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. 변분 추론(Variational Inference)

 

강의 자료: 1. 변분 추론 (Variational Inference).pdf

 

1.1. 변분 변환

 

 

 

 

 

 

1.2. 확률분포함수의 변분 변환

 

 

 

 

 

 

1.3. 변분 추론 이론 (1)

 

 

 

 

 

 

1.4. 변분 추론 이론 (2)

 

 

 

 

 

 

1.5. 변분 추론 이론 (3)

 

 

 

 

 

 

1.6. 변분 추론의 간단한 모델 (1)

 

 

 

 

 

 

1.7. 변분 추론의 간단한 모델 (2)

 

 

 

 

 

 

1.8. 변분 추론의 간단한 모델 (3)

 

 

 

 

 

 

1.9. 변분 추론의 간단한 모델 (4)

 

 

 

 

1.10. LDA 개괄

 

 

 

 

 

 

1.11. LDA (1)

 

 

 

 

 

 

1.12. 디리클레 분포와 지수족

 

 

 

 

 

 

1.13. LDA (2)

 

 

 

 

 

 

1.14. LDA (3)

 

 

 

 

 

 

1.15. LDA (4)

 

 

 

 

 

 

1.16. LDA (5)

 

 

 

 

 

 

1.17. 뉴턴 랍손 방법 복습

 

 

 

 

 

 

 

1.18. LDA (6)

 

 

 

 

 

 

1.19 LDA 코드 실행

 

 

 

 

 

 

1.20. LDA 평가

 

 

 

 

 

 

 

---

 

2. 디리클레 과정

 

강의 자료: 2. 디리클레 과정 (Dirichlet Process).pdf

 

2.1. 가우시안 혼합 모델과 디리클레 과정 개괄

 

 

 

 

 

 

2.2. 다중 디리클레 활용 관계

 

 

 

 

 

 

2.3. 디리클레 과정의 정의

 

 

 

 

 

 

2.4. Stick-Breaking Construction

 

 

 

 

 

 

2.5. Polya Urn Scheme

 

 

 

 

 

 

2.6. Chinese Restaurant Process

 

 

 

 

 

 

2.7. 확률 과정 복습

 

 

 

 

 

 

2.8. De Finetti's Theorem

 

 

 

 

 

 

2.9. 가우시안 혼합 모델 복습

 

 

 

 

 

 

2.10. 디리클레 혼합 모델

 

 

 

 

 

 

2.11. 디리클레 혼합 모델 코드 실행

 

 

 

 

 

 

2.12. 디리클레 혼합 모델 샘플링 과정

 

 

 

 

 

 

2.13. Problem of Separate Prior

 

 

 

 

 

 

2.14. Atom Sharing

 

 

 

 

 

 

2.15. HDP with Stick-Breaking Construction

 

 

 

 

 

 

2.16. HDP with Chinese Resaurant Franchise

 

 

 

 

 

 

---

 

3. 가우시안 과정

 

강의 자료: 3. 가우시안 과정 (Gaussian Process).pdf

 

3.1. 도입 (1)

 

 

 

 

 

 

3.2. 도입 (2)

 

 

 

 

 

3.3. 도입 (3)

 

 

 

 

 

3.4. 매핑 함수 복습

 

 

 

 

 

 

3.5. 가우시안 프로세스 회귀 (1)

 

 

 

 

 

 

3.6. 커널 함수 복습

 

 

 

 

 

3.7. 가우시안 프로세스 회귀 (2)

 

 

 

 

 

3.8. 가우시안 프로세스 회귀 (3)

 

 

 

 

 

3.9. 가우시안 프로세스 회귀 (4)

 

 

 

 

 

3.10. 가우시안 프로세스 회귀 (5)

 

 

 

 

 

3.11. 가우시안 프로세스 회귀 (6)

 

 

 

 

 

3.12. 가우시안 프로세스 회귀 (7)

 

 

 

 

 

3.13. 가우시안 프로세스 회귀 (8)

 

 

 

 

 

3.14. 가우시안 프로세스 회귀 (9)

 

 

 

 

 

3.15. 하이퍼 파라미터 학습 (1)

 

 

 

 

 

3.16. 하이퍼 파라미터 학습 (2)

 

 

 

 

 

3.17. 가우시안 프로세스 분류기

 

 

 

 

 

3.18. 가우시안 과정을 활용한 베이시안 최적화

 

 

 

 

 

3.19. 습득 함수 (1)

 

 

 

 

 

3.20. 습득 함수 (2)

 

 

 

 

 

3.21. 베이시안 최적화 결과

 

 

 

 

 

---

 

4. 인공 신경망

 

강의 자료: 4. 인공 신경망 (Artificial Neural Network).pdf ​

 

4.1. 도입

 

 

 

 

 

 

4.2. 활성화 함수

 

 

 

 

 

 

4.3. XOR 문제

 

 

 

 

 

4.4. 신경망의 구조

 

 

 

 

 

 

4.5. 신경망 학습 (1)

 

 

 

 

 

4.6. 신경망 학습 (2)

 

 

 

 

 

4.7. 신경망 학습 (3)

 

 

 

 

 

 

4.8. 학습 기술과 신경망의 문제

 

 

 

 

 

 

<

---