입니다. 컨소시엄으로 운영 시, 대표기관의 명칭이 나타납니다

    Institution

    Korea Advanced Institute of Science and Technology
  4. 강좌의 구성 주차 수를 의미합니다. (강좌를 충실히 학습하기 위해 필요한 주당 학습시간을 의미합니다.)

    Course Week
    (Estimated Effort)

    06week
    (주당 03시간 00분)
  5. 본 강좌 이수자에게 인정되는 학습시간으로 해당 강좌의 동영상, 과제, 시험, 퀴즈, 토론 등의 시간을 포함합니다. (강의 내용과 관련된 동영상 재생 시간의 총 합계입니다.)

    Accredited learning time
    (Video Duration)

    09시간 00분
    (07시간 14분)
  6. 수강신청이 가능한 기간으로 해당 기간 내에만 수강신청이 가능합니다.

    Registration Period

    2017.02.20 ~ 2017.04.07
  7. 강좌가 운영되고 교수지원이 이루어지는 기간입니다. 이수증은 강좌운영기간이 종료된 이후에 발급받을 수 있습니다.

    Classes Period

    2017.02.27 ~ 2017.04.08