Skip to main content

머신러닝


POSTECH
Enrollment is Closed

강좌 소개

데이터를 분석하기 위한 기계학습 기법들을 공부합니다. 기계학습에 중요한 알고리즘에 대한 이론과 파이썬을 이용한 실습을 동시에 진행합니다. 선형대수, 최적화에 대한 기초 공부 후, regression, classification (perceptron, SVM, logistic regression), clustering (K-means), dimension reduction (PCA), artificial neural network 이론을 공부하고 python을 활용한 알고리즘 구현하는 것을 목표로 합니다.
※ 수업진행과 과제를 수행하기 위해서 파이썬 사용 필수.


[미리보기]
week 1-1 [선형대수 - 행렬의 성질과 활용] 강좌 미리보기 
week 2-1 [선형변환의 성질 1] 강좌 미리보기  



강좌 목차

주차주차
1선형대수 - 행렬의 성질과 활용사용되는 프로그램 설치
행렬의 연산
행렬의 성질 & norm
벡터의 연산
Lecture Note
1주차 질의응답
2선형대수 - 행렬과 선형 변환선형변환의 성질 1
선형변환의 성질2
행렬과 고유값
선형 변환의 예시
2주차 질의응답
3선형대수 - 머신러닝과 선형대수의 관계선형 방정식과 행렬
최적화와 선형대수
3주차 질의응답
4머신러닝을 위한 최적화최적화의 개념 및 용어
컨벡스 함수와 최적화
경사하강법을 이용한 최적화
최적화 문제 풀이방법(그래프 및 cvx)
Lecture Note
4주차 질의응답
5회귀회귀 1-1
회귀 1-2
회귀 2-1
회귀 2-2
회귀 3-1
회귀 3-2
Lecture Note
5주차 질의응답
6분류 - 퍼셉트론퍼셉트론 1
퍼셉트론 2
Lecture Note
6주차 질의응답
7서포트 벡터 머신서포트 벡터 머신 1
서포트 벡터 머신 2
서포트 벡터 머신3
서포트 벡터 머신4
7주차 질의응답
8로지스틱 회귀분석로지스틱 회귀분석 1
로지스틱 회귀분석 2
로지스틱 회귀분석 3
로지스틱 회귀분석 4
8주차 질의응답
9k 평균 군집화군집화 1
군집화 2
군집화 3
9주차 질의응답
10통계와 몬테카를로 시뮬레이션통계 1
통계 2
통계 3
통계 4
몬테카를로 시뮬레이션
10주차 질의응답
11주 성분 분석 & 피셔 판별 분석주 성분 분석1
주 성분 분석 2
주 성분 분석 3
피셔 판별 분석1
피셔 판별 분석 2
11주차 질의응답
12인공 신경망과 텐서플로우인공 신경망 1-1
인공 신경망 1-2
인공 신경망 1-3
인공 신경망 1-4
13인공 신경망과 텐서플로우2 & 오토인코더인공 신경망 2-1
인공 신경망 2-2