알파고 이후에 인공지능에 대한 관심이 많아졌죠. 인공지능, 머신러닝, 기계학습, 딥러닝, 빅데이타 등의 비슷비슷한 용어들이 어지럽고, 어떻게 공부를 시작해야 할지 알기 어렵습니다. 이들에 대한 개념 정리와 머신러닝에 대한 기본 지식 습득을 위한 강의를 개최합니다.
본 강의는 본격적인 머신 러닝 기법( SVM, 딥러닝 등)을 배우기 전에 알아야 할 Machine Learning 의 개요와 이론을 설명합니다. R, Python, Spark, Mahout, Theano, Caffe, Tensorflow 등 각종 머신 러닝 기법을 제공하는 오픈 툴(Tool)들도 많으며, 이들에 대한 책들도 많습니다. 그러나 머신러닝에 대한 이론적 배경 지식이 적으면 이러한 툴의 사용이나 책의 이해가 어렵습니다. 본 강의는 본격적인 머신러닝 기법의 스터디와 활용을 시작할 수 있도록 돕는 강의가 될 것입니다.
내용:
- 머신러닝, 인공지능, 패턴인식, 데이터 마이닝 용어
- training, test, validation
- underfitting, overfitting
- global optima, local optima
- linear, non-linear
- supervised, unsupervised
- 통계적 기법, 머신러닝 기법
- 각 기법의 간단한 소개 (SVM, 신경망, 딥러닝, …)
- python을 이용한 간단한 머신러닝 구현
