참여기관 목록
강좌소개
강좌소개 COURSE INTRODUCTION
- 머신러닝의 기본 개념부터 응용까지 포괄적인 내용으로 강의를 진행하고 프로젝트 실습(파이썬 프로그래밍 기법)을 통하여 문제 해결 및 역량 강화 능력을 개발할 수 있습니다.
학습목표 LECTURE OBJECTIVES
학습목표
- 머신러닝 기본 이론, 머신러닝 알고리즘 특징 및 동작원리, 머신러닝을 위한 파이썬 프로그래밍 기법 실습 및 학습내용
- 머신러닝의 기초 및 심화문제를 해결하고 해결된 방법으로 머신러닝 알고리즘을 응용할 수 있는 능력 배양
운영기간 COURSE OPERATION PERIOD
수강신청기간: 2025. 03. 03 ~ 2025. 06. 09.
강좌운영기간: 2025. 03. 03 ~ 2025. 06. 18.
수강정보 COURSE INFORMATION
평가기준
- 토론: 20% (매주, 총 13회)
- 과제: 20% (15주, 총 1회)
- 중간: 30% (8주, 총 1회)
- 기말: 30% (15주, 총 1회)
※ 모든 이수 항목 활동 및 총 60점 이상 점수 획득 시, 이수증을 발급받을 수 있습니다.
- 동영상 전체 시청 필수
- 퀴즈등 모든 학습활동 완료 필수
수업계획서
강좌운영계획 SYLLABUS
| 주차 | 주차명(주제) | 차시 | 차시명(학습내용) | 평가방법 |
|---|---|---|---|---|
| 1 | 머신러닝 | 1 | 머신러닝의 정의 | 퀴즈 |
| 2 | 머신러닝 기초, 머신러닝 알고리즘 용어 정리 | |||
| 3 | 머신러닝 개발환경 구축 | |||
| 2 | 머신러닝 데이터분석 | 1 | 머신러닝 데이터 분석 기법과 Numpy | 퀴즈 |
| 2 | Pandas 이해 및 실습 1 | |||
| 3 | Pandas 이해 및 실습 2 | |||
| 3 | 머신러닝 데이터 시각화 | 1 | Metplotlib 이해 및 실습 | 퀴즈 |
| 2 | Seaborn 이해 및 실습 | |||
| 3 | Pandas.plot 이해 및 실습 | |||
| 4 | 선형회귀 | 1 | Linear regression 이론 학습 | 퀴즈 |
| 2 | Linear regression 실습1 | |||
| 3 | Linear regression 이론 학습 및 실습2 | |||
| 5 | Logistic Regression 이론 학습 | 1 | Logistic Regression 이론 학습 | 퀴즈 |
| 2 | Logistic Regression 실습1 | |||
| 3 | Logistic Regression 실습2 | |||
| 6 | Decision Tree | 1 | Decision Tree 이해 | 퀴즈 |
| 2 | Decision Tree Classification & Regression 실습 | |||
| 3 | Decision Tree 예제 실습 | |||
| 7 | Support Vector Machine | 1 | Support Vector Machine(SVM) 및 Kernel 방법 학습 | 퀴즈 |
| 2 | SVM 분류, 회귀 이론 학습 및 실습 | |||
| 3 | SVM Regression 이론 학습 및 실습 | |||
| 8 | 중간고사 | |||
| 9 | K-Nearest Neighbor | 1 | K-Nearest Neighbor 알고리즘 이해 | 퀴즈 |
| 2 | KNN Classification, KNN Regression 이론 학습 및 실습 | |||
| 3 | NCA 이론 학습 및 실습 | |||
| 10 | 학습 알고리즘 최적화 | 1 | 학습 알고리즘 최적화 방법 | 퀴즈 |
| 2 | SGD와 SGD Classification 이해 및 실습 | |||
| 3 | SGD Regression 이해 및 실습 | |||
| 11 | 머신러닝 알고리즘 전처리 | 1 | 머신러닝 알고리즘 전처리 이해 | 퀴즈 |
| 2 | 알고리즘 선택 및 Underfitting & Overfitting 방법 학습 | |||
| 3 | Regularization 방법 학습 | |||
| 12 | 머신러닝 알고리즘 평가 | 1 | 머신러닝 알고리즘 평가 방법 이해 | 퀴즈 |
| 2 | Confusion Matrix 평가 방법 학습 | |||
| 3 | Precision & Recall 평가 실습 | |||
| 13 | Ensemble Learning, Random Forest | 1 | Ensemble Learning 알고리즘 이해 | 퀴즈 |
| 2 | Ensemble Learning: Boosting & Bagging 기법 이해 | |||
| 3 | 앙상블 학습 응용 | |||
| 14 | Clustering | 1 | 밀도추정과 K-Measn 알고리즘 이해 및 실습 | 퀴즈 |
| 2 | DBSCAN과 HDBSCAN | |||
| 3 | 차원축소 알고리즘 | |||
| 15 | 기말고사 | |||
강좌운영진
-
교수자1. 학력: GIST 공학박사(HCI/지능형 미들웨어) 전공
2. 경력
- 현 대구대학교 공과대학 컴퓨터소프트웨어전공 교수
- KAIST GSCT 전임연구원
- GIST CTI 총괄팀장 -
Teaching Assistant정종욱 (대구대학교 컴퓨터정보공학과)
메일: uwol6621@gmail.com최윤서 (대구대학교 AI학과)
메일: chly987@naver.com -
운영지원팀대구대학교 원격교육지원센터
문의: kmooc@daegu.ac.kr
자주묻는질문
Q 수강 중 궁금한 것은 어떻게 해야 하나요?
A 수강 중 궁금한 부분은 교과목 내 [질의응답] 게시판에 작성해 주시면 담당 TA가 확인 후, 1~2일내 응답할 예정입니다.
Q 이수증은 언제 발급 되나요?
A 이수증은 수업이 종료되고 나서 성적처리가 완료된 후, 발급될 예정입니다.