딥러닝을 위한
베이지안 통계학
CAMP

머신러닝/딥러닝의 불확실성을 줄여주는
베이지안 통계학의 모든 것!

#베이즈통계 #R실습 #설명가능딥러닝

main 2

기간 & 일정

2019.06.15. – 08.03.
매주 토요일 10:00 – 13:00
주 1회, 총 24시간

장소 & 준비물

패스트캠퍼스 강남 본원
개인 노트북

담당자 & 문의

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

설명가능한 딥러닝의 가장 기초가 되는 베이지안 통계학.
하지만, 통계학과에서도 고급 과정으로 분류될만큼 학습하기가 쉽지 않죠.

본 코스를 통해 베이즈 통계학의 기본기를 탄탄히 익히고,
머신러닝/딥러닝의 불확실성을 줄일 수 있는 역량까지 길러가세요!

Deep Learning?
Black Box!

성능은 매우 뛰어나지만, 그 결과가 ‘왜’ 그렇게 나왔는지를 해석할 수 없어 블랙박스라고 불리는 딥러닝! 설명이 불가능하기 때문에 제품에 적용할 수도 없고, 적용한다고 해도 만약 문제가 발생했을 때 법적인 책임은 어떻게 되는걸까요?

Explainable AI,
XAI

최근 데이터 사이언스 분야의 연구진들은 딥러닝이 가지는 ①정확성 ②신뢰성 ③공정성 등의 문제들을 해결하기 위해 ‘설명 가능한 인공지능(Explainable AI)’ 즉, XAI에 대한 연구를 활발히 진행중입니다.

null

Learn!
Bayesian Statistics

여기서 잠깐! 설명가능한 딥러닝의 가장 기초가 되는 통계 이론이 바로 ‘베이지안 통계학’입니다. 머신러닝/딥러닝 모델에 베이즈 통계가 어떻게 활용되는지를 파악한다면, 딥러닝이 가지는 불확실성을 줄일 수 있겠죠?

실무 적용을 위한 베이지안 통계의 A to Z!

베이즈 통계의 이론을 익히는 것은 물론, 베이지안 네트워크, 베이지안 딥러닝 등
실제로 사용되는 설명가능한 인공지능의 알고리즘까지 실습합니다.

코스특징.

01

쉽게 배울 수 없었던
베이지안 통계의 모든 것

베이지안 통계학은 통계학과에서도 고학년, 주로 대학원에서 학습할만큼 고급통계학으로 분류됩니다. 배울 수 있는 곳을 찾기도 쉽지 않고, 관련 도서들은 모두 이론 중심이라 코드를 구현하는데 어려움이 있죠. 이제, 본 코스에서 그동안 배우기 힘들었던 베이지안 통계의 모든 것을 익혀가세요!

02

베이지안 통계를 이용한
머신러닝/딥러닝 방법론 학습

베이지안 통계를 제대로 이해하고 실무에 적용하기 위해서는 머신러닝/딥러닝 알고리즘의 모델에 어떻게 베이지안 통계가 활용되는지를 파악할 수 있어야 합니다. 본 코스에서 베이지안 통계를 기반으로 하는 다양한 머신러닝/딥러닝 알고리즘에 대해 학습하고, 그 방법론을 익혀가세요!

03

베이지안 통계를 코드로
직접 구현해보는 R실습

베이지안 통계는 분류, 의사 결정 이론, 이미지 처리, 순차 분석, 신뢰도와 생존도 분석 등 그 활용도가 매우 높습니다. 본 코스의 매 회차마다 진행하는 실습을 통해 직접 베이지안 통계의 코드를 구현해보고, 여러분의 실무에 다방면으로 활용하는 능력을 길러가세요!

당신이 곧 하게 될
코드 실습 자료 예시.

코드 실습 예시 1)
나스닥 주가 예측 및 예측불확실성 계산하기

코드 실습 예시 2)
가상의 숫자 손글씨 데이터 생성하기

공부도 하고!
학습지원금도 받고!

결제액의 10%를 학습지원금으로 드립니다.

패스트캠퍼스의 수강의지를 강화하기 위한 지원금 제도를 운영합니다
패캠이 제안하는 학습 목표를 달성하고 커리어 이상의 성취감을 얻어가길 바랍니다.

*학습지원금은 제세공과금(22%)을 제하고 드립니다.

학습노트

100% 제출

수강대상.

icon_man3_3_oh

베이지안 통계학을 제대로
이해하고 이를 실무에
적용하고 싶은 연구자

icon_woman1_2_happy-150x150

딥러닝/ 머신러닝 알고리즘의
모델에 어떻게 베이지안 통계가
활용되는지 알고 싶은 분석가

icon_man4_2_happy

딥러닝의 예측불확실성을
분석하여 이를 리스크관리에
활용하고 싶은 실무자

icon_woman4_3_oh

변수들의 인과관계를
네트워크로 분석하고
싶은 연구자

수강 신청 전, 수강생 선수 지식을 확인하세요!

