1. |
|
기계학습이란
|
기계학습의 정의와 개념 |
|
|
|
검증기법을 이용한 모델 선택
|
검증기법(검증집합, 교차검증, 부트스트랩)을 소개하고 이를 이용한 모델 선택과 한계에 대한 해결책을 설명한다. |
|
2. |
|
기계학습과 수학
|
기계 학습에서 선형대수가 어떻게 활용되는지 |
|
|
|
기계학습과 수학
|
기계 학습에서 확률 통계, 정보이론이 어떻게 활용되는지 |
|
3. |
|
퍼셉트론
|
퍼셉트론의 구조와 동작, 학습 알고리즘 및 한계 |
|
|
|
다층 퍼셉트론
|
다층 퍼셉트론의 구조와 동작, 특성 |
|
4. |
|
다층 퍼셉트론
|
오류역적파알고리즘을 유도하고, 미니배치 스토캐스틱 경사 하강법을 설명 |
|
|
|
딥러닝 기초
|
은닉층을 여러 개로 확장한 깊은 다층 퍼셉트론의 구조와 학습 알고리즘을 설명 |
|
5. |
|
컨볼루션 신경망 사례연구
|
2012년부터 현재까지 CNN의 변화 양상을 보이는 대표적인 모델 설명 |
|
|
|
딥러닝 최적화
|
최적화의 어려움을 극복하는 효과적인 여러 방안을 설명 |
|
6. |
|
딥러닝 최적화
|
최적화의 어려움을 극복하는 효과적인 여러 방안을 설명 |
|
|
|
딥러닝 최적화
|
최적화의 어려움을 극복하는 효과적인 여러 방안을 설명 |
|
7. |
|
비지도 학습
|
비지도 학습의 개념과 일반 연산 및 군집화 알고리즘을 설명 |
|
|
|
비지도 학습
|
밀도 추정 방법을 설명하고, 기계 학습에서 공간 변환의 중요성을 강조 |
|
8. |
|
비지도 학습
|
선형 인자 모델로서 PCA, ICA, 희소 코딩 설명 |
|
|
|
비지도 학습
|
오토 인코더와 매니폴드 공간변환기법 설명 |
|
9. |
|
준지도 학습과 전이학습
|
레이블링이 안 된 샘플이 다수일 때 활용하는 준지도 학습과 다른 과업 또는 다른 도메인에서 제작된 분류기를 활용하는 전이학습을 설명 |
|
|
|
순환신경망
|
시간성을 지닌 순차 데이터의 성질과 표현방법을 설명 |
|
10. |
|
순환신경망
|
순환신경망의 구조와 동작, BPTT 학습 알고리즘을 설명 |
|
|
|
순환신경망
|
게이트를 이용하여 장기문맥의존성을 처리하는 LSTM모델을 설명하고, 응용사례로서 언어모델, 기계번역, 영상주석생성을 소개 |
|