Skip To Contents

My Page

List of Recent Courses

Only active enrolled courses shown.

※ Shows 10 recent courses.

K-MOOC
K-MOOC CB Course

There are no courses currently in progress.

Go to Course Registration →

There are no courses currently in progress.

Go to Course Registration →
한국어
  • 한국어
  • ENGLISH

Discover Courses

Recommended Courses

    Multilingual settings

    Course Introduction
    강좌소개
    • 최근 인공지능과 기계학습 등에 대한 사회적 수요가 늘어남에 따라 이 분야의 기초가 되는 수리과학에 기반하여 인공지능 모형의 근본적인 원리를 이해하고 접근하고자 한다.

    학습목표
    • 이 강좌를 이수 후에는 인공지능 모형과 기존에 개발된 기계학습 모형의 성능을 올바르게 평가하고 비교할 수 있는 능력을 배양하여 실제 문제에 적용할 수 있다.
    이수 및 평가기준
    • 퀴즈 30%, 기말고사 70%. 총 60점 이상
    Syllabus

    주차

    주차명

    (주제)

    주차별 학습 목표

    차시

    차시명

    상호작용

    및 평가방법

    학습내용

    1

    데이터와 기계학습 모형

    기계학습에 사용할 다양한 데이터와 모형을 확인하고 데이터 분석 실습환경을 준비할 수 있다.

    1-1.

    디지털 데이터1

     

    1-2.

    디지털 데이터2

     

    1-3.

    여러가지 기계학습모형

     

    1-4.

    colab 환경

     

    2

    신경망 모형의 구성과 적합

    신경망 모형을 구성하고 적합하는 방법을 설명할 수 있다.

    2-1.

    신경망 회귀모형의 적합

     

    2-2.

    모형적합의 원리

     

    2-3.

    신경망 분류모형의 적합

     

    2-4.

    다범주 분류모형의 적합

    퀴즈 4

    3

    기계학습모형의 비교

    벤치마크로 사용되는 기계학습모형을 이해하고 여러모형간의 성능을 비교 평가할 수 있다.

    2-1.

    Random Forest

     

    2-2.

    Xgboost

     

    2-3.

    시뮬레이션과 모형 성능 비교

     

    2-4

    이진분류 성능 측도

     

    4

    텍스트임베딩

    대조학습을 이용한 텍스트 임베딩의 방법을 이해하고 설명할 수 있다.

    4-1.

    정보이론기초

     

    4-2.

    텍스트 임베딩

     

    4-3.

    대조학습

     

    4-4.

    BERT 학습원리

    퀴즈 4

    5

    생성모형의 기초

    변분오토인코더의 구성과 학습방법을 추정할 수 있다.

    5-1.

    전통적인 확률밀도함수의 추정

     

    5-2.

    몬테칼로 방법

     

    5-3.

    오토인코더

     

    5-4.

    변분오토인코더

     

    6

    Transformer

    Transformer 모형의 구성을 설명할 수 있다.

    6-1.

    Attenton 모형 출현 배경

     

    6-2.

    Attention 모형의 원리

     

    6-3.

    Transformer 의 구성요소

     

    6-4.

    GPT 학습

    퀴즈 4

    7

    GNN의 기초

    그래프 신경망 모형의 기초를 설명할 수 있다.

    7-1.

    그래프의 구조

     

    7-2.

    그래프 임베딩

     

    7-3.

    GNN의 표현력

     

    7-4.

    분자독성 예측에 적용

     

    8

    기말고사

    기말고사

     

    기말고사

    기말고사

    (20)

    Course Operators
    • 전종준 교수

      [소속] 서울시립대학교 통계데이터사이언스학과 교수

      [학력]

      서울대학교 경영학 학사

      서울대학교 통계학 박사

      [주요경력]

      前 서울대학교 연구연구원   

      現 서울시립대학교 통계데이터사이언스학과 교수


    • 학습TA

      [소속] 서울시립대학교 대학원 통계학과

      [E-mail] wotjd1014@gmail.com



    • 운영 지원 TA

      [소 속서울시립대학교 교수학습개발센터 K-MOOC 운영 담당

      강좌 운영에 관한 문의는 언제든지 게시판을 통해 남겨주시기 바랍니다.



    Field Natural (Mathematics, Physics, Astronomy & Geography)

    Difficulty intermediate

    Operating Institute UNIVERSITY OF SEOUL

    Certificate Issuance

    Week 8 Week

    Learning recognition time 10Hour 10Minute (07Hour 46Minute)

    Course Registration Period 26.02.06 ~ 26.07.10

    Course Duration 26.03.03 ~ 26.07.17

    Phone Number 02-6490-6026

    Subtitle language 한국어 Others 1ea

    Course language 한국어(ko)

    Recommended Courses
    Same institution course