수업내용/목표
- 인공지능과 관련된 여러 가지 머신 러닝의 알고리즘 대해 설명할 수 있다.
- 머신러닝 알고리즘들이 실제로 어떻게 사용되는지에 대해서 설명할 수 있다.
- 인공지능에 필요한 데이터 구조를 설명 할 수 있다.
주차 |
주차명 |
차시 |
차시명 |
학습내용 |
|||
1 |
컴퓨터과학 및 데이터 사이언스란? |
1-1. |
컴퓨터과학 및 데이터 사이언스란(1) |
1-2. |
컴퓨터과학 및 데이터 사이언스란(2) |
||
2 |
인공지능에 필요한 데이터 구조 |
2-1. |
인공지능에 필요한 데이터 구조 이해하기(1) |
2-2. |
인공지능에 필요한 데이터 구조 이해하기(2) |
||
3 |
데이터 시각화 및 라이브러리 |
3-1. |
데이터 시각화 |
3-2. |
파이선 라이브러리 |
||
4 |
머신러닝 이해 및 AI 를 위한 통계 |
4-1. |
머신러닝이란 |
4-2. |
AI를 위한 통계 |
||
5 |
KNN 모델 |
5-1. |
KNN |
5-2. |
MNIST 데이터를 이용한 KNN 만들기 |
||
6 |
선형회귀 모델 |
6-1. |
선형회귀 모델 이해하기 |
6-2. |
선형회귀 모델을 이용한 자동차 mpg 예측 시스템 |
||
7 |
로지스틱 회귀 모델 |
7-1. |
로지스틱 회귀 모델 이해하기 |
7-2. |
로지스틱 회귀 모델을 이용한 패션 아이템 분류 시스템 만들기 |
||
8 |
중간평가 |
||
9 |
뉴럴 네트웍 모델 |
9-1. |
뉴럴 네트웍 모델 이해하기 (1) |
9-2. |
뉴럴 네트웍 모델 이해하기 (2) |
||
10 |
CNN |
10-1. |
CNN (Convolutional Neural Networks) 모델 이해하기 |
10-2. |
CNN 모델 변천사 이해하기 |
||
11 |
서포트 벡터 머신 |
11-1. |
서포트 벡터 머신 (Support Vector Machine) 모델 이해하기 |
11-2. |
서포트 벡터 머신을 이용한 다양한 데이터의 분류기 만들기 |
||
12 |
K-means 클러스터링 |
12-1. |
클러스터링 및 K-means 이해하기 |
12-2. |
K-means 를 이용한 이미지 분석 |
||
13 |
이미지 데이터 분석 |
13-1. |
CIFAR 10 데이터를 이용한 모델 학습 따라하기 |
13-2. |
Pre-trained CNN 을 이용한 일반 이미지 분류기 만들기 |
||
14 |
텍스트 데이터 분석 |
14-1. |
텍스트 데이터 전처리 따라하기 |
14-2. |
텍스트 데이터 분류기 만들기 |
||
15 |
기말고사 |
강의 평가 기준
과제명 |
중간고사 |
기말고사 |
반영비율 |
50% |
50% |
※ 총 60% 이상 점수 획득 시, 이수증을 발급받을 수 있습니다.
이 강좌는 유익한 내용이 다수 포함되어 있습니다.
이 강좌는 여러가지 참고자료가 많이 있습니다.
강좌 교재는 없으며, 학습자료를 이용하여 수강하시면 됩니다.