K-MOOC

학습목표

고차원의 인공지능딥러닝 기술의 원리를 학습

주차

주차별 학습목표

차시

차시명

차시학습내용

1

python 기초

a

시작하기

설치, Jupytor Notebook 활용등

b

기초 문법

자료구조, Loop 코딩, 조건문, 함수 등

c

numpy 기초

dim, shape, array, fileI/O 등

d

고급 문법

클래스, 특성상속, 예외처리 등

2

확률그래픽모델

개요

a

확률그래픽모델의 소개

확률적 그래프 모델의 배경, 용도 등

b

확률의 기초

독립시행, 조건부확률, 다변량통계 등

c

Bayesian N/W & GaussianN/W

Bayes Classifier, GaussianProcess

d

Markov Networks

Markov Chain/Process/Netwroks,LDA 등

3

확률그래픽모델

기초이론

a

Undirected GraphicalModels

MRF, Factor Graph 등

b

Generatie Classifier

Generatie Classifier 정의 및이론 소개

c

Local ProbabilisticModels

지엽적(부분적) 확률 모델

d

Likelihood & ImportanceSampling

Likelihood Weighting, MLE &Importance Sampling

4

데이터 처리

a

Pandas-기초

DataFrame, DB인터페이스

b

Pandas-고급

주가 예측을 위한 시계열 분석 사례

c

Scipy-기초

분포간 거리, R-like 통계분석

d

Scipy-고급

신호처리분석, 이미지처리분석 등

5

데이터 시각화 도구

a

Matplotlib 활용-기초편

Line, Scattor, Pie, Box-plot,Violin-plot

b

Matplotlib 활용-고급편

Multiple Dataset,Correlation,3D 등

c

시각화분석의 종류

TreeMap, SunTree,Schemaball 등

d

Seaborn 코딩

Relationship, Heatmap,Dendrogram

6

데이터 마이닝-1

a

정보이론

Information Entropy,품질지표, etc.

b

의사결정트리

Decision Trees, RandomForest

c

Support VectorMachines

기본 SVM, RBF-based SVM

d

Gaussian Process 및 기타

Naïve-bayes, GaussianProcess 모델 프로그래밍

7

데이터 마이닝-2

a

clustering modeling

kNN, Affinity, DBSCAN등

b

kernel densityestimation

kernal의 의미, 종류, 활용 방안

c

Manifold learning 소개

PCA vs. nonlinearmethods

d

t-SNE vs. UMAP

t-SNE 예제, UMAP 예제

8

DNN 기초

a

Datasets & Densitylayers

Datasets, Density layers,Activations

b

Cost 함수 및 optimizers

Cross-entrophy, Softmax,opimizers

c

Normalization &Mini-batch

정규화 필요성, 미니배치 필요성

d

overfitting 해소 기법

validation, drop-out등

9

CNN 모델링

a

CNN 모델링 기초

convolution, maxpool,feature-map

b

GoogLeNet & Inception모델

GoogLeNet, Inceptionv1/v2/v3/v4

c

ResNet 및 프로그래밍

ResNet-18/34/50/101/151등

d

CNN 모델들의 벤치마킹

벤치마킹, Pretrained-CNN활용

10

자연어처리기법

a

RNN 모델 소개

1-to-1, 1-to-m, m-to-1,m-to-m 등

b

LSTM 모델의 종류

LSTM 구조, GRU, Bi-LSTM 등

c

단어의 표현기법

ontology 방식 vs. 말뭉치(word2vec) 비교

d

자연어처리 응용

Sentiment, MachineTranslation

11

데이터의 시각화 변환 기술

a

Video Classification모델

Time-distributed CNN +LSTM

b

음악 파일의 시각화 방법

연주 데이터의 3D 채널 시각화

c

Music GenreClassification

Video 분류 모델을 활용한뮤직장르분류

d

Super-Resolution 변환기법

파동신호의 고해상도 신호 변환 기법

12

R-CNN 기술

a

R-CNN 기법의 역사

ROI, AP, mAP, RegionProposal

b

Fast/Faster/Mast-R-CNN

RoIpool, RPN, FPN

c

Yolo/SSD/RetinaNet/YolACT

Yolo/SSD/RetinaNet/YolACT

d

R-CNN AnnotationTools

LabelMe, LabelImg,OpenLabeler 등

13

Auto-Encoder

a

Manifold learning 이론

Manifold learning 이론적 배경소개

b

Generative Modeling

AE의 목적함수 정의의 이론적 해설

c

VAE 모델링

VAE 모델링 이론 및 프로그래밍

d

GAN 모델링

GAN 모델링 이론 및 프로그래밍

14

Biometrics & DNN

a

Genome Database 구축 소개

www.plantgenome.info소개

b

AnoGAN 활용을 통한 이상검출

정상 의료정보를 활용하여 환자 검출방안

c

SRGAN, Star-GAN

X-Ray 이미지의 고해상도화 및Coloring

d

Decision-Tree-like CNN모델링

Ontology를 활용한 진단기법의응용방안

15

GAN을 활용한 Data Augmentation

a

UMAP과 학습데이터 선택기법

기계학습방식과 딥러닝 방식의 차이 소개

b

DCGAN & ConditionalGAN

Data Augmentation 목적으로의GAN 모델

c

Semi-supervised GAN +CNN

도메인 전문가 기반의 GAN + CNN모델

d

Teacher-StudentModeling

Text-to-Image GAN 소개