바로가기

모두를 위한 열린 강좌 KOCW

주메뉴

강의사진
  • 주제분류
    자연과학 >수학ㆍ물리ㆍ천문ㆍ지리 >통계학
  • 강의학기
    2021년 2학기
  • 조회수
    4,238
  •  
강의계획서
강의계획서
1. 파이썬의 scikit-learn, tensorflow를 활용하여 머신러닝을 적용하는 방법들에 대해 학습합니다.

2. 데이터마이닝1 수업에서 이론적인 부분들을 공부하였다면, 본 수업에서는 python을 이용하여 실제 데이터에 머신러닝 기법들을 적용하여 분석하는 방법들에 대해 학습합니다.
수업 설명, Colab 설명
배속
  • 이전차시
  • 다음차시

차시별 강의

PDF VIDEO SWF AUDIO DOC AX
1. 비디오 수업 설명, Colab 설명 수업 설명, Colab 설명 URL
비디오 Chapter 1 Machine Learning Landscape 1. Types of Machine Learning system 2. Main challenges of Machine Learning, 3. Testing and validation URL
2. 비디오 Chapter 2 End-to-End Machine Learning Project 1. Look at the big picture 2. Get the data 3. Discover and visualize the data to gain insights 4. Prepare the data for Machine Learning algorithms URL
3. 비디오 Chapter 2 End-to-End Machine Learning Project 5. Select a model and train it 6. Fine-tune your model URL
비디오 Chapter 3 Classification 1. MNIST data 2. Training a Binary Classifier 3. Performance Measures 4. Multiclass Classification 5. Multilable Classification URL
4. 비디오 Chapter 4 Training Models 1. Linear Regression 2. Gradient Descent 3. Polynomial Regression 4. Learning Curves 5. Regularized Linear Models URL
5. 비디오 Chapter 5 Support Vector Machines 1. Linear SVM Classification 2. Nonlinear SVM Classification URL
비디오 Chapter 5 Support Vector Machines 3. SVM Regression URL
비디오 Chapter 6 Decision Tree 1. Training and Visualizing a Decision Tree 2. Making Predictions 3. Estimating Class Probabilities 4. The CART Training Algorithm 5. Regularization Hyperparameters URL
6. 비디오 Chapter 7 Ensemble Learning and Random Forests 1. Voting Classifiers 2. Bagging and Pasting 3. Random Forests 4. Boosting 5. Stacking URL
비디오 Chapter 8 Dimensionality Reduction 1. The Curse of Dimensionality 2. Main Approaches for Dimensionality Reduction 3. PCA URL
7. 비디오 Chapter 8 Dimensionality Reduction 4. Kernel PCA 5. Locally Linear Embedding (LLE) 6. Other Dimensionality Reduction Techniques URL
비디오 Chapter 9 Unsupervised Learning Techniques 1. Clustering 2. Gaussian Mixtures URL
8. 비디오 Chapter 10 Introduction to Artificial Neural Networks with Keras 1. From Biological to Artificial Neurons 2. Implementing MLPs with Keras URL
9. 비디오 Chapter 10 Introduction to Artificial Neural Networks with Keras 3. Fine-Tuning Neural Network Hyperparameters URL
비디오 Chapter 11 Training Deep Neural Nets 1. The Vanishing/Exploding Gradients Problems 2. Reusing Pretrained Layers URL
10. 비디오 Chapter 11 Training Deep Neural Nets 3. Faster Optimizers 4. Avoiding Overfitting through Regularization URL
비디오 Chapter 12 Custom Models and Trainingwith TensorFlow 1. A Quick Tour of Tensorflow 2. Using Tensorflow like Numpy URL
11. 비디오 Chapter 12 Custom Models and Trainingwith TensorFlow 3. Customizing Models and training algorithms 4. Tensorflow functions and graphs URL
12. 비디오 Chapter 13 Loading and Preprocessing Data with TensorFlow 1. Data API 2. TFRecord Format 3. Preprocessing the input features 4. TF transform, TF Datasets URL
13. 비디오 Chapter 14 Deep Computer Vision Using Convolutional Neural Networks 1. Convolutional Layers 2. Pooling Layers 3. CNN Architectures 4. Implementing a ResNet-34 CNN using Keras URL
14. 비디오 Final Presentation 1 Final Team presentation URL
비디오 Final Presentation 2 Final Team presentation 2 URL

연관 자료

loading..

사용자 의견

강의 평가를 위해서는 로그인 해주세요.

이용방법

  • 동영상 유형 강의 이용시 필요한 프로그램 [바로가기]


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

이용조건