K-MOOC

1

머신러닝 개요

1차시. 머신러닝이란무엇인가?

퀴즈
(2문항)

2차시. 지도학습

3차시. 비지도학습

4차시. 수학복습: 벡터와 행렬

5차시. 수학복습: 벡터-행렬연산

2

선형 회귀

1차시. 선형회귀: 모델 표현

퀴즈
(2문항)

2차시. 선형회귀: 경사 하강 개념

3차시. 경사하강

4차시.경사 하강 개념

5차시.경사하강과 선형 회귀

3

다변수 선형 회귀

1차시. 다변수선형 회귀

퀴즈
(2문항)

2차시. 특징값 스케일링

3차시. 경사하강: 학습 속도

4차시.새로운특징 값 만들기

5차시.정규 방정식

4

데이터 분류

1차시. 이진분류

퀴즈
(2문항)

과제(1)

2차시. 분류경계선

3차시. 로지스틱회귀: 비용함수

4차시.최적화

5차시.Multiclass Classification

5

정규화(Regularization)

1차시. 과적합(Overfitting)

퀴즈
(2문항)

2차시. 정규화(Regularization)

3차시. 선형회귀의 정규화

4차시.로지스틱회귀의 정규화

5차시.다항회귀의 정규화

6

신경회로망 모델링

1차시. 비선형예측 함수

퀴즈
(2문항)

2차시. 뉴런과브레인

3차시. 뉴런모델 표현

4차시.신경회로망 모델 표현

5차시.논리함수 구현

7

신경회로망 학습

1차시. 비용함수

퀴즈
(2문항)

2차시.오차 역전파 학습 알고리즘

3차시. 신경회로망파라미터 최적화

4차시.오차 역전파 알고리즘의 행렬 표현

5차시.오차역전파 알고리즘 응용

8주차중간고사

9

머신러닝의 적용

1차시. 예측함수의 성능 평가

퀴즈
(2문항)

2차시.최적 모델의 선택

3차시.Bias와 Variance

4차시.학습 곡선

5차시.학습 알고리즘의 성능 향상

10

머신러닝 시스템 설계

1차시. 머신러닝시스템 설계 시 고려사항

퀴즈
(2문항)

2차시.오차 분석 방법

3차시.불균형 데이터의 경우 오차 평가척도

4차시.정밀도(Precision)와 재현율(Recall)의 Trade-Off

5차시.학습 데이터 수와 텍스트 오차의 관계

11

Support Vector Machine

1차시. SVM의최적화 목적 함수

퀴즈
(2문항)

2차시.최대 마진 개념

3차시.최대 마진 분류의 수학적 개념

4차시.커널의 개념

5차시.SVM 적용하기

12

클러스터링

1차시. 비지도학습

퀴즈
(2문항)

과제(2)

2차시.K-Means 알고리즘의 원리

3차시.K-Means 알고리즘의 최적화 목적 함수

4차시.랜덤 초기화와 K-Means 알고리즘

5차시.클러스터 수의 결정

13

차원 줄이기

1차시. 차원줄이기의 목적

퀴즈
(2문항)

2차시.Principal Component Analysis

3차시.PCA 알고리즘

4차시.Principal Component 수의 결정

5차시.PCA 적용 방법

14

이상 데이터 검출

1차시. 이상데이터 검출 문제 정의

퀴즈
(2문항)

2차시.가우시안 분포

3차시.이상 데이터 검출 알고리즘

4차시.이상 데이터 검출을 위한 특징 변환

5차시.다변수 가우시안 분포

15주차기말고사