머신러닝 신규과정 개강안내
안녕하세요. 오션코딩학원장 김주원입니다.
2025년 11월부터 머신러닝 교육과정을 개강할 계획입니다.
교육과정에 대한 세부내용은 아래를 참조하시고, 개강일, 기간, 비용 등은 곧 정리해 공지하겠습니다.
교육 과정명
머신러닝 (Machine Learning)
비중 : 지도학습(50%), 신경망(30%), 심층신경망(20%)
사용언어 및 개발도구
Python, Visual Studio Code, PyTorch
세부 교육과정
1. 지도학습 (Supervised Learning)
- 선형회귀 (Linear Regression)
- 로지스틱회귀 (Logistic Regression)
- 손실, 비용함수 (Loss, Cost Function)
- 경사하강법 (Gradient Descent Alogrithm)
- 데이터 전처리 (Feature scaling, Regularization)
지도학습 달성 목표
선형회귀·로지스틱 회귀 모델을 직접 구현하고, 입력 특징(Feature)과 출력(Target)의 관계를 수학적으로 설명할 수 있다.손실 함수와 비용 함수의 개념을 이해하고, 경사하강법을 사용해 모델 파라미터를 최적화할 수 있다.
데이터 전처리 기법(Feature scaling, Regularization)을 적용해 과적합/과소적합 문제를 완화할 수 있다.
2. 신경망 (Neural Network)
- 뉴런, 레이어 (Neuron, Layer)
- 신경망 구축 (Building a neural network)
- 신경망 학습 (Neural network training)
- 활성화 함수 (Activation Function)
- 순방향, 역방향 전파 (Forward, Back Propagation)
- 모델 평가 (Evaluating a model)
- 편향과 분산 (Bias, Variance)
신경망 달성목표
뉴런과 레이어 개념을 이해하고, 간단한 신경망 구조를 파이토치로 설계할 수 있다.
순전파(Forward Propagation)와 역전파(Back Propagation) 과정을 설명하고 구현할 수 있다.
다양한 활성화 함수의 특성과 용도를 이해해 적절히 활용할 수 있다.
학습된 모델을 평가하고, 편향(Bias)과 분산(Variance) 개념을 통해 일반화 성능을 분석할 수 있다.
3. 심층 신경망 (Deep Learning)
- 합성곱 신경망 (Convolutional Neural Network)
- Padding, Stride
- 예제 MNIST
심층 신경망 달성목표
합성곱 신경망의 기본 구조와 동작 원리(Convolution, Padding, Stride)를 설명할 수 있다.
MNIST(손글씨 인식) 데이터셋을 활용해 CNN 모델을 구현, 이미지 분류 문제를 해결할 수 있다.
머신러닝 모델과 딥러닝 모델의 차이, 장점과 한계를 이해할 수 있다.
강좌 참조 문헌
Supervised Machine Learning, by DeepLearning.AI & Stanford University
Advanced Learning Algorithms, by DeepLearning.AI & Stanford University
Convolutional Neural Networks, by DeepLearning.AI
수강생 사전 준비항목
- 파이썬에 대한 이해 (필수 O)
- numpy, matplotlib, pandas, scikit-learn (필수 X)
- 개인 노트북 지참 (필수 O, 고사양 X, 코드 작성 후 Colab or kaggle 활용)
- 선형대수학 (필수 X, 벡터, 행렬)
- 미적분학 (필수 X, 주로 미분)
- 수학적 지식이 아닌 직관(Intuition)이 필요.
- 수업 전 그날 배울 내용(동영상, 사전 고지)에 대한 예습 (필수 O)
저도 수학 잘 못합니다.
벡터는 1차원 배열,리스트, 행렬은 다차원 배열 같은 느낌이 들면 충분.
미분은 연속으로 기울기구하는 것 정도면 충분.
감사합니다.
댓글
댓글 쓰기