머신러닝을 위한
수학 기초 CAMP

머신러닝 이해를 위해 꼭 필요한 수학 개념,
개념부터 파이썬 코드 구현까지 한 방에 정리해 드립니다.

#머신러닝#수학기초_with_선형회귀
#파이썬_코드구현

기간 & 일정

2019.04.27 – 06.01(5.4 휴강)
매주 토요일 14:00 – 17:00
주 1회, 총 17시간
1회차 강의 전 사전교육 2시간 진행 예정(선택 수강)

장소 & 준비물

패스트캠퍼스 강남강의장
강남역 4번 출구, 미왕빌딩
필기도구, 노트북 지참

담당자&문의

윤형진 매니저
02-517-0641
help-ds@fastcampus.co.kr

머신러닝에서, 가장 중요한 것은
‘수학’입니다

‘머신러닝 알고리즘의 바탕은 ‘수학’입니다. 어떤 머신러닝 알고리즘을 봐도, 수식이 없는 알고리즘은 존재하지 않다고 해도 무방하다고 할 정도니까요. 당장 검색창에 ‘머신러닝 알고리즘’을 검색해도 함수와 벡터 관련 수식이 쏟아져 나올 정도로, 머신러닝 학습에 있어 수학 개념은 필수적입니다.

하지만
문제는 ‘정리’야.

10% 할인 중 (~04/25)

teacher draw condition of phase synchronism

머신러닝을 위한 수학 개념.
한 번에 정리되어 있지 않습니다.

수학 자료는 많지만 일관된 주제로 정리가 되어 있지 않아 내용을 체계적으로 정리하기 어렵습니다.

website development process - programmer writing code

수학 이론을 구현한 코드도.
정리되어 있지 않습니다.

머신러닝에 필요한 수학 자료도 정리되지 않을 뿐더러
수학 이론이 코드까지 연결되는 자료를 찾는 것은 수학 자료를 찾는 것보다 더 힘듭니다.

머신러닝에 필요한 수학 개념,
한 번에 정리하고 싶은 당신을 위해!

머신러닝을 위한 수학 개념에서,
파이썬 코드 구현까지. 유기적으로 한 방에 연결해 드립니다!

수강 대상.

data_camp_basicmath_3

머신러닝에 필수적인 수학 개념을
체계적으로 정리하고 싶은 분

data_camp_basicmath_2

머신러닝 학습 알고리즘의
수학적인 의미를 깊이 이해하고 싶은 분

여기서 잠깐!

강의를 듣기 전, 이것만은 알고 가세요!

‘이 강의는 ‘머신러닝’을 배우는 것이 아니라 ‘머신러닝을 이해하기 위한’ 수학적인 내용을 다루고 있기에,
머신러닝 학습 경험이 없으신 분들은 내용 이해에 어려움을 겪으실 수 있습니다.

[잠깐!] 머신러닝을 공부하려고 아래 책들을 읽어 봤지만, 이해가 어려우셨던 분들이라면 본 강의를 수강하시길 권합니다.

강의 특징.

수학 기초와
파이썬 코드를 한 번에!

머신러닝에 필요한 수학 기초를 한 번에 정리하고, 파이썬 코드로 직접 구현해 볼 수 있습니다

머신러닝에 필요한
수학 개념만 골라서 정리!

본 강의는 수학 강의가 아닌, ‘머신러닝을 제대로 이해하기 위한 도구로서의 수학’만을 압축적으로 알려 드리는 강의입니다.

이해가
쏙쏙 되도록!

수학 자체에 두려움을 갖고 계신 분들도 쉽게 이해할 수 있도록 기초 개념부터 차근차근 친절하게 가르쳐 드립니다.

커리큘럼.

머신러닝의 근간인 ‘회귀’를 기반으로,
기초부터 탄탄히 시작하실 수 있도록.

<편미분(Partial Derivative)>

<다변수함수(Multivariate Function)와 경사도 벡터(Gradient Vector)>

0회차. 컴퓨터와 대화 시작하기(선택강의, 4/27 11:00 ~ 13:00)
선형회귀 문제를 풀어내는 머신러닝 프로그램을 만들기 위해 필요한 파이썬 프로그래밍을 배웁니다. 머신러닝에 필요한 가장 핵심적인 문법만을 간추려 짧은 시간에 효율적으로 전달해 드립니다.

강의 내용

  • 파이썬 기초 배우기
    > 아나콘다 설치 및 환경 설정
    > 머신러닝 학습을 위한 필수 파이썬 기초 문법
    _
    _
    _
    _
    _
    _
    _

1회차. 선형회귀와 함수의 관계
요즘 핫하다고 하는 머신러닝이 도대체 무엇이고, 왜 머신러닝을 공부할 때 선형회귀를 공부해야하는지에 대해서 알아봅니다.

