본문 바로가기

배우고 싶은 강좌를 찾아보세요.

추천 강좌

    다국어 설정

    강좌소개

    MOOC 01 강좌 개요 및 목표

    ■ 강좌 개요이 강의는 묶음강좌 '인문·사회계열 전공생을 위한 머신러닝 예비학교'의 마지막 코스입니다.
    이번 과정에서는 Python을 이용한 기본적인 프로그래밍 능력, 데이터의 형태와 특성에 알맞은 머신러닝 알고리즘의 종류와 작동 원리에 관한 이해, 머신러닝 알고리즘을 구현한 라이브러리들의 활용 방법을 종합하여 실제 사례에 근접한 문제들을 해결하는 프로그램을 작성하는 실습을 진행합니다. 이를 통해 인문·사회계열 학생들이 각 전공에서 맞닥뜨리게 되는 문제들에 머신러닝 알고리즘을 접목하고 창의적인 해결책을 모색할 수 있는 기반을 마련하고자 합니다.

    ■ 학습목표
    본 강좌를 수강한 학습자는:
    1. 실제 사례에 가까운 케이스별 문제들을 인공지능 알고리즘을 적용하여 해결할 수 있다.
    2. 자신의 전공에 인공지능 알고리즘을 적용할 수 있다.


    MOOC 02  주차별 강좌 계획

    ■ 강좌 운영 기간 : 2024년 9월 6일 (금) 09:00 ~ 12월 5일 (목) 23:59
    ■ 본 강의는 매주 금요일 오전 9시마다 새로운 수업이 공개되며, 휴강 없이 진행됩니다.
    모든 과제와 토론은 12월 5일 (목) 23:59 까지만 제출 가능합니다.
    * 마감 시간 임박하여 제출 시 제출이 원활하게 완료되지 않을 수 있으므로 반드시 시간적 여유를 두고 제출하세요.
    실사례를 통한 머신러닝 알고리즘 구현 실습_강의계획서 내용 안내
    주 차강 의 주 제
    1환경 설정 및 파이썬 복습
    1. 아나콘다 설치 및 스파이더 활용 방법
    2. 파이썬 주요기능 소개 (1)
    3. 파이썬 주요기능 소개 (2)
    2정적 데이터 수집과 가공
    1. BeautifulSoup을 활용한 정적 데이터 수집
    2. Series를 활용한 1차원 데이터 가공
    3. DataFrame을 활용한 2차원 데이터 가공
    3동적 데이터 수집
    1. Selenium과 Chrome driver 설치
    2. xpath의 구조와 활용방법 소개
    3. 참돔 데이터 수집
    4. 토론 1
    4클러스터링
    1. 클러스터링 소개
    2. k-means 알고리즘 실습 (1)
    3. k-means 알고리즘 실습 (2)
    4. 과제 1
    5분류
    1. 분류 문제와 다양한 거리함수의 소개
    2. IRIS dataset 소개
    3. k-NN 알고리즘 실습
    6시계열 분석
    1. 시계열의 특징과 분석 방법 소개
    2. 시각화를 통한 시계열 데이터 분석
    3. ARIMA를 활용한 시계열 데이터 예측
    7뉴스기사 분류하기
    1. 자연어를 다루는 신경망 소개
    2. 로이터 뉴스 데이터 소개
    3. LSTM을 이용한 뉴스 데이터 분류
    8감성 분류
    1.IMDB 리뷰 분류
    2. 네이버 영화 리뷰 분류
    3. 네이버 쇼핑 리뷰 분류

