강좌 안내 기계학습 이론과 전문기술은 현대 데이터과학 응용에서 결정적인 역할을 합니다. 이 분야 전문기술은 다양한 분류와 회귀 모델, 군집화, 차원 축소, 강화학습 그리고 딥러닝을 포함합니다. 기계학습 문제와 관련 전문기술에 대한 큰 그림에 대해서 이해하는 것은 적절하게 이 분야의 문제해결에 활용하는데 중요합니다. 이 강좌의 목표는 학습자들에게 기계학습의 기본 지식과 그 뒤에 숨겨진 의도를 제공하고 현실 세계문제에 적절하게 응용하려는 것입니다. 이 강좌는 특히 데이터과학을 위한 기계학습, 강화학습, 딥러닝, 상호작용적 가시화 분야에 대한 기본 원리를 포함합니다. 이 원리들은 기계학습에서 널리 사용되는 전문기술들입니다. 이 강좌는 선형 대수, 확률과 통계, 그리고 다변수 미적분과 최적화의 기본 원리에 대한 이해를 필요로 합니다. 이 원리들은 "Mathematical Fundamentals for Data Science" 강좌를 통해서 학습할 수 있습니다. 이 강좌는 16주차(2주는 자율학습, 1주는 시험)으로 구성되어 있습니다. 매 주차 비디오 강좌를 듣고 난 후, 퀴즈 버튼을 눌러서 퀴즈를 풀어야 점수에 반영됩니다. 해당 주차가 끝날 때 마다 게시판에서 관련 주제로 토론을 할 수 있습니다. 평가 내용은 퀴즈(40%), 시험(60%)입니다. 이 강좌를 통과하려면 총 점수의 60% 이상을 얻어야 합니다. 이 강좌는 영어로 진행되며 영어자막과 한글자막을 동시에 제공합니다. 질문과 토론에서 한국어를 사용할 수 있습니다. 세부 강의 일정주차세부주제교수비고1기계학습 개요석준희2지도 학습 (I): 선형 회귀석준희 3지도 학습 (II): 회귀 석준희 4지도 학습 (III): 분류석준희 5지도 학습 (IV): 모델 선택석준희 6자율학습 7비지도 학습 (I): 개요, 군집화, k-평균 알고리즘정태수 8비지도 학습 (II): PCA, 가우시안 혼합 모델정태수 9강화 학습 (I): 동적계획법, 마코프 체인정태수 10강화 학습 (II): 마코프 결정 프로세스, 강화 학습 알고리즘정태...