머신러닝을 위한
수학기초 CAMP

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

#머신러닝#수학기초#선형회귀
#파이썬으로_코드구현까지

기간 & 일정

2019.08.24 – 9.28
(9/14 휴강)
매주 토요일 14:00 – 17:00
주 1회, 총 17시간

장소 & 준비물

패스트캠퍼스 강남 본원
노트북 지참

담당자 & 문의

윤형진 매니저
02-501-9396
help-ds@fastcampus.co.kr

희망자에 한해  1회차 강의 전 시간에 파이썬 기초 사전교육을 2시간 진행합니다.
8/24 (토) 11:00 ~ 13:00
(개강 전 사전 안내 예정)

머신러닝-수학=0

머신러닝 알고리즘의 바탕은 수학입니다.

어떤 머신러닝 알고리즘에도, 수식이 없는 알고리즘은 존재하지 않습니다.
머신러닝을 공부할 때, 수학 개념에 대한 이해는 선택이 아닌 필수입니다.

그런데 머신러닝 공부하다가,
수학 때문에 막막했던 적 있나요?

“알고리즘에 대해 이해하려면
수학적인 지식이 필요한데…”

머신러닝을 공부하다 보면
알고리즘을 위해 수학적인 지식은 필수예요.
근데 너무 범위도 넓고…
뭘 어떻게 학습해야 할지 감이 오지 않아요.

“머신러닝만을 위한 수학,
어디서 못 배우나요?”

수학 자료는 책으로도, 인터넷에도 많지만
머신러닝만을 위한 수학 개념을 찾기 어려워요.
복잡한 수학을 다 알아야 하나요?
머신러닝을 위해 잘 정리된 수학 자료가 필요해요.

수학적 기초가 부족하면, 절대 머신러닝을 제대로 이해하지 못합니다.

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

강의 목표.

머신러닝의 근간이 되는 ‘선형회귀’를 수학적으로 접근하여,
머신러닝 알고리즘을 수학적으로 이해하기 위한 기반을 다져봅니다.

코스 특징.

01

머신러닝을 위한 수학 개념부터
파이썬 코드 구현까지 다루는 커리큘럼

02

머신러닝을 제대로 이해하기 위한
‘도구로서의 수학’을 핵심적으로 정리

03

미분,벡터,최적화 그리고 선형회귀까지.
알고리즘 이해를 위한 기본 다지기

수강 대상.

icon_man4_3_oh

머신러닝의 근간이 되는 수학 개념을
체계적으로 빠르게 정리하고 싶은 분

icon_woman3_1_normal

머신러닝 알고리즘에 대해
수학적으로 깊이있게 이해하고 싶은 분

이 수업을 ‘수월히’ 들으려면.

※ 본 강의는 아래의 선수지식이 권장됩니다.
나에게 맞는 강의인지 궁금하면 담당 매니저와 상담하세요!

02-517-0641

머신러닝을 조금이라도 공부해 본 경험이 있어야 합니다.

본 코스는 ‘머신러닝’을 주로 다루는 것이 아닌, ‘머신러닝을 잘 이해하기 위한 수학적인 내용’을 다루고 있습니다. 따라서 머신러닝 학습 경험이 전무할 경우 커리큘럼 이해에 어려움을 겪을 수 있습니다.

파이썬과 코딩에 대한 지식이 있으면 좋습니다.

커리큘럼 상 수학 개념을 파이썬 코드로 구현하는 내용이 포함되어 있습니다. 이 때문에 파이썬과 코딩에 대한 지식이 있으면 좋습니다. 하지만 걱정하지 마세요! 파이썬 경험이 부족하다고 생각하는 분들을 위해, 전체 커리큘럼을 잘 따라오실 수 있도록 첫 날 일정에 파이썬 문법 사전 교육이 2시간 진행됩니다.

커리큘럼.

이론과 실습으로 기초부터 탄탄히 다져주는 커리큘럼

편미분 (Partial Derivative)

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

순간변화율 (Instantaneous rate of change)

미분가능성 (Differentiable function)

0회차. 컴퓨터와 대화 시작하기(선택강의, 8/24 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.

0회차 수업내용 자세히 보기

  • 파이썬 기초 배우기
    > 아나콘다 설치 및 환경 설정
    > 머신러닝 학습을 위한 필수 파이썬 기초 문법9

1회차. 선형회귀와 함수의 관계

요즘 핫하다고 하는 머신러닝이 도대체 무엇이고, 왜 머신러닝을 공부할 때 선형회귀를 공부해야하는지에 대해서 알아봅니다.

1회차 수업내용 자세히 보기

  • 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.

2회차 수업내용 자세히 보기

  • 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.

3회차 수업내용 자세히 보기

  • 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.

4회차 수업내용 자세히 보기

  • 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.

5회차 수업내용 자세히 보기

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

수강생 인터뷰.

1기 수강생 허인규님

“지금까지 들었던 일반적인
데이터 분석 수업에서는 느끼지 못헸던
크롤링에 대한 정수가 담긴 강의”

2기 수강생 최OO님

“책으로 찾아보기 힘들었던
R 데이터 크롤링에 대해
필요한 부분만 제대로 찝어준 강의”

2기 수강생 조예진님

“직무를 막론하고 누구에게나 필요한
데이터에 대한 수집/분석 능력,
나만의 강점으로 만들어 준 강의”

강사 소개.

조준우 강사님.

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

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.

