머신러닝

강의소개

머신러닝은 데이터에 존재하는 정보를 추출하거나 패턴을 학습하는 학문이고, 인공지능 기술에 가장 핵심적인 분야이다. 우선, 기본적인 선형대수 개념을 바탕으로 일반적인 최적화 및 온라인 최적화 문제를 다룬다. 그리고 머신러닝에서 주로 다루는 스코어 함수와 손실함수를 앞서 배운 최적화 프레임에 대입해본다. Chained function이 주어졌을 때 일반적으로 사용할 수 있는 computational graph와 backpropagation에 대해 학습하고 컨볼루션 및 순환 신경망에 어떻게 적용하는지를 학습한다.
※본 강좌는 영어로 진행됩니다.

학습목표

•  머신러닝의 수학적인 원리를 설명할 수 있다.
•  원리를 바탕으로 알고리즘이 어떻게 설계되는지 설명할 수 있다.
•  실제 문제에 알고리즘을 적용할 수 있다.

연관 선수 강좌

• 기본적으로 심화 강좌인 머신러닝을 제외한 4개 강좌의 학습 순서는 상관없음
• 내용 구성을 고려하여 아래 도식으로 학습 순서를 제안

연관 선수 강좌는 이론, 도구, 적용 부분으로 구성되어 있으며 먼저 이론으로는 데이터마이닝, 인공지능의 기초, 머신러닝 강좌가 있습니다. 이론 강좌 중 머신러닝은 인공지능의 기초 강좌 다음에 수강하는 것이 효과적입니다. 다음으로 도구 부분 과정으로 빅데이터와 머신러닝 소프트웨어가 있으며 적용 부분으로 빅데이터와 인공지능의 응용 강좌가 있습니다. 이론 강좌 중 머신러닝 강좌는 심화강좌이며 나머지 강좌는 기초강좌 입니다.

교수소개

학력

•  한양대학교 기계공학 학사 (2006)
•  Stanford University, Mechanical engineering 석사 (2008)
•  University of California, Berkeley, Computer Science 석사 (2013)
•  University of California, Berkeley, Computer Science 박사 (2014)

주요경력

• 2013: IBM Research (Research intern)
• 2013: INRIA Grenoble (Visiting researcher)
• 2014.11. – 2016.07.: Stanford University (Postdoctoral fellow)
• 2016.07. – 2017.08.: Google Research (Research Scientist)
• 2017.09. – 현재: 조교수, 서울대학교 컴퓨터공학부

연구분야

• Machine learning, Optimization, Artificial intelligence

강의구성

총 9주차

• 강좌계획표(Syllabus)

강좌 계획표
주차	개강일	학습목표	학습내용	평가
1주차	9월 1일	머신러닝의 개념을 설명할 수 있다	Logistics Introduction, Types of ML problems	퀴즈
2주차	9월 8일	최적화 개념을 들어가기 앞서 필수 배경 지식을 설명할 수 있다.	Basic linear algebra	퀴즈
3주차	9월 15일	일반적인 최적화 문제를 공식화하는 과정과 해를 찾는 과정을 설명할 수 있다.	Descent methods, Coordinate descent	퀴즈
4주차	9월 22일	대량의 데이터를 바탕으로 최적화할 때 stochastic gradient descent를 이용해 해를 찾을 수 있다.	Online method, Advanced online descent methods	퀴즈
5주차	9월 29일	데이터와 해당 레이블 사이의 패턴을 학습하도록 하는 스코어함수와 손실함수의 개념을 설명할 수 있다	Score functions, Loss functions	퀴즈
6주차	10월 6일	손실함수를 미분 가능한 chained function 형태로 표현하고 최적화할 수 있다.	Computational graphs, Neural networks	퀴즈
7주차	10월 13일	Spatial invariance를 위한 컨볼루션과 Temporal modeling을 위한 순환 신경망을 설명할 수 있다.	Convolutional neural network, Pooling layer, Activation, Weight initialization	퀴즈
8주차	10월 20일	Environment와 반복적으로 interaction하면서 강화학습을 설명 할 수 있다.	Reinforcement Learning, Value based model free reinforcement learning	퀴즈
9주차	10월 27일			기말고사

평가 비율

평가 비율
퀴즈	중간고사	기말고사
50%	0%	50%

※60점 충족 시 이수증 발부

교재

• 교재는 학습자료로 제공
※학습자료는 다운로드 가능

강좌 소개 영상

운영방식

수강신청 기간

• 2020년 8월 18일(화) ~ 2020년 10월 19일(월)

운영 기간

• 2020년 9월 1일(화) ~ 2020년 11월 2일(월)

개설 방식

• 매주 1개 주차씩 순차 오픈

조교소개

정호산 조교(컴퓨터 공학부)

정호산 조교(컴퓨터 공학부)

메일 주소 : grazinglion@mllab.snu.ac.kr

SNUk: SNU050_011k 머신러닝