Grading성적 평가

Relative Grading상대평가 Grade distribution set by university policy.대학교 정책에 따라 성적 분포 결정.

10%Attend.출석

30%HW과제

25%Mid.중간

25%Final기말

10%Proj.프로젝트

10% Attendance출석30% Homework과제25% Midterm중간고사25% Final기말고사10% Project프로젝트

Schedule강의 일정

Course lecture schedule
Date	Slides	Week and topic	Homework and logistics
9/7		Week주차 1 수업 소개 수업 소개 📖 p. 1-26	0장 어휘 PDF \| XLSX GitHub IDs 입력
9/14	1장) 한눈에 보는 머신러닝	Week주차 2 1장) 한눈에 보는 머신러닝 2장) 머신러닝 프로젝트 처음부터 끝까지 1장) 한눈에 보는 머신러닝 2장) 머신러닝 프로젝트 처음부터 끝까지 📖 p. 27-67, 68-142	1장 어휘 PDF \| XLSX 2장 어휘 PDF \| XLSX AM 오전 과제 PM 오후 과제
9/21		Week주차 3 3장) 분류 3장) 분류 📖 p. 143-176, 177-226	3장 어휘 PDF \| XLSX AM 오전 과제 PM 오후 과제
9/28		Week주차 4 4장) 모델 훈련 4장) 모델 훈련 📖 p. 177-226	4장 어휘 PDF \| XLSX
10/5🔴 No Class휴강	No Class 대체휴일: Coming from Heaven Day No Class 대체휴일: Coming from Heaven Day
10/12		Week주차 5 5장) 서포트 벡터 머신 6장) 결정 트리 5장) 서포트 벡터 머신 6장) 결정 트리 📖 p. 177-296
10/19		Week주차 6 7장) 앙상블 학습과 랜덤 포레스트 8장) 차원 축소 7장) 앙상블 학습과 랜덤 포레스트 8장) 차원 축소 📖 p. p. 268-323
10/26📝 Exam시험	Midterm Test 핵심 개념 용어 팀 프로젝트 설명 PPT [프로젝트 저장소 AM] [프로젝트 저장소 PM] Midterm Test 핵심 개념 용어 팀 프로젝트 설명 PPT [프로젝트 저장소 AM] [프로젝트 저장소 PM]
11/2		Week주차 7 9장) 비지도 학습 9장) 비지도 학습 📖 p. 324-365
11/9		Week주차 8 10장) 케라스를 사용한 인공 신경망 소개 10장) 케라스를 사용한 인공 신경망 소개 📖 p. 370-433
11/16		Week주차 9 11장) 심층 신경망 훈련 11장) 심층 신경망 훈련 📖 p. 434-488
11/23		Week주차 10 12장) 텐서플로를 사용한 사용자 정의 모델과 훈련 13장) 텐서플로를 사용한 데이터 적재와 전처리 12장) 텐서플로를 사용한 사용자 정의 모델과 훈련 13장) 텐서플로를 사용한 데이터 적재와 전처리 📖 p. 489-576
11/30		Week주차 11 14장) 합성곱 신경망을 사용한 컴퓨터 비전 14장) 합성곱 신경망을 사용한 컴퓨터 비전 📖 p.
12/7		Week주차 12 15장) RNN과 CNN을 사용한 시퀀스 처리 16장) RNN과 어텐션을 사용한 자연어 처리 15장) RNN과 CNN을 사용한 시퀀스 처리 16장) RNN과 어텐션을 사용한 자연어 처리 📖 p.
12/14		Week주차 13 17장) 오토인코더, GAN 그리고 확산 모델 18장) 강화학습 17장) 오토인코더, GAN 그리고 확산 모델 18장) 강화학습 📖 p.
12/21		Week주차 14 팀 프로젝트 발표 팀 발표 평가 의견 - AM 팀 발표 평가 의견 - PM 팀 프로젝트 발표 팀 발표 평가 의견 - AM 팀 발표 평가 의견 - PM	팀 발표 (.ipynb, .py, .ppt) 파일들은 GitHub 저장소에서 제출 못 하는 것 15장) RNN과 CNN을 사용한 시퀀스 처리 16장) RNN과 어텐션을 사용한 자연어 처리 17장) 오토인코더, GAN 그리고 확산 모델 18장) 강화학습 19장) 대규모 텐서플로 모델 훈련과 배포

Overview과목 소개

Prerequisites선수 과목

No formal prerequisites. Curiosity required. 공식 선수 과목 없음. 호기심 필수.

DB textbook

데이터 과학의 핵심 개념(데이터 전처리, 시각화, 머신러닝 모델 개발)을 Python과 scikit-learn, TensorFlow를 활용해 실습 중심으로 학습합니다.

This course covers data science fundamentals — data preprocessing, visualization, and machine learning model development — using Python, scikit-learn, and TensorFlow through hands-on practice.

Textbooks교재

★ Required교재
핸즈온 머신러닝 (3판)

오렐리앙 제롱 저/박해선 역

한빛미디어 | 2023년 09월 29일
Buy구매 →

Instructor강사 소개

Aaron Snowberger

Ph.D. · Hanbat National University (2023)

✉ aaronkr.trainer @ gmail.com 💬 KakaoTalk: AaronKr 🌐 aaron.kr 🔬 PAI Lab →🆔 ORCID ⌨ GitHub

Aaron Snowberger earned his Ph.D. in Information and Communications Engineering from Hanbat National University in South Korea in 2023. He also holds degrees in Computer Science and Media Design. He has taught technology courses for over 8 years, English for over 15 years, and has freelanced as a web developer and magazine designer for over 5 years. His current research interests include computer vision, natural language processing, image processing, signal processing, and machine learning.

Aaron Snowberger는 2023년 한국 한밭대학교에서 정보통신공학 박사 학위를 취득했습니다. 그는 또한 컴퓨터 과학 및 미디어 디자인 학위를 취득했습니다. 그는 8년 이상 기술 과정을 가르쳤고, 15년 이상 영어를 가르쳤으며, 5년 이상 웹 개발자 및 잡지 디자이너로 프리랜서로 일했습니다. 현재 연구 관심사는 컴퓨터 비전, 자연어 처리, 영상 처리, 신호 처리, 기계 학습입니다.

Data Science