Skip to main content
인공지능 만들기 : 기계학습 방법론의 이해 동영상

인공지능 만들기 : 기계학습 방법론의 이해




Enrollment is Closed

강좌 개요

강좌소개

인공지능 기술은 이미 우리 삶의 매우 가까운 영역에 적용되어 생활의 많은 부분에 변화를 가져다 주었습니다. 많은 사람들을 인공지능이 산업에서 새로운 부가가치를 창출할 수 있으며, 그에 따라 각광받는 일자리가 함께 생겨날 것으로 기대하고 있습니다. 인공지능을 이용한 가치창출은 기존 기술의 답습이 아니라, 새로운 문제영역에 이미 개발된 기존 기술의 창의적인 적용, 응용에 나온다는데 전통적인 기술 기반산업과 큰 차이가 있습니다. 인공지능 분야에서 필요한 능력을 배양하기 위해서는 이미 구현된 인공지능 기술의 근본적인 원리와 수리적인 구조의 이해하는 것이 필요하다고 생각하여 본 강좌를 개발하게 되었습니다. 본 강좌는 인공지능의 한 분야인 기계학습 중 지도학습방법론을 다룹니다. 지도학습에 대한 수리적인 구조를 이해하고 주어진 데이터에 기반하여 새로운 기계학습 모형을 만드는 것을 목표로 하고 있습니다. 이를 통해 데이터 사이언스 전공자와 실무자가 기존의 기계학습 방법론을 새로운 분야에 창의적으로 적용하고 응용할 수 있도록 강의를 구성하였습니다.

학습목표


기계학습 방법론의 수리모형을 이해하고, 파이썬을 통해 기계학습 방법론을 이용한 의사결정모형을 구현한다.
1. 기계학습의 원리를 이해한다.
2. 기계학습 모형의 수리적 구조, 특징, 데이터를 이용한 모형학습방법을 이해한다.
3. 파이썬을 이용하여 기계학습 모형을 설계하고 구현한다.

강좌 계획


“인공지능 만들기: 기계학습 방법론의 이해”는 총 15주차로 구성되어 있습니다. 강좌계획표를 통해 무엇을 배우는지 미리 확인해보세요.
강의계획서
주차 주차명 차시명 과제
1 1주차: 기계학습이란? 1차시: 데이터의 구조
2차시: 파이썬 실행환경 만들기
3차시: 기계학습모형(회귀모형, 분류모형)
4차시: 모형의 복잡도와 모형 성능
5차시: Talk and Talk 퀴즈 1
2 2주차: 선형회귀모형1 1차시: 선형회귀모형의 개념
2차시: 선형회귀모형의 수학적 표현
3차시: 선형회귀모형의 적합
4차시: Talk and Talk 퀴즈 2
3 3주차: 선형회귀모형2 1차시: 범주형 변수를 이용한 회귀모형1
2차시: 범주형 변수를 이용한 회귀모형2
3차시: 선형회귀모형의 확장
4차시: 선형회귀모형의 실습
5차시: Talk and Talk 퀴즈 3, 과제 1
4 4주차: 분류모형의 기초 1차시: 분류모형의 개념
2차시: 로지스틱회귀모형
3차시: 다범주분류
4차시: 분류모형의 기초 실습
5차시: Talk and Talk 퀴즈 4
5 5주차: 선형판별분석(LDA) 1차시: 베이즈 정리와 분류모형
2차시: LDA를 통한 분류분석
3차시: 선형판별분석 실습
4차시: Talk and Talk 퀴즈 5
6 6주차: 학습모형의 평가와 선택 1차시: 데이터셋과 모형선택
2차시: 교차검증
3차시: 모형선택실습
4차시: Talk and Talk 퀴즈 6, 과제 2
7 7주차: 우도함수를 이용한 모델링과 적합 1차시: 우도함수와 추론
2차시: 최적화
3차시: 우도함수 추론 실습
4차시: Talk and Talk 퀴즈 7
중간고사
9 9주차: 정규화 방법론1 1차시: Ridge 회귀모형
2차시: Lasso
3차시: 정규화 방법론 1 실습 퀴즈 8
10 10주차: 정규화 방법론2 1차시: Lasso의 성질
2차시: 비볼록함수의 이용
3차시: 정규화 방법론 2 실습
4차시: Talk and Talk 퀴즈 9
11 11주차: 정규화방법론 응용 1차시: Fused Lasso
2차시: 일반화 Lasso의 최적화
3차시: 정규화 방법론 응용 실습
4차시: Talk and Talk 퀴즈 10, 과제 3
12 12주차: 나무의사결정모형과 Random Forest 1차시: 나무의사결정모형
2차시: Random Forest
3차시: 나무의사결정 모형 실습
4차시: Talk and Talk 퀴즈 11, 과제 4
13 13주차: 신경망모형 1차시: 신경망모형의 소개
2차시: 신경망 모형을 이용한 분류분석
3차시: 신경망모형 실습
4차시: Talk and Talk 퀴즈 12
14 14주차: 분류모형 만들기 1차시: 여러 가지 기계학습 모형의 비교1(회귀모형)
2차시: 여러 가지 기계학습 모형의 비교2(분류모형)
3차시: Talk and Talk 퀴즈 13
기말시험

