수업내용/목표
- 기계학습 이론을 실습으로 구현할 수 있다.
강의계획서
주차 |
주차명(주제) |
주차별 학습목표 |
차시 |
학습내용 |
1 |
개론 |
기계학습의 개념을 습득할 수 있다 |
1-1 |
기계학습 |
1-2 |
기초수학 |
|||
2 |
구현역량준비 |
실습환경을 구축하고 배열계산을 할 수 있다 |
2-1 |
파이썬, 구글로래버러토리 |
2-2 |
넘파이를 이용한 대규모 배열계산 |
|||
3 |
선형회귀1 |
선형회귀를 이해할 수 있다 |
3-1 |
선형회귀 모델 |
3-2 |
선형회귀 실습 |
|||
4 |
선형회귀2 |
선형회귀를 구현할 수 있다 |
4-1 |
단변량 선형회귀 |
4-2 |
선형회귀 실습 |
|||
5 |
분류와 군집화 |
분류와 군집화 이해하고 설명할 수 있다 |
5-1 |
K-NN분류기 |
5-2 |
군집화 모델 |
|||
6 |
기계학습모델1 |
기계학습 모델을 이해하고 설명할 수 있다 |
6-1 |
다항회귀 |
6-2 |
결정트리 |
|||
7 |
기계학습모델2 |
SVM를 이해하고 활용할 수 있다 |
7-1 |
SVM(서포트벡터머신) |
7-2 |
SVM활용 프로젝트 |
|||
8 |
중간평가 |
|||
9 |
인공신경망 기초 |
인공신경망을 이해할 수 있다. |
9-1 |
퍼셉트론 |
9-2 |
다층 퍼셉트론 |
|||
10 |
고급신경망 |
딥러닝을 이해할 수 있다 |
10-1 |
딥러닝 소개 |
10-2 |
Keras로 구현 |
|||
11 |
합성곱 신경망 |
합성곱 신경망(CNN)을 이해할 수 있다 |
11-1 |
합성곱 신경망 소개 |
11-2 |
합성곱 신경망 활용 |
|||
12 |
차원축소 |
차원 축소를 이해할 수 있다 |
12-1 |
주성분 분석(PCA) |
12-2 |
매니폴드 학습 |
|||
13 |
오토인코더 |
오토인코더를 이해할 수 있다 |
13-1 |
잠재표현 |
13-2 |
오토 인코더 |
|||
14 |
AI의 미래 |
인공지능의 현재와 미래에 대해 알 수 있다. |
14-1 |
YOLO,어텐션 |
14-2 |
GPT-3,GAN |
|||
15 |
기말고사 |
과제명 | 퀴즈 | 토론 | 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.
없습니다
내용