본 코스는 다음의 내용에 yes라고 답할 수 있는 분들께 적합한 코스입니다.

① 고등학교 이과계열 수학 및 기초적인 선형대수(행렬 & 벡터 연산)을 이해하고 있다.
② R에서 조건문(if)이나 반복문(for, while)의 코드를 돌려본 경험이 있다.
③ 벡터(vector)와 데이터프레임(data.frame)의 차이를 알고 있다.

커리큘럼.

Part 1. 기초 확률론 및 선형 회귀 모델

확률론의 기초를 학습합니다. 일반적인 선형 회귀 모델과 과최적화(Overfitting)에 대해 학습하고
이러한 한계를 극복할 수 있는 Penalized Linear Regression 모델들에 대해 알아봅니다.

1회차 | 기초 확률론을 학습하고 일반적인 선형 모델에 대해 공부합니다.

강의 내용 자세히보기

[이론]
– 기초 확률론
– 다양한 확률 분포에 대한 이해
– Linear regression
– Logistic regression

[실습]
– R 기본 문법
– R을 이용한 탐색적 자료 분석(EDA)
– 직업 통계 데이터를 이용해 선형 모델로 직업의 위신(Prestige) 예측해보기

2회차 | 과최적화(Overfitting)에 대해 이해하고 k-fold Cross Validation(k-fold CV) 및 Penalized Linear Regression 모델들에 대해 공부합니다.

강의 내용 자세히보기

[이론]
– 차원의 저주(Curse of dimensionality)와 과최적화에 대한 이해
– k-fold Cross Validation
– Lasso, Ridge & Elastic-Net regression

[실습]
– Penalized Linear Regression 모델들을 활용하여 미국 Seattle의 부동산 가격 예측해 보기

Part 2. 베이즈 통계학

베이즈 이론에 대해 공부합니다. 기존의 통계학과 비교해서 베이즈 통계학이 가지는 장점을 알아보고
베이즈 통계학을 사용하는 간단한 머신 러닝 알고리즘을 학습합니다.

3회차 | 베이즈 이론에 대해 공부합니다.

강의 내용 자세히보기

[이론]
– 베이즈 이론에 대한 이해
– 기존의 통계학과 비교한 베이즈 통계학의 특징 및 장점
– 베이즈 갱신(Bayesian updating)과 Prior에 대한 이해

[실습]
– 베이즈 이론을 활용하여 한국시리즈(야구) 우승팀을 예측해보기

4회차 | 베이즈 통계학을 이용하는 간단한 머신러닝 모델을 학습합니다.

강의 내용 자세히보기

[이론]
– Naive Bayes 알고리즘에 대한 이해
– 몬테카를로(Monte Carlo; MC) 방법론
– 모수 추정에 대한 이해

[실습]
– 자연어 학습을 위한 데이터 전처리 기법 기초
– Naive Bayes Classifier를 활용하여 스팸 문자 분류기 만들어보기

Part 3. 베이즈 통계학 기반의 머신러닝 모델

베이즈 통계학을 기반으로 하는 다양한 머신러닝 알고리즘에 대해 학습합니다.

5회차 | MCMC & GP에 대해 공부합니다.

강의 내용 자세히보기

[이론]
– 마르코프 체인(Markov Chain)에 대한 이해
– MCMC(Markov Chain Monte Carlo) 알고리즘
– Gaussian Process(GP)

[실습]
– 다양한 데이터에 대해 MCMC를 적용해 보고 빈도주의 통계 알고리즘과의 결과차이 분석하기

6회차 | 베이지안 네트워크에 대해 알아봅니다.

강의 내용 자세히보기

[이론]
– Sparse 네트워크에 대한 이해
– 베이지안 네트워크와 DAG(Directed Acyclic Graph)에 대한 이해
– Lasso 모델을 이용한 베이지안 네트워크 추정 방법론

[실습]
– 베이지안 네트워크 모델로 유전자 네트워크를 추정해 보기

Part 4. 베이즈 통계학 기반의 딥러닝 모델

베이즈 통계학을 기반으로 하는 다양한 딥러닝 알고리즘에 대해 학습합니다.

7회차 |베이지안 인공신경망에 대해 공부합니다.

