로그인 바로가기 하위 메뉴 바로가기 본문 바로가기

강좌 기간이 종료되어 더이상 수강할 수 없습니다.

문일철 KOOC
  • 타입 공개형 강좌
  • 기간 2016.11.01 ~ 2016.12.12
    6주
  • 시간 자유롭게 학습
  • 수강 승인 방식 자동 승인

본 강의는 '인공지능 및 기계학습 개론 1' 를 이어 제공되는 강의로 기계 학습에 대한 이론적 지식을 확률, 통계, 최적화를 바탕으로 소개합니다. 
이 과정에서 다양한 확률 이론 및 통계 방법론을 설명하며, 최적화 방법을 소개하고,
Naive Bayes, Logistic Regression, Support Vector Machine, Neural Network, Hidden Markov Model, Gaussian Mixture Model, K-Means Model과 같은 다양한 모델을 활용하여 어떻게 기계 학습에 이론적 기초를 확인하는지 배울 수 있습니다.

교수자 소개

  • 문일철

강의계획

    1. 7. Bayesian Network
      8. K-Means Clustering and Gaussian Mixture Model
      9. Hidden Markov Model
      10. Sampling Based Inference

추가정보

"인공지능 및 기계학습 개론 1"에 이어 제공되는 강좌입니다. 
가급적 개론 1을 수강한 분들께서 수강하시길 권해드립니다. 

하지만 1을 수강하지 않았더라도, 내용이 분절되어 있어 
강의 계획에 포함된 내용에 대해 학습이 가능하오니 참고 부탁드리겠습니다.