What you'll learn
- 머신러닝 이론의 발전, 여러 이론에 대한 이해를 종합적으로 학습할 수 있습니다.
- 개인적으로 학습해서는 얻을 수 없는 머신러닝 Insight를 얻을 수 있습니다
- 다양한 사례를 활용하여 쉽게 접근하는 머신러닝 학습을 통해 실습과제를 모델링 할 수 있습니다.
- 머신러닝 part1에서 이어지는 기계학습의 여러 개념에 대해 개괄적으로 학습할 수 있습니다
Requirements
- 머신러닝 학습 입문자로 기계 학습 기반 지식이 필요한 분으로 크게 사전지식이 필요하지 않으며, 머신러닝part 1을 듣고 수강하는 것을 추천합니다.
Description
본 과정은 성균관대 소프트웨어학과 대학원 수준에서 수강할 수 있는 고급 AI 과정으로 데이터에서 스스로 숨겨진 패턴을 효과적으로 찾아내는 다양한 기계학습 기법들의 기초개념과 학습과정을 파악하는 강의입니다.
기계학습이란 명시적인 규칙 또는 프로그래밍 없이 주어진 데이터를 통해 컴퓨터 스스로 학습할 수 있는 프로그램이라고 정의할 수 있습니다. 사람이 태어나서 어떤 행동이 올바른지 축적된 경험을 통해 스스로 터득해 나가는 과정을 컴퓨터가 흉내내는 것이 기계학습과 비슷하다고 할 수 있겠습니다.
자율주행도 이와 비슷합니다. 명시적 규칙을 알려주지 않고, 다양한 상황을 연출한 데이터를 통해 컴퓨터 스스로 상황을 인지하고 안전한 운행을 위해서 규칙을 찾아내는 과정이 기계학습의 또다른 사례입니다. 본 강좌에서는 이처럼 주어진 과제를 수행하기 위해 데이터에서 스스로 숨겨진 패턴을 효과적으로 찾아내는 다양한 기계학습 기법들의 기초 개념과 학습과정에 대해 배워보도록 하겠습니다.
머신러닝 패키지 part 1에 이어서 Multilayer Perceptron, Learning Linear SVM, Classification and Regression Tree (CART) 등 머신러닝의 주요 이론들에 대해 살펴보게 됩니다. 보다 폭 넓은 이해를 위해 머신러닝 part1을 수강하고 오는 것을 추천합니다.
본 과정 수료 후에 추가적인 교육(실습 및 캡스톤 프로젝트 수행) 이수를 통해서 인공지능부문 전문가로 성장할 수 있습니다. (성균관대의 인공지능분야 Micro Degree 연계)
Who this course is for:
- 인공지능대학원의 체계적인 커리큘럼에 따른 머신러닝 강의로 AI 기반지식을 다지고 싶은 분
Instructor
![성균관 대학교](data:image/svg+xml,%3Csvg xmlns="http://www.w3.org/2000/svg" viewBox="0 0 64 64"%3E%3C/svg%3E){kind=avatar}
- 4.7 Instructor Rating
- 182 Reviews
- 750 Students
- 4 Courses
성균관대학교 인재교육원(skkux)은 성균관대 소속 성인학습자 대상 교육기관으로 인공지능학과, 산업공학과, 약학대학 등 다양한 학과와 융합하여 과정을 제공하고 있습니다.
AI 완전정복을 위한 딥러닝을 비롯한 머신러닝, 및 추가적인 AI 실습과정을 제공할 예정입니다.
이지형 교수
경력
• KAIST 컴퓨터공학과 석박사, Stanford Research Institute, International Fellow
• 現 성균관대 인공지능대학원 학과장
• 現 성균관대 지능정보융합원 부원장, 소프트웨어학과 교수
저서
• “An Approach for Multi-Label Classification by Directed Acyclic Graph with Label Correlation Maximization,” Information Sciences, 2016.
•“Electricity Customer Clustering Following Experts’ Principle for Demand Response Applications,” Energies, 2015.
주요강의분야
• 머신러닝, 인공지능, 데이터마이닝, 딥러닝
이종욱 교수
경력
• 포항공대 컴퓨터공학과 박사, The Pennsylvania State University,
박사 후 연구원
• 現 성균관대 소프트웨어학과 교수, 前 한국외대 컴퓨터공학과 교수
저서
• Improving the Accuracy of Top-N Recommendation using a Preference Model, Information Sciences, 348: 290-304, 20 June 2016
• Toward Scalable Indexing for Top-k Queries, IEEE Transactions on Knowledge and Data Engineering, 26(12): 3103-3116, 2014
• Scalable Skyline Computation using a Balanced Pivot Selection Technique, Information Systems 39: 1-21, 2014
주요강의분야
• 데이터마이닝, 데이터베이스, 추천시스템, 머신러닝