1 |
강의 소개 - 데이터과학, 생체데이터, 인공지능/머신러닝/딥러닝 |
|
|
2 |
Python 프로그래밍의 기초 - 데이터 입출력, 자료형, 연산자, 제어문, 함수, 클래스 |
|
|
3 |
KNN 알고리즘을 이용한 머신러닝 입문 - K-최근접 이웃, Training set과 Test set, 데이터 전처리 |
|
|
4 |
회귀 알고리즘과 모델 규제 - K-최근접 이웃회귀, 선형회귀, 특성공학과 규제 |
|
|
5 |
다양한 분류 알고리즘 -로지스틱회귀, 확률적 경사하강, SVM |
|
|
6 |
트리알고리즘 - 결정트리, 교차검증과 그리드 서치, 트리앙상블 |
|
|
7 |
비지도학습 - 군집 알고리즘, K-means, PCA |
|
|
8 |
중간고사 |
|
|
9 |
인공신경망 - 노드와 계층구조, 단층신경망의 학습과 한계 |
|
|
10 |
다층신경망 -역전파 알고리즘, 비용함수와 학습규칙 |
|
|
11 |
신경망과 분류 - 이진 분류 및 다범주 분류 |
|
|
12 |
컨볼루션 신경망 - 이미지 데이터에 적합한 딥러닝 |
|
|
13 |
순환 신경망 - 텍스트 및 시계열 등 순차데이터에 적합한 딥러닝 |
|
|
14 |
딥러닝 응용 |
|
|
15 |
기말고사 |
|
|