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  5월 6일 빅데이터 분석 소프트웨어의 전반적인 구성과 분석방법들을 설명할 수 있다. 빅데이터 분석 소프트웨어 개요 퀴즈
2주차 5월 13일 빅데이터 배치 처리 방식을 설명할 수 있다. 빅데이터 처리 시스템 개요 및 예시 퀴즈
3주차 5월 20일 빅데이터 분석 방법 중 SQL 기반 인터액티브 질의 방식을 설명할 수 있다. 빅데이터 배치 분석 및 대화형 질의 퀴즈, 과제1
4주차 5월 27일 빅데이터 실시간 처리 방식인 스트림 처리 방식을 설명할 수 있다. 빅데이터 스트림 분석 퀴즈
5주차 6월 3일 머신러닝 소프트웨어의 전반적인 구성에 대해 설명할 수 있다. 그래프 처리, 머신러닝 시스템 개요 퀴즈
6주차 6월 10일 머신러닝 소프트웨어를 통해 모델을 표현하고 학습하는 방법을 설명할 수 있다 머신러닝/딥러닝 시스템 퀴즈
7주차 6월 17일 텐서플로우 프로그래밍을 직접 실습해 보고, 텐서플로우 프로그래밍을 설명할 수 있다. . 텐서플로우 프로그래밍 퀴즈, 과제2
8주차 6월 24일 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 4월 22일(월) ~ 2019년 6월 16일(일)

  운영 기간

•  2019년 5월 6일(월) ~ 2019년 6월 30일(일)

  개설 방식

•  매주 1개 주차씩 순차 오픈

조교소개

김수정 조교

  메일 : soojeong_kim@snu.ac.kr

관련 강좌

  1. major

    Engineering
    (Computers & Communication)
  2. 강좌를 개발하고 운영하는 기관입니다. 컨소시엄으로 운영 시, 대표기관의 명칭이 나타납니다

    Institution

    SEOUL NATIONAL UNIVERSITY
  3. 강좌의 구성 주차 수를 의미합니다. (강좌를 충실히 학습하기 위해 필요한 주당 학습시간을 의미합니다.)

    Course Week
    (Estimated Effort)

    08week
    (주당 01시간 00분)
  4. 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)
  5. 수강신청이 가능한 기간으로 해당 기간 내에만 수강신청이 가능합니다.

    Course Registration Period

    2019.04.22 ~ 2019.06.17
  6. 강좌가 운영되고 교수지원이 이루어지는 기간입니다. 이수증은 강좌운영기간이 종료된 이후에 발급받을 수 있습니다.

    Classes Period

    2019.05.06 ~ 2019.07.01
  7. ※ 만족도 응답 표본 수 미달 등 일정 기준이 충족되지 않은 경우 별점이 공개되지 않을 수 있습니다.