강의 내용

  • 머신러닝과 선형회귀란 무엇인가?
    > 머신러닝의 개요
    > 선형회귀 소개
    > 라이브러리를 이용한 선형회귀 문제 해결
  • 입력과 출력의 관계인 함수
    > 스칼라와 벡터
    > 함수의 정의
    > matplotlib을 이용한 함수 그래프 그리기
    > 다양한 함수의 이해: 일변수 실함수(다항함수, 지수함수, 로그함수), 다변수 실함수, 일변수 벡터함수, 다변수 벡터함수
    > 합성함수와 인공신경망

2회차. 입력 변화에 대한 출력의 변화, 미분
선형회귀 문제에 있어서 가장 중요한 개념인 미분을 배워보고, 이를 바탕으로 함수를 어떻게 미분하는지에 대해 공부합니다.

강의 내용

  • 미분의 개념과 함수를 미분하는 방법
    > 우리 생활 주변에 녹아 있는 미분의 개념
    > 미분의 정의를 위한 극한
    > 다항함수의 미분
    > 지수함수와 로그함수의 미분
    > 곱의 미분과 몫의 미분
  • 연쇄 법칙과 다변수 함수의 미분
    > 미분의 연쇄 법칙
    > 다변수 함수 미분
  • 다변수 함수의 미분 응용
    > 신경망 시각화

3회차. 빠르고 쉬운 자동 미분과 행렬/ 벡터의 연산
미분법을 알아도 복잡하기 짝이 없는 함수의 미분을 좀 더 쉽게 할 수 있는 방법은 없을까요? 이에 대한 해답으로 신경망 역전파 알고리즘의 핵심 아이디어인 자동 미분에 대해 알아보면서 역전파 알고리즘에 대한 이해도를 높이는 시간을 가져봅니다. 추가로 선형회귀에 사용되는 행렬과 벡터 표현법 및 계산 방법에 대해 알아봅니다.

강의 내용

  • 행렬 / 벡터의 연산
    > 행렬과 벡터의 정의
    > numpy array 소개
    > 행렬과 벡터 연산의 코딩
  • 자동 미분
    > 미분의 연쇄 법칙을 이용한 자동 미분
    > 엑셀과 자동 미분을 이용한 간단한 분류기 만들기
    > 야코비안과 역전파 알고리즘

4회차. 최적화 맛보기
우리가 자주 사용하는 최적화라는 단어, 머신러닝에서는 어떤 의미로 사용되는 것일까요? 머신러닝의 핵심인 최적화의 개념을 이해하고 여러가지 최적화 기법 중 가장 기초적인 방법인 경사하강법을 코딩을 통해 배워봅니다.

강의 내용

  • 머신러닝의 핵심, 최적화
    > 캔 설계를 통해 알아보는 최적화의 기본 개념
    > 경사도 벡터의 개념
    > 최적화를 위한 필요조건
  • 최적화 문제를 푸는 다양한 방법
    > 함수의 강하 방향
    > 최속강하법
    > 공액경사도법

5회차. 선형회귀 정복하기
1회차에 배운 선형회귀 문제를 강의 내용을 이해한 후의 시각으로 다시 바라보고 선형회귀 알고리즘을 직접 프로그램으로 만들어 봅니다. 아울러 선형회귀에 관련하여 중요하게 고려해야 할 사항에 대해 소개하고 다변수 예제 학습을 통해 과정을 마무리합니다.

강의 내용

  • 머신러닝의 시작인 선형회귀를 새롭게 이해하기
    > 데이터의 특징과 기저함수
    > 경사하강법을 이용한 선형회귀
    > 과적합과 정규화
    > 정규방정식을 이용한 선형회귀
    > 다변수 회귀
    _

강사 소개.

조준우강사님_상페

조준우 강사님

3차원 인체 스캔 데이터에서 획득된 인체 곡면을 최적 전개하여 의복패턴을 자동으로 생성하는 연구를 계기로 최적화 분야를 연구하기 시작했습니다. 이때 연구를 진행하면서 학부생들을 대상으로 공업수학을 가르친 경험이 있습니다. 현재는 창업 후 개발자로 일하고 있으며 논문 심사 시스템에 AI를 접목시키는데 많은 관심을 가지고 있습니다. 다년간의 연구경험과 강의경험을 바탕으로 머신러닝에 필요한 수학기초를 탄탄히 쌓을 수 있도록 도와드리겠습니다.

– 영남대학교 섬유공학과 박사
– 前 한국과학기술정보연구원 KISTI 선임연구원
– 現 (주)모행 CTO

5주 후, NEXT STEP . 

본격적으로 머신러닝을 시작하고자 하는 분들을 위한 추천 강의를 안내해 드립니다. 

1. 파이썬을 활용한 머신러닝 CAMP
파이썬으로 다양한 실습예제를 풀어보며, 머신러닝의 알고리즘을 200% 이해할 수 있습니다.

2. R을 활용한 머신러닝 CAMP
R로 다양한 실습예제를 풀어보며, 머신러닝의 알고리즘을 200% 이해할 수 있습니다.

 

수강료.

얼리버드 할인 10%
₩ 630,000

정가 : ₩ 700,000
10% 할인은 4월 25일 자정까지 입니다.

수강신청

강의 장소.