Skip to main content
빅데이터와 머신러닝 소프트웨어 동영상

빅데이터와 머신러닝 소프트웨어




강의소개

빅데이터와 머신러닝 소프트웨어는 다양한 데이터를 분석하고 예측 모델을 만드는 소프트웨어이다. 본 강좌는 두 부분으로 구성되어 있다.
첫째, 다양한 빅데이터 분석 방법 (배치 처리, 스트림 처리, 인터액티브 질의, 그래프 처리 등)을 학습한다. 배운 개념을 활용하여 스파크/하둡 기반으로 실제 데이터 분석을 어떻게 하는지 학습한다.
둘째, 머신러닝 소프트웨어의 중요한 개념에 대해 알아보고, 다양한 머신 러닝 분석 방법을 학습힌다. 배운 개념을 활용하여 구글 텐서플로우를 기반으로 머신러닝/딥러닝 분석을 어떻게 하는지 학습한다.

교수소개

전병곤 교수 - 서울대학교 공과대학 컴퓨터공학부  

  학력

•  서울대학교 전자공학과 학사(1994)
•  서울대학교 전자공학과 석사(1996)
•  Stanford University, Computer Science 석사 (2002)
•  University of California, Berkeley, Computer Science 박사(2007)

  주요경력

•  2007-2008: International Computer Science Institute (Post-doctoral Researcher)
•  2008 – 2011: Intel Labs Berkeley (Research Scientist)
•  2011 – 2012: Yahoo!Research (Research Scientist)
•  2012 – 2013: Microsoft (Principal Scientist)
•  2016 : Facebook (Research Scientist)
•  2016: 서울대학교 컴퓨터공학부 조교수

  연구분야

•  Operating systems
•  Datacenter infrastructure / cloud computing
•  Big data analytics
•  Machine learning systems
 

강의구성

  총 8주차

 •  강좌계획표(Syllabus)

주차  개강일 학습목표 학습내용 평가
1주차  1월 29일 빅데이터 분석 소프트웨어의 전반적인 구성과 분석방법들을 설명할 수 있다. 빅데이터 분석 소프트웨어 개요 퀴즈
2주차 2월 5일 빅데이터 배치 처리 방식을 설명할 수 있다. 빅데이터 처리 시스템 개요 및 예시 퀴즈
3주차 2월 12일 빅데이터 분석 방법 중 SQL 기반 인터액티브 질의 방식을 설명할 수 있다. 빅데이터 배치 분석 및 대화형 질의 퀴즈, 과제1
4주차 2월 19일 빅데이터 실시간 처리 방식인 스트림 처리 방식을 설명할 수 있다. 빅데이터 스트림 분석 퀴즈
5주차 2월 26일 머신러닝 소프트웨어의 전반적인 구성에 대해 설명할 수 있다. 그래프 처리, 머신러닝 시스템 개요 퀴즈
6주차 3월 5일 머신러닝 소프트웨어를 통해 모델을 표현하고 학습하는 방법을 설명할 수 있다 머신러닝/딥러닝 시스템 퀴즈
7주차 3월 12일 텐서플로우 프로그래밍을 직접 실습해 보고, 텐서플로우 프로그래밍을 설명할 수 있다. . 텐서플로우 프로그래밍 퀴즈, 과제2
8주차 3월 19일 머신러닝 소프트웨어에서 분산학습을 설명할 수 있다. 분산 머신러닝/딥러닝 퀴즈


  평가 비율 

퀴즈중간/기말고사과제
80% 0% 20%

60점 충족 시 이수증 발부

  교재

•  교재는 학습자료로 제공
     ※학습자료는 다운로드 가능

   강좌 소개 영상 

운영방식

  수강신청 기간

•  2019년 1월 29일(화) ~ 2018년 3월 20일(수)

  운영 기간

•  2019년 1월 29일(화) ~ 2019년 3월 25일(월)

  개설 방식

•  매주 1개 주차씩 순차 오픈

조교소개

김수정 조교

  메일 : soojeong_kim@snu.ac.kr

관련 강좌

  1. major

    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

    univ_name

    SNUk
  4. 강좌의 구성 주차 수를 의미합니다. (강좌를 충실히 학습하기 위해 필요한 주당 학습시간을 의미합니다.)

    Course Week
    (Estimated Effort)

    08week
    (주당 01시간 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)

    08시간 45분
    (05시간 50분)
  6. 수강신청이 가능한 기간으로 해당 기간 내에만 수강신청이 가능합니다.

    Course Registration Period

    2019.01.29 ~ 2019.03.21
  7. 강좌가 운영되고 교수지원이 이루어지는 기간입니다. 이수증은 강좌운영기간이 종료된 이후에 발급받을 수 있습니다.

    Classes Period

    2019.01.29 ~ 2019.03.26