## 주메뉴

### 머신러닝

• 한동대학교
• 최희열
• 주제분류
공학 >컴퓨터ㆍ통신 >정보과학
• 강의학기
2023년 2학기
• 조회수
2,977
• 평점
5/5.0 (2)
강의계획서
AI 의 역사와 머신러닝의 여러 개념들을 소개하고 딥러닝의 기초적인 부분까지 포함한다.
Course Introduction

#### 차시별 강의

 1. Course Introduction 강의 소개 Artificial Intelligence. Part1 AI 개요 Artificial Intelligence. Part2 history and issues Machine learning. Part1 Introduction to Machine Learning Machine learning. Part2 ML components, data and approaches Machine learning. Part3 Applications and prerequisite 2. Linear Algebra Review. Part1 Calculus for ML Linear Algebra Review. Part2 Linear Algebra: Vector Linear Algebra Review. Part3 Linear Algebra: Matrix Linear Algebra Review. Part4 Linear Algebra: Decompsition and Derivatives 3. Probability Review. Part1 Probability and statistics Probability Review. Part2 Bayes Theorem Probability Review. Part3 Gaussian and other distributions 4. Information Theory. Part1 Information theory, entropy Information Theory. Part2 KL, Mutual Information, cross entropy 5. Density estimation. Part1 density estimation, parametric method Density estimation. Part2 non-parametric method and semi-parametric method 6. Decision Theory. Part1 classification 관련 decision theory Decision Theory. Part2 classification 관련 decision theory Decision Theory. Part3 classification 관련 decision theory 7. Clustering. Part1 introduction to clustering Clustering. Part2 kMeans Algorithm Clustering. Part3 mixture of Gaussian Clustering. Part4 EM algorithm Clustering. Part5 EM application 8. Dimension reduction. Part1 차원 축소를 위한 선형 알고리즘 Dimension reduction. Part2 차원 축소를 위한 선형 알고리즘 Dimension reduction. Part3 차원 축소를 위한 선형 알고리즘 Dimension reduction. Part4 차원 축소를 위한 선형 알고리즘 Dimension reduction. Part5 차원 축소를 위한 선형 알고리즘 9. Nonlinear Dimension Reduction. Part1 kernel machines and manifold learning Nonlinear Dimension Reduction. Part2 kernel machines and manifold learning Nonlinear Dimension Reduction. Part3 kernel machines and manifold learning Nonlinear Dimension Reduction. Part4 kernel machines and manifold learning 10. Classification. Part1 분류 기초 및 관련 알고리즘 Classification. Part2 k nearest neighbor Classification. Part3 Na�ve Bayes Classifier Classification. Part4 Decision tree part1 Classification. Part5 Decision tree part2 11. Ensemble Learning. Part1 ensemble learning 기초 Ensemble Learning. Part2 why and how it works 12. Regression. Part1 회귀분석 모델 Regression. Part2 회귀분석 모델 Regression. Part3 회귀분석 모델 Regression. Part4 회귀분석 모델 13. Neural Networks. Part1 신경망 소개와 역사 Neural Networks. Part2 forward propagation Neural Networks. Part3 backward propagation Neural Networks. Part4 training and properties 14. Optimization. Part1 최적화(gradient descent, Networn method, Trust-region) Optimization. Part2 최적화(gradient descent, Networn method, Trust-region) Optimization. Part3 최적화(gradient descent, Networn method, Trust-region) Optimization. Part4 최적화(gradient descent, Networn method, Trust-region) Optimization. Part5 최적화(gradient descent, Networn method, Trust-region) Optimization. Part6 최적화(gradient descent, Networn method, Trust-region) Optimization. Part7 최적화(gradient descent, Networn method, Trust-region) 15. Regularization. Part1 overfitting 과 regularization 이해 Regularization. Part2 overfitting 과 regularization 이해 Deep Learning. Part1 딥러닝 소개 Deep Learning. Part2 neuroscientific support and early DL Deep Learning. Part3 DL algorithms Recommendation. Part1 추천 알고리즘 소개 Recommendation. Part2 추천 알고리즘 소개 Recommendation. Part3 추천 알고리즘 소개 SVM. Part1 SVM 설명 SVM. Part2 SVM 설명 SVM. Part3 SVM 설명 HMM. Part1 HMM 설명 HMM. Part2 3 problems in HMM

#### 사용자 의견

강의 평가를 위해서는 로그인 해주세요.
운영자2024-01-10 09:39
KOCW입니다. 해당 문의를 한동대학교로 전달하였습니다. 다만 학교측의 사정으로 답변이 없거나 지연될 수 있습니다.
na**************** 2024-01-09 17:38
강의자료를 받을 수 있을까요?

#### 이용방법

• 동영상 유형 강의 이용시 필요한 프로그램 [바로가기]

※ 강의별로 교수님의 사정에 따라 전체 차시 중 일부 차시만 공개되는 경우가 있으니 양해 부탁드립니다.