반응형
인공지능과 기계학습
강의 목차
| 주차 | 학습 목차 | 주제 |
|---|---|---|
| 1 | 인공지능 및 기계학습 개요 | • 인공지능 및 기계학습 개요 |
| 2 | 기초 확률론 (Basic Probability) |
• 기초 확률론 • 기초 다변량 확률론 |
| 3 | 회귀 문제 (Regression) |
• 회귀 문제 및 모델 • 모델 선택법 |
| 4 | 분별 문제 (Classification) |
• 분별 문제 소개 • Parametric Classification • Logistic Regression |
| 5 | 군집화 문제 (Clustering) |
• 군집화 문제 소개 • 혼합 모형과 최대우도법 (Mixture Models and Maximum Likelihood Method) • 혼합 모형과 EM 알고리즘 (Mixture Models and Expectation-Maximization Algorithm) |
| 6 | 차원 축소 문제 (Dimensionality Reduction) |
• 차원 축소 문제 (Dimensionality Reduction) - 1 • 차원 축소 문제 (Dimensionality Reduction) - 2 |
| 7 | 확률론 복습 및 나이브 베이즈 (Probability and Naive Bayes) |
• 확률론 복습 (Review on Probability) • 의학 진단 예제 (Example: Medical Diagnosis) • 나이브 베이즈 (Naive Bayes) |
| 8 | 서포트 벡터 머신 (Support Vector Machines) |
• 서포트 벡터 머신 (Support Vector Machine) 개론 • 선형 서포트 벡터 머신 (Linear SVM) • 커널 서포트 벡터 머신 (Kernel SVM) |
| 9 | 결정 트리 (Decision Trees) |
• 결정 트리 (Decision Trees) • 랜덤 포레스트 (Random Forest) |
| 10 | 신경망 모델 (Neural Networks) |
• 인공 뉴런 (Artificial Neuron) • 다층 뉴럴 네트워크 (Multilayer Neural Network) • 경험적 위험 최소화 (Empirical Risk Minimization) • 손실 함수 (Loss Function) • 은닉층 그래디언트 (Hidden Layer Gradient) |
| 11 | 딥러닝과 응용 (Deep Learning and Applications) |
• 이미지 분석 (Image Processing) • 언어 분석 (Natural Language Processing) |
| 12 | 강좌 종합 정리 |
• 강좌 종합 정리 |
담당 교수
|
● 김기응 교수 Brown Univ 전산학 박사 지능형 의사결정 및 행동에 관한 연구 수행 ● 오혜연 교수 MIT 전산학 박사 자연어 정보 처리 및 사용자 이해에 관한 연구 수행 |
[ 출처: k-mooc ]
반응형