반도체머신러닝

강의상세

상세검색

언어유형

강의연도

CCL유형

반도체머신러닝

인제대학교
이형원

페이스북 트위터 카카오톡 네이버밴드 링크복사

주제분류

공학 >컴퓨터ㆍ통신 >소프트웨어공학
강의학기

2024년 2학기

조회수

1,852

강의계획서: 강의계획서

기계학습의 기초적인 원리에 대하여 학습하고 회귀, 퍼셉트론, 군집화 등에 대한 기초적인 개념과 예제를 공부한다. 기계학습을 적용하여 반도체 공정을 최적화 할 수 있는 방안에 대하여 논한다.

수강안내 및 수강신청
※ 수강확인증 발급을 위해서는 수강신청이 필요합니다

인공지능과 머신러닝의 이해

차시별 강의

1.	인공지능과 머신러닝의 이해	인공지능과 마신러닝의 전반적인 개요를 설명
2.	머신러닝을 위한 기초 수학	머신러닝을 위한 기초적인 수학 지식을 설명
	머신러닝을 위한 기초 수학	머신러닝을 위한 행렬연산을 설명
	머신러닝을 위한 넘파이 라이브러리	머신러닝에 필요한 넘파이라이브러리를 설명
3.	회귀의 개념과 데이터 셋/단순선형 회귀	회귀의 개념을 설명
	단순선형 회귀 모델의 학습	선형회귀의 학습방법과 원리를 설명
	다중 선형 회귀	다중 선형회기를 설명
4.	로지스틱회귀의 데이터	로지스틱회귀의 데이터 자료의 특징을 설명
	로지스틱회귀 모델	로지스틱회귀 모델을 설명
	코드로 구현한 로지스틱 회귀	로지스틱 회귀 실습을 설명
5.	퍼셉트론의 구조/활성화 함수	퍼셉트론의 개념과 활성화 함수를 설명
	퍼셉트론의 학습과정/퍼셉트론과 논리회로	퍼셉트론의 학습과정, 퍼셉트론으로 구현하는 논리회로에 대하여 설명
	코드로 구현한 퍼셉트론	퍼셉트론을 코드로 구현하는 방법을 설명
6.	다층 퍼셉트론의 핵심	다층퍼셉트론에 대한 개념 설명
	다층 퍼셉트론의 학습원리	다층퍼셉트론의 학습원리를 설명
	모델성능평가지표	모델의 성능을 평가하는 방법에 대하여 설명
7.	다층퍼셉트론릐 성능향상을 위한 고려 사항	다층 퍼셉트론에서 성능을 향상하기 위한 주요한 고려 사항을 설명
	꼭 알아야할 예제	다층퍼셉트론에서 꼭 알아야할 예저를 설명
	코드로 구현한 다층 퍼셉트론	코드를 이용하여 다층퍼셉트론을 구현하는 방법 설명
8.	모델기반의 학습과 사례기반의 학습, k-최근접 이웃의 개념	모델기반과 사례기반의 학습방법과 k-최근접 이웃의 개념을 설명
	거리측도, k-최근접 이웃을 통한 분류/회귀	거리측도, k-최근접 이웃을 이용한 분류 및 회귀에 대한 설명
	k-최근접 이웃의 하이퍼파라메터, 코드로 구현한 k-최근점 이웃	k-최근접 이웃 하이퍼파라메터, 코드로 k-최근접 이웃을 구현하는 방법 설명
9.	지도학습측면에서의 의사결정트리/의사결정트리의 기본 개념	의사결정 트리의 개념 및 지도학습에 대한 개념 설명
	의사결정 트리 모델의 구조	의사결정 트리리 모델의 구조에 대하여 설명
	의사결정 트리 모델의 동작원리	의사결정트리 모델의 동작원리를 설명
10.	의사결정 트리 모델의 동작원리	심화된 의사결정트리의 동작원리 설명
	의사결정 트리의 회귀 적용	의사결정트리를 회귀에 적용하는 원리를 설명
	코드로 구현하는 의사결정 트리	의사결정트리를 코드롤 구현하는 방법 설명
11.	비지도학습의 정의와 데이터/군집화의 기본 개념	비지도학습과 군집화에 대한 개녕 설명
	k-평균 군집화의 핵심원리/고려사항	k-평균 군집화의 핵심원리와 구현시 고려해야하는 사항에 대하여 설명
	계층적/밀도기반 군집화	계층적 군집화와 밀도기반 군집화의 장단점 및 원리를 설명
12.	합성곱 층	합성곱 네트워크에 대한 동작원리 및 개념 설명
	풀링층/케라스 구현	풀링층에 대한 설명과 케라스로 구현하는 방법 설명
12.	CNN 구조	CNN 구조에 대한 개념 설명
	반도체공정에서의 머신러닝	반도체공정에서의 머신러닝의 활용에 대한 설명