인공지능과 기계학습

본 강좌는 새로운 K-MOOC 플랫폼에서 운영하는 강좌입니다.

■ 강좌 소개

영화 ‘아이언맨’의 똑똑한 인공지능 개인비서 ‘자비스’, 언제쯤 가능할까요? 오혜연 교수가 인공지능 및 기계학습에 대한 기초적인 이론지식을 기반으로 컴퓨터에게 지능을 부여하는 방법을 이해하고, 실습을 통해 이를 구현하는 능력을 배울 수 있는 강좌를 개설합니다.

본 과목은 7주차 과목으로 진행됩니다. 1주는 30분 내외의 비디오 약 4편으로 구성되어 있습니다.

매주 퀴즈를 통해 한 주 동안 배운 것들을 복습하게 됩니다.

• MIT 전산학 박사

• 자연어 정보 처리 및 사용자 이해에 관한 연구 수행

주차	학습 목차	주제
1	인공지능 및 기계학습 개요	• 인공지능 및 기계학습 개요
1	확률론 및 나이브 베이즈 (Probability and Naive Bayes)	• 확률론 복습 (Probability) • 의학 진단 예제 (Example: Medical Diagnosis) • 나이브 베이즈 (Naive Bayes)
2	서포트 벡터 머신 (Support Vector Machines)	• 서포트 벡터 머신 (Support Vector Machine) 개론 • 선형 서포트 벡터 머신 (Linear SVM) • 커널 서포트 벡터 머신 (Kernel SVM)
3	결정 트리 (Decision Trees)	• 결정 트리 (Decision Trees) • 랜덤 포레스트 (Random Forest)
4	신경망 모델 (Neural Networks)	• 인공 뉴런 (Artificial Neuron) • 다층 뉴럴 네트워크 (Multilayer Neural Network) • 경험적 위험 최소화 (Empirical Risk Minimization) • 손실 함수 (Loss Function) • 은닉층 그래디언트 (Hidden Layer Gradient)
5	딥러닝과 응용 (Deep Learning and Applications)	• 딥 러닝 소개 (Introduction to Deep Learning) • 제한적 볼츠만 기계 (Restricted Boltzmann Machine) • 오토인코더 (Autoencoder) • 딥 뉴럴 네트워크 정규화 (Deep Neural Network Regularization)
6	강좌 종합 정리	• 강좌 종합 정리

kmooc@kaist.ac.kr