강좌운영진 소개

교수자

김민정_교수님_사진
대표교수 :서울시립대학교 전종준 교수
[소속] 서울시립대학교 자연과학대학 통계학과
[최종학력] 서울대학교 자연과학대학 이학박사 (통계학)
[전공분야] 기계학습, 통계계산
[주요경력] 서울시 스마트도시정책관 통계데이터협력단장

강좌지원팀

강좌 수강 정보

이수/평가정보


평가는 퀴즈 20% 과제 20% 중간고사 30% 기말고사 30%로 진행됩니다. 100%의 이수비율 중, 60%이상을 취득하면 이수증을 발급받으실 수 있습니다.
이수/평가정보
퀴즈 과제 중간고사 기말고사 총점
20% 20% 30% 30% 100%

주요 학습 대상

데이터 사이언스 전공자, 데이터 사이언스 분야 개발자

강좌 수준 및 선수요건

본 강좌는 기계학습의 수리적인 모형을 설명하고, 파이썬을 이용하여 모형을 구현하는 방법을 설명합니다. 본 과정을 이해하기 위해서는 확률, 행렬, 프로그래밍의 기본 지식이 필요합니다. 따라서 기초통계학, 선형대수, 기초 파이썬 프로그래밍 과목을 먼저 수강하기를 권장합니다.

주교재

An introduction to Statistical Learning with Application in R (저자: Gareth James, Daniela Witten, Trevor Hastie, Robert Tibshirani, 출판사: Springer,출판년도: 2017)

주 교재의 핵심적 내용을 발췌해서 구성한 주차별 강의안과 참고자료를 제공합니다.

관련 강좌

현재 강좌와 관련있는 강좌를 찾을 수 없습니다.
  1. Subject

    Natural Sciences
    (Mathematics, Physics, Astronomy & Geography)
  2. 강좌 내용의 어려운 수준을 의미합니다. 교양, 전공기초, 전공심화 순으로 난이도가 증가합니다.

    Course difficulty

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

    Institution

    UNIVERSITY OF SEOUL
  4. 운영 기관의 전화번호 입니다.

    Phone

    02-6490-6026
  5. 강좌의 구성 주차 수를 의미합니다. (강좌를 충실히 학습하기 위해 필요한 주당 학습시간을 의미합니다.)

    Course Week
    (Estimated Effort)

    15week
    (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)

    30시간 23분
    (21시간 23분)
  7. 수강신청이 가능한 기간으로 해당 기간 내에만 수강신청이 가능합니다.

    Registration Period

    2021.02.23 ~ 2021.06.18
  8. 강좌가 운영되고 교수지원이 이루어지는 기간입니다. 이수증은 강좌운영기간이 종료된 이후에 발급받을 수 있습니다.

    Classes Period

    2021.03.02 ~ 2021.06.25