한국어 기계학습 온라인 강의를 유튜브에 개설하였고, 활용된 강의자료를 아래에 공개합니다.

 

강의 동영상 URL: https://www.youtube.com/channel/UC9caTTXVw19PtY07es58NDg

기계학습 분야의 진입 장벽을 낮추고자하는 의미로 개설한 강좌입니다. 강좌를 들으면서 의문

이 나거나, 오류가 있는 부분은 아래의 이메일로 알려주기 바랍니다.

 

이메일: icmoon@kaist.ac.kr

 

 

주차별 강의

---

 

7. 베이즈 네트워크

 

7.1. 확률의 개념

 

 

강의자료: 7. 베이즈 네트워크 (1강 확률의 개념).pdf

 

 

 

7.2. 확률 정리

 

 

강의자료: 7. 베이즈 네트워크 (2강 확률 정리).pdf

 

 

 

7.3. 베이즈 네트워크의 이해

 

 

강의자료: 7. 베이즈 네트워크 (3강 베이즈 네트워크의 이해).pdf

 

 

 

7.4. 베이즈 공 알고리즘

 

 

강의자료: 7. 베이즈 네트워크 (4강 베이즈 공 알고리즘).pdf

 

 

 

7.5. 베이즈 네트워크에서의 인수 분해

 

 

강의자료: 7. 베이즈 네트워크 (5강 베이즈 네트워크에서의 인수 분해).pdf

 

 

 

7.6. 베이즈 네트워크에서의 추론 질문

 

 

강의자료: 7. 베이즈 네트워크 (6강 베이즈 네트워크에서의 추론 질문).pdf

 

 

 

7.7. 변수 제거

 

 

강의자료: 7. 베이즈 네트워크 (7강 변수 제거).pdf

 

 

 

7.8. 포텐셜 함수와 클릭 그래프

 

 

강의자료: 7. 베이즈 네트워크 (8강 포텐셜 함수와 클릭 그래프).pdf

 

 

 

7.9. 신뢰도 확산의 간단한 예시

 

 

강의자료: 7. 베이즈 네트워크 (9강 신뢰도 확산의 간단한 예시).pdf

 

 

 

---

 

8. K-평균 알고리즘과 가우시안 혼합 모델

 

8.1. K-평균 알고리즘 1

 

 

강의자료: 8. K-평균 알고리즘과 가우시안 혼합 모델 (1강 K-평균 알고리즘 1).pdf

 

 

 

8.2. K-평균 알고리즘 2

 

 

강의자료: 8. K-평균 알고리즘과 가우시안 혼합 모델 (2강 K-평균 알고리즘 2).pdf

 

 

 

8.3. 다항 분포

 

 

강의자료: 8. K-평균 알고리즘과 가우시안 혼합 모델 (3강 다항 분포).pdf

 

 

 

8.4. 다변수의 가우시안 분포

 

 

강의자료: 8. K-평균 알고리즘과 가우시안 혼합 모델 (4강 다변수의 가우시안 분포).pdf

 

 

 

8.5. 가우시안 혼합 모델

 

 

강의자료: 8. K-평균 알고리즘과 가우시안 혼합 모델 (5강 가우시안 혼합 모델).pdf

 

 

 

8.6. 가우시안 혼합 모델을 위한 EM 과정

 

 

강의자료: 8. K-평균 알고리즘과 가우시안 혼합 모델 (6강 가우시안 혼합 모델을 위한 EM 과정).pdf

 

 

 

8.7. K-평균과 가우시안 혼합 모델 사이의 관계

 

 

강의자료: 8. K-평균 알고리즘과 가우시안 혼합 모델 (7강 K-평균과 가우시안 혼합 모델 사이의 관계).pdf

 

 

 

8.8. EM 알고리즘의 기초

 

 

강의자료: 8. K-평균 알고리즘과 가우시안 혼합 모델 (8강 EM 알고리즘의 기초).pdf

 

 

 

8.9. EM 알고리즘의 유도

 

 

강의자료: 8. K-평균 알고리즘과 가우시안 혼합 모델 (9강 EM 알고리즘의 유도).pdf

 

 

 

---

 

9. 은닉 마르코프 모델

 

9.1. 은닉 마르코프 모델의 개념

 

 

강의자료: 9. 은닉 마르코프 모델 (1강 은닉 마르코프 모델의 개념).pdf

 

 

 

9.2. 은닉 마르코프 모델의 결합, 주변 확률

 

 

강의자료: 9. 은닉 마르코프 모델 (2강 은닉 마르코프 모델의 결합, 주변 확률).pdf

 

 

 

9.3. 전,후 확률 계산

 

 

강의자료: 9. 은닉 마르코프 모델 (3강 전,후 확률 계산).pdf

 

 

 

9.4. 비터비 디코딩 알고리즘

 

 

강의자료: 9. 은닉 마르코프 모델 (4강 비터비 디코딩 알고리즘).pdf

 

 

 

9.5. 바움-웰츠 알고리즘

 

 

강의자료: 9. 은닉 마르코프 모델 (5 바움-웰츠 알고리즘).pdf

 

 

 

---

 

10. 표본 추출 기반의 추론

 

10.1. 앞 방향의 표본 추출

 

 

강의자료: 10. 표본 추출 기반의 추론 (1강 앞 방향의 표본 추출).pdf

 

 

 

10.2. 리젝션 표본 추출

 

 

강의자료: 10. 표본 추출 기반의 추론 (2강 리젝션 표본 추출).pdf

 

 

 

10.3. 중요성 표본 추출

 

 

강의자료: 10. 표본 추출 기반의 추론 (3강 중요성 표본 추출).pdf

 

 

 

10.4. 마르코프 사슬

 

 

강의자료: 10. 표본 추출 기반의 추론 (4강 마르코프 사슬).pdf

 

 

 

10.5. 표본 추출을 위한 마르코프 사슬

 

 

강의자료: 10. 표본 추출 기반의 추론 (5강 표본 추출을 위한 마르코프 사슬).pdf

 

 

 

10.6. 메트로폴리스-해스팅스 알고리즘

 

 

강의자료: 10. 표본 추출 기반의 추론 (6강 메트로폴리스-해스팅스 알고리즘).pdf

 

 

 

10.7. 깁스 샘플링

 

 

강의자료: 10. 표본 추출 기반의 추론 (7강 깁스 샘플링).pdf

 

 

 

10.8. LDA의 이해

 

 

강의자료: 10. 표본 추출 기반의 추론 (8강 LDA의 이해).pdf

 

 

 

10.9. LDA를 위한 깁스 샘플링1

 

 

강의자료: 10. 표본 추출 기반의 추론 (9강 LDA를 위한 깁스 샘플링 1 ).pdf

 

 

 

10.10. LDA를 위한 깁스 샘플링 2

 

 

강의자료: 10. 표본 추출 기반의 추론 (10강 LDA를 위한 깁스 샘플링 2 ).pdf

 

 

 

---