강의 내용 자세히보기

[이론]
– 딥 러닝과 인공신경망(Artificial Neural Networks) 개요
– 기존의 딥 러닝의 한계점 및 설명가능한 AI(Explainable AI)의 등장
– 베이지안 딥 러닝(Bayesian Deep Learning) 모델

[실습]
– 금융 데이터 전처리 알고리즘 기초
– 베이지안 딥 러닝 알고리즘으로 주가 예측 모델 만들어 보기

8회차 | VAE(Variational Auto-Encoder)에 대해 학습합니다.

강의 내용 자세히보기

[이론]
– Auto-Encoder 개요
– 가상의 표본을 만들어 내는 VAE 알고리즘에 대한 이해
– Generative Adversarial Networks(GAN)과 비교하여 VAE의 특징 및 장점 알아보기

[실습]
– VAE 알고리즘을 이용하여 가상의 숫자 손글씨 데이터 생성해 보기

강사소개.

이민혁 강사님

최근, 머신러닝과 딥러닝을 이용해서 단순히 예측 결과만을 내놓는 것이 아니라 ‘왜 이렇게 예측하였는지’, ‘예측 결과가 얼마나 확실한지’를 판단하는 해석가능한 머신러닝/딥러닝이 활발히 연구되고 있습니다. 이러한 방법론들의 기초가 되는 이론이 바로 베이즈(베이지안) 통계학입니다. 본 강의에서는 베이지안 통계학에 대해서 자세히 배우고 이를 이용한 머신러닝/딥러닝 방법론들을 실습하도록 하겠습니다. 복잡한 수식보다는 최대한 개념적으로 이해하실 수 있도록 설명해 드리겠습니다.

[약력]
– 고려대학교 전기전자공학부 컴퓨터공학전공 박사과정 수료
– 고려대학교 전기전자전파공학부 학사
– 미래에셋AI펀드 딥 러닝 알고리즘 설계, 토론토 증권거래소 상장 MIND ETF 딥 러닝 알고리즘 설계 참여 등 10여개의 실무 및 연구 프로젝트 참여 경험
– 베이지안 통계학 및 머신러닝/딥러닝 관련 SCI(E)급 논문 5편 제1저자 저술
br
[강의 경험]
– 2017 고려대학교 이공학교 ‘딥러닝 소개 및 실습’ 강사

자주 묻는 질문.

베이즈 통계학이 기존의 통계학과 다른 점이 무엇인가요?

베이지안(베이즈) 통계학은 사건이 일어나는 장기적인 확률로써 오로지 경험적 사실만을 통해 이야기하는 전통적인 통계학과는 달리, 주관적인 입장에서 지식이나 믿음의 정도를 통해 확률을 도출하고 이를 검증하는 통계학입니다. 따라서 사전 지식을 활용해 내가 알고 싶은 확률과 경험적으로 얻기 힘든 사건에 대한 확률까지 추정할 수 있습니다.

실습에서 왜 R을 사용하나요?

실습에 R을 사용하는 이유는 베이지안 통계학과 베이즈 이론을 사용한 머신러닝 방법론들 대부분이 R의 라이브러리로 구현되어있기 때문입니다. 또한 프로그래밍을 위한 언어인 파이썬과는 달리, R은 콘솔 기반의 언어이기 때문에 프로그래밍에 익숙하지 않은 분들이 쉽게 다루실 수 있습니다.

{ 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.

수강료안내.

강의 정보, 한 번 더 확인!

기 간 : 2019. 6. 15. ~ 2019. 8. 3. (총 8주)
일 정 : 토요일 10:00 – 13:00 (주 1회 3시간)
준비물 : 개인 노트북 권장
장 소 : 패스트캠퍼스 강의장


135만원 150만원

개강임박! | 10% OFF

✓ 개강임박! 수강신청을 서두르세요.
✓ 매주 목요일마다 가격이 소폭 상승합니다.

다음 모집은 언제죠?

출시알림을 신청해주세요

최저가로 강의를 수강할 수 있게, 강의 홍보 시작 시 가장 먼저 메일을 보내드립니다.

강의장안내.

학습 지원 프로젝트

공부도 하고! 학습지원금도 받고!

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

학습 목표. 학습노트 제출

-학습노트 제출 일정: 매주 목요일 자정 24:00까지 폼스텍으로 제출합니다.
*제출 시간을 엄수하지 못한 노트는 추후 환급에 불이익이 있습니다.
-수강중 학습 콘텐츠 일정 (학습노트 제출 8회)
1주차 : 6월 20일(목) 자정
2주차 : 6월 27일(목) 자정
3주차 : 7월 4일(목) 자정
4주차 : 7월 11일(목) 자정
5주차 : 7월 18일(목) 자정
6주차 : 7월 25일(목) 자정
7주차 : 8월 1일(목) 자정
8주차 : 8월 8일(목) 자정

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.

환불규정

* 학습지원금은 기수강생 및 얼리버드 할인과 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.