강의

고급 데이터 마이닝

M2177.003000: Advanced Data Mining (Fall 2019)

데이터 마이닝은 빅데이터 분석을 위한 필수적인 도구로 많은 관심을 끌었다. 특히, 고급 데이터 마이닝 알고리즘 및 분석 플랫폼의 설계 및 구현은 빅데이터에서 실행 가능한 정보를 추출하는 데 중요한 역할을 한다. 이 과정에서는 빅데이터 분석을 위한 고급 데이터 마이닝 기술, 알고리즘 및 핵심 플랫폼을 다룬다. 또한 이 과정에서는 대용량 데이터와 고속 데이터를 효과적으로 분석하는 기술을 다룬다.

자료 구조

M1522.000900: Data Structure (Fall 2019)

이 학부 수준의 과목은 컴퓨터 프로그래밍에서 사용되는 기초적인 알고리즘과 자료구조에 대해서 다룬다. 자료구조는 요구되는 연산이 쉽고 효율적으로 수행될 수 있도록 컴퓨터 기억장치에 자료를 체계화 하는 방법이다. 알고리즘은 입력된 자료에 대해 요구되는 출력을 내놓기 위한 일련의 연산이다. 자료구조와 알고리즘은 함께 컴퓨터 프로그래밍의 기초를 구성한다. 이 과목에서는 추상적 자료형, 트리, 해싱, 정렬, 그래프, 문자열 매칭, 알고리즘 설계 기법 등을 다룬다.

데이터마이닝 개론

M1522.001400: Introduction to Data Mining (Spring 2019)

데이터 마이닝은 방대한 양의 데이터에서 유요한 패턴을 찾는 이론 및 기법을 의미한다. 데이터 마이닝은 웹 분석, 사기 탐지, 추천 시스템, 사이버 보안 등의 영향을 많이받는 어플리케이션에 사용된다. 해당 과정에서는 데이터 마이닝을 위한 주요 알고리즘과 이론을 다룬다. 주요 항목으로는 지도 축소, 유사 아이템 찾기, 빈번한 패턴 마이닝, 링크 분석, 데이터 스트림 마이닝, 클러스터링, 그래프 및 빅데이터 마이닝을 다룬다

대규모 데이터분석 특강(강화 학습 개론)

M1522.001600: Reinforcement Learning - Topics in Big Data Analytics (Spring 2019)

강화 학습은 기계 학습의 한 분야로서 소프트웨어가 보상(reward)을 극대화하기 위하여 어떻게 행동을 취할지를 자동으로 학습하는 것을 목표로 한다. 강화 학습은 AlphaGo와 backgammon을 비롯한 여러 최신 AI 응용에 사용되어 왔다. 본 강의에서는 markov decision process, planning, prediction, policy gradient, exploration/exploitation 등과 같은 강화 학습에 대한 중요한 기본 개념을 배운다.

고급 딥러닝 (빅데이터 분석 토픽)

M1522.001600: Advanced Deep Learning (Topics in Big Data Analytics) (Fall 2018)

딥 러닝은 데이터에서 높은 수준의 추상적 개념을 모델링 하기 위한 일련의 알고리즘을 기반으로 하는 기계 학습의 한 분야이다. 딥 러닝은 최근의 인공지능 분야를 발전시킨 원동력이다. 이 과목에서는 대규모 데이터를 분석하기 위한 딥 러닝의 핵심 기술을 학습한다. 수업에서 다루는 주제는 선형 구조 모델(linear factor models), 오토인코더(autoencoders), representation learning, 딥러닝을 위한 구조적 확률 모델(structured probabilistic models ), 몬테 카를로 방법, 파티션 함수, 근사 추론(approximate inference), deep generative models 를 포함한다.

자료 구조

M1522.000900: Data Structure (Fall 2018)

이 학부 수준의 과목은 컴퓨터 프로그래밍에서 사용되는 기초적인 알고리즘과 자료구조에 대해서 다룬다. 자료구조는 요구되는 연산이 쉽고 효율적으로 수행될 수 있도록 컴퓨터 기억장치에 자료를 체계화 하는 방법이다. 알고리즘은 입력된 자료에 대해 요구되는 출력을 내놓기 위한 일련의 연산이다. 자료구조와 알고리즘은 함께 컴퓨터 프로그래밍의 기초를 구성한다. 이 과목에서는 추상적 자료형, 트리, 해싱, 정렬, 그래프, 문자열 매칭, 알고리즘 설계 기법 등을 다룬다.

머신러닝을 위한 최적화 기법 (인공지능 토픽)

4190.773: Optimization for Machine Learning (Topics in Artificial Intelligence) (Spring 2018)

최적화는 많은 기계학습 기술을 위한 중요한 도구이다. 최적화 프레임워크로 문제를 공식화하고 해결하는 것은 기계 학습 분야의 연구자에게 핵심 기술이다. 이 과정은 기계 학습에서 최적화를 위한 중요한 이론과 알고리즘을 다룬다. 주제에는 볼록 집합(convex sets), 볼록 함수(convex functions), 볼록 최적화(convex optimization), 이원성(duality), 하위 모듈 최적화(submodular optimization) 및 최적화 알고리즘이 포함된다.

데이터 마이닝 개론

M1522.001400: Introduction to Data Mining (Spring 2018)

데이터 마이닝은 대규모의 데이터에서 유용한 패턴을 찾는 이론과 기법을 말한다. 데이터 마이닝은 웹 분석, 사기 탐지, 추천 시스템, 보안 등 영향력이 큰 프로그램에 사용되었다. 이 과목은 데이터 마이닝 분야의 중요한 알고리즘과 이론을 다룬다. 이 과목의 주요 주제는 맵리듀스(MapReduce), 유사한 아이템 찾기, 빈발 패턴 탐색, 링크 분석, 데이터 스트림 마이닝, 클러스터링, 그래프, 대용량 데이터 마이닝이다.

고급 딥러닝 (빅데이터 분석 토픽)

M1522.001600: Advanced Deep Learning (Topics in Big Data Analytics) (Fall 2017)

자료 구조

M1522.000900: Data Structure (Fall 2017)

딥 러닝을 사용한 대규모 데이터 분석

M1522.001600: Large Scale Data Analysis Using Deep Learning (Spring 2017)

데이터 마이닝 개론

M1522.001400: Introduction to Data Mining (Spring 2017)

자료 구조

M1522.000900: Data Structure (Fall 2016)