    9추천 시스템
    1. Demographic Filtering
    2. Content Based Filtering
    3. Collaborative Filtering
    4. 토론 2
    10이미지 분류
    1. 인공신경망을 이용한 이미지 분류
    2. MNIST 데이터셋 분류
    3. CIFAR-10 데이터셋 분류
    4. 과제 2
    11Object Detection 
    1. Object Detection 알고리즘의 발전 과정
    2. COCO 데이터셋과 YOLO 코드 소개
    3. YOLO를 활용한 Object Detection 실습
    12전이학습 
    1. 전이학습 소개
    2. 이미지 분류 알고리즘의 전이학습 실습
    3. Object Detection 알고리즘의 전이학습 실습
    4. 과제 3
    13기말고사


    MOOC 03  수강대상 및 학습활동

    • 수강대상
      - 소프트웨어·인공지능 분야로의 부·복수전공을 희망하는 인문·사회·교육 계열 전공자
      - 자신의 분야에 머신러닝 기술을 적용하고자 하는 인문·사회·교육 계열 전공자
      - 실제 사례 해결을 통해 머신러닝 활용 능력을 고취시키고자 하는 학습자
      - 묶음강좌 '인문·사회계열 전공생을 위한 머신러닝 예비학교' 선수학습 강좌 이수자

    • 수업구성
      강의, 토론, 과제, 기말고사

    • 평가기준
      토론 20%, 과제 40%, 기말고사 40%

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


    미리보기
    강좌운영진
    • 윤상덕 교수

      학력
      Ph.D of Engineering, Computer Science and Engineering, POSTECH
      BS, Mathematics, POSTECH
      BS, Computer Science and Engineering, POSTECH (dual degree)

      주요 경력
      현) 성신여자대학교 서비스·디자인공학과 교수
      전) Postdoctoral Researcher, POSTECH Information Research Laboratories
      전) Staff Engineer, Inspection Equipment Development Team, Mechatronics Technology Center, Samsung Display

      연구 분야
      이론전산학, 계산기하학, 기하적 닮음 측정

    • 하이브리드교육지원팀

      성신여자대학교 하이브리드교육지원센터


      kmooc@sungshin.ac.kr.

      02-920-7863

    자주묻는질문

    Q 퀴즈를 맞게 풀어도 오답으로 나오고 진행이 되지 않습니다.

    A 퀴즈 답안 제출 시 오류가 발생하면 강좌 질문 게시판에 글을 남겨주시거나 이메일로 본인의 ID와 문제 상황을 정리하여 보내주세요. 문제 없이 진행될 수 있도록 안내해드리겠습니다! (이메일 수신처는 강의계획서 하단 참고)

    Q 퀴즈는 해당 주차에만 풀어야 하나요?

    A 모든 주차의 퀴즈 제출 기한은 종강일이며, 답안은 최대 두 번 제출할 수 있습니다. (O/X 등 일부 문제는 1회) 가능하면 강좌 진행 일정에 맞춰서 강의 영상 시청 후 퀴즈 풀기를 권장하지만, 퀴즈 풀기 횟수가 아직 남아있다면 종강일 이전 어느 때라도 퀴즈 답안을 제출할 수 있습니다. 다만 종강 시점(23시 59분)에 임박해서 제출을 하게 되면 페이지가 넘어가지 않고 점수도 반영되지 않는 경우가 있으니 반드시 시간적 여유를 두고 응시하시기 바랍니다.

    Q 과제, 토론 제출했는데 점수 반영이 안 됐어요.

    A 과제와 토론은 제출 마감 이후 채점 및 점수 반영합니다. 따라서, 현재 진도 그래프에 점수가 입력되어 있지 않더라도 정상입니다.

    기타·문의처
    02-920-7863

    분야 공학 (컴퓨터 · 통신)

    난이도 교양

    운영기관 성신여자대학교

    이수증 미발급

    주차 13 주

    학습인정시간 25시간 00분 (15시간 35분)

    수강신청기간 24.08.13 ~ 24.11.28

    강좌운영기간 24.09.06 ~ 24.12.05

    전화번호 02-920-7863

    자막언어 한국어 외 1건

    강좌언어 한국어(ko)

    추천강좌
    같은기관강좌