Skip to main content
실습으로 배우는 머신러닝 이미지

실습으로 배우는 머신러닝





MOOC 01 강좌 개요 및 목표

■ 강좌 개요
본 강좌는 묶음강좌 '인문·사회계열 전공생을 위한 머신러닝 예비학교'의 두 번째 코스로, 인문·사회계열 학생들이 머신러닝 개념의 핵심을 쉽게 이해하고 활용하도록 돕는 것을 목표로 한다. 수학이나 통계 이론에 익숙치 않을 수 있는 인문·사회계열 학생들을 위해 수학적이고 이론적인 내용을 최소화하여 인공신경망, 의사결정나무를 비롯한 다양한 머신러닝 알고리즘의 핵심 작동 원리를 최대한 그림과 동영상을 이용해 소개한다. 또한 Python 코딩을 이용한 실습 중심의 수업으로 학생들이 머신러닝 모델링에 친숙해지고 실제 활용 능력을 키우도록 돕고 차후에 좀 더 어려운 방법론들을 익히는 데 진입장벽을 낮춰주는 강의이다.

■ 학습목표
본 강좌를 수강한 학습자는:
1. 머신러닝의 기본 원리와 핵심 개념을 설명할 수 있다.
2. Python 실습을 통해 머신러닝 모델들을 실질적으로 활용할 수 있다.


MOOC 02  주차별 강좌 계획

■ 강좌 운영 기간 : 2022년 1월 24일 (월) 09:00 ~ 2월 20일 (일) 23:59
■ 본 강의는 매주 월요일 오전 9시마다 새로운 수업이 공개되며, 휴강 없이 진행됩니다. 상세 일정은 아래 표를 확인해주세요.
실습으로 배우는 머신러닝_강의계획서 내용 안내
주 차강 의 주 제
1 Introduction to Machine Learning (1/24 공개)
1. 인공지능과 머신러닝 개요
2. 머신러닝 학습 개념
3. 머신러닝 프로세스 및 활용
4. 퀴즈
2 Machine Learning Pipeline (1/24 공개)
1. 머신러닝 프로세스 개요
2. 실습
3. 퀴즈
3 Classification (1/24 공개)
1. 머신러닝 분류 모델링
2. KNN
3. Logistic Regression
4. 퀴즈
4 Model Learning with Optimization (1/24 공개)
1. 최적화와 모형 학습
2. 경사하강법 개요
3. 경사하강법 심화
4. 퀴즈
5 Support Vector Machine (1/31 공개)
1. Support Vector Machine
2. Nonlinear SVM
3. SVM Regression
4. 퀴즈
5. 토론 1
6 Decision Tree (1/31 공개)
1. Decision Tree
2. Decision Tree 학습
3. Decision Tree Regression
4. 퀴즈
7 Ensemble Learning (1/31 공개)
1. Decision Tree Review
2. Ensemble Learning 소개
3. Ensemble Learning 이론
4. 퀴즈
8 Principal Component Analysis (1/31 공개)
1. PCA 소개
2. PCA 원리
3. PCA 적용
4. 퀴즈
9 Clustering (2/7 공개)
1. Clustering(군집화)
2. Hierarchical Clustering(계층적 군집화)
3. K-means Clustering(K-평균 군집화)
4. 퀴즈
10 Neural Network Basic (2/7 공개)
1. Logistic Regression
2. Basic Structure
3. Multi-layered Structure
4. 퀴즈
5. 토론 2
11 Backpropagation and Optimization (2/7 공개)
1. Optimization Review
2. Backpropagation
3. Backpropagation for Neural Network
4. 퀴즈
12 기말고사 (2/14 공개 ~ 2/20 마감)


MOOC 03  수강대상 및 학습활동

  • 수강대상
    - 머신러닝의 실제 적용 방법을 학습하고자 하는 인문·사회·교육계열 전공생
    - 머신러닝 모델의 작동 원리에 대해 관심 있는 일반인

  • 수업구성
    강의, 퀴즈, 토론, 기말고사

  • 평가기준
    퀴즈 50%, 토론 10%, 기말고사 40%

  • 이수증 발급
    총점 60점 이상 이수한 학습자
    * 본 강의는 과제가 포함되어 있으므로 이수증 발급이 종강 시점으로부터 1~2주 소요됩니다. 소속 기관의 이수증 제출 일정을 반드시 확인하세요.



MOOC 04 교수 및 운영진 소개

담당 교수

김영훈 교수


학력
고려대학교 산업경영공학 박사
고려대학교 산업경영공학/경제학 학사

주요 경력
현) 성신여자대학교 수리통계데이터사이언스학부(통계학과) 교수
현) 삼성전자 공과대학 초빙교수
전) SK Innovation Data Scientist

연구 분야
딥러닝, 머신러닝, 데이터사이언스
운영진
강좌 담당 TA

현) 성신여자대학교 K-MOOC '실습으로 배우는 머신러닝' 조교
이메일 : jh08061@gmail.com
강의 내용과 관련된 문의사항은 담당 조교에게 주세요.
성신여자대학교 교수학습지원센터

이메일 : kmooc@sungshin.ac.kr
전화 : (02)920-7863
시스템과 관련된 문의사항은 교수학습지원센터로 주세요.

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

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

    Institution

    SUNGSHIN WOMEN'S UNIVERSITY
  4. 운영 기관의 전화번호 입니다.

    Phone

    02-920-7778
  5. 강좌의 구성 주차 수를 의미합니다. (강좌를 충실히 학습하기 위해 필요한 주당 학습시간을 의미합니다.)

    Course Week
    (Estimated Effort)

    12week
    (주당 03시간 00분)
  6. 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)

    19시간 00분
    (15시간 30분)
  7. 수강신청이 가능한 기간으로 해당 기간 내에만 수강신청이 가능합니다.

    Registration Period

    2021.12.13 ~ 2022.02.19
  8. 강좌가 운영되고 교수지원이 이루어지는 기간입니다. 이수증은 강좌운영기간이 종료된 이후에 발급받을 수 있습니다.

    Classes Period

    2022.01.24 ~ 2022.02.20