수강생 후기.

수강생들의 생생한 후기를 들어보세요!

★★★★★

강의 내용이 머신러닝의 핵심 개념과 선형회귀에 대한 수학적 이론 설명으로 매우 알찼습니다. 그리고 수업에서 배운 이론을 그대로 구현해 놓은 코드가 있어서 직접 실습해보고 나중에 공부할 때 많은 도움이 되었습니다.

★★★★☆

머신러닝을 위한 수식을 합리적 수준에서 이해하고 구현한다는 수업 목표가 현실적이어서 타 수업들에 비해 신뢰가 갔습니다. 항상 신경 써서 강의해 주시는 모습이 좋았습니다.

★★★★★

정성껏 잘 강의해 주셔서 감사합니다. 이렇게 수강생을 이해시키기 위해 필사적으로 노력하시는 강사님은 대학이나 대학원, 각종 온라인 강좌 어디서도 찾아볼 수 없습니다.

★★★★★

머신러닝과 관련된 수학 지식이라고 하면 괜히 어렵게 생각되는데, ‘머신러닝은 결국 함수 잘 찾는 것, 이와 관련한 기본적 수학 지식’ 이라는 말로 부담을 덜어주어 매우 고마운 수업이었다고 생각합니다! 수학적인 부분도 직관적으로 이해하도록 도와주셔서 좋았습니다.

★★★★★

수업 중간중간에 강사님이 다른 수업과의 차별화, 더 좋은 점을 위해서 고민을 많이 하셨다는 것이 느껴졌습니다. 수업 이후에도 각자 공부할 수 있도록 많은 책과 자료를 추천해주셔서 더 좋았어요. 정말 만족한 강의였어요.

★★★★★

이 강의를 듣는다고 머신러닝을 다 이해하기는 어렵겠지만 단순한 패키지 사용법을 배우는 것보다 수학기초를 배우는 것이 정말로 중요하다는 것을 절실히 깨닫고 있습니다. 다른 분들에게도 아주 강력히 추천하고 싶습니다.

{ FASTCAMPUS COMMUNITY MEMBERSHIP }

패스트캠퍼스 오프라인 강의를 수강하셨다면!
별도의 가입절차없이 패스트캠퍼스 커뮤니티 멤버쉽 회원이 됩니다.
커뮤니티 멤버쉽은 수강 후 1년 동안 유지되며,
오직 멤버들만을 위한 비공개 스터디클럽, 네트워킹행사, 세미나 등 비정기적 행사에 모실 예정입니다.

매주 목요일마다 할인 마감!

수강료 안내

강의 정보, 한 번 더 확인!

기 간 : 2019. 8. 24. ~ 2019. 9. 28 (9/14 휴강)
일 정 : 매주 토요일 14:00 ~ 17:00 (주 1회 수업)
준비물 : 개인 노트북
장 소 : 패스트캠퍼스 강남 본원


다음 모집은 언제죠?

출시알림을 신청해 주세요

✓ 수강신청 시작 시 안내 메일을 보내 드립니다.

강의 정보, 한 번 더 확인!

기 간 : 2019. 8. 24. ~ 2019. 9. 28 (9/14 휴강)
일 정 : 매주 토요일 14:00 – 17:00 (주 1회 수업)
준비물 : 필기구, 개인 노트북
장 소 : 패스트캠퍼스 강의장


70만 원

개강임박!

✓ 개강이 얼마 남지 않았습니다. 수강신청을 서둘러주세요!
✓ 매주 목요일마다 가격이 소폭 상승합니다.

강의장 안내

학습지원 프로젝트

공부도 하고! 학습지원금도 받고!

*학습지원금(제세공과금 22% 차감 후 지급)은 강의마다 개인마다 상이할 수 있습니다.

학습 목표 1. 학습노트 제출

코스 진행 일정 3일 후(화요일) 24:00까지 학습노트를 작성해 제출해 주세요.

[수강 중 학습 콘텐츠 일정] 학습노트 제출 5회

1회차 제출 기한: 8월 27일(화) 24:00까지
2회차 제출 기한: 9월 3일(화) 24:00까지
3회차 제출 기한: 9월 10일(화) 24:00까지
4회차 제출 기한: 9월 24일(화) 24:00까지
5회차 제출 기한: 10월 1일(화) 24:00까지

학습지원금을 받으려면?

미션을 모두 완료하면 신청페이지를 통해 신청 가능합니다.
다만, 강의 종료 후 30일 이내에 신청페이지를 통해서 신청해주셔야 합니다.
아래의 환급신청 링크로 신분증 사본 / 환급받을 통장사본을 제출 (반드시 본인 명의로만 가능)해 주세요.
결제한 수강료의 10% (환급 금액의 22% 제세공과금으로 차감) 를 드리며, 학습지원금은 개인마다 상이할 수 있습니다.

신청페이지 바로가기

환불규정

* 학습지원금은 기수강생 할인만 중복 적용이 가능합니다. (기타 다른 이벤트와 중복 적용이 불가합니다.)
* 과제물이 허위로 작성되거나 표절일 경우 환급이 거절될 수 있습니다.
* 환불은 환불규정(https://www.fastcampus.co.kr/refund/)에 따라 진행됩니다. 규정에 의거하여 환불금액이 없을 수 있습니다.

머신러닝을 위한 수학적 기초를 탄탄하게 다지는 강의!

다음 기수 일정이 궁금하다면?