본 강의는 목적은 다양한 고급기계학습 기법의 수학적 배경을 이해하고, 각 방법의 장점과 단점을 이해하여 주어진 상황에 적합한 기법을 선택하여 문제를 효율적이고 효과적으로 해결할 수 있다. * 구성: 총 14강 + 중간평가 + 기말평가 * 개설: 순차적 개설 - 해당 주차일에 강의가 열리며, 지나간 강의는 언제든지 볼 수 있음 [딥러닝 시대에도 필요한 고급기계학습 맛보기 강의] 강의 일정주차주차명차시명1주차GM1) Probability2) Independency, Bayesian Reasoning2주차BN(1)1) Bayesian Network Overview2) Dependency in Bayesian Networks3주차BN(2)1) Inference in Bayesian Networks2) Inference in Polytrees4주차HMM(1)1) Hidden Markov Model Overview2) Efficient Inference Algorithm for HMMs5주차HMM(2)1) Estimation of HMMs2) State Sequence Estimation6주차GA(1)1) Genetic Algorithm Overview2) Selection, Crossover and Mutation7주차GA(2)1) Selection Operators and Real Number Encoding2) Crossover & Mutation for Real Number Encoding, and Elitism8주차중간 평가9주차RF1) Linear SVM2) Soft Margin Linear SVM10주차GP(1)1) Non-Linear SVM2) Kernel Trick11주차GP(2)1) Overview of Random Forest2) Out-Of-Bag Error, Variable Importance12주차GP(3)1) Algorithm of Adaboost2) Hyperparameter Optimization Overview3) Gaussian...