데이터마이닝과 기계학습(디지털헬스케어전공 수강 권장)
태그
3학점
3-1 수강 권장
1학기 개설
과목 설명
이 과목에서는 데이터를 분석하여 유용한 정보를 추출하고 모델을 만들어 예측에 사용하는 데이터 마이닝의 중요한 알고리즘, 기반 기술, 대용량 데이터를 효과적으로 처리하는 마이닝 기술 등을 학습한다. 특히 이러한 목적을 위한 기계 학습의 실용적인 기초와 새로운 패러다임을 소개하여 여러 실제 세계 도메인 응용에 어떻게 적용하는지 학습한다.
과목명(과목코드)
데이터마이닝과 기계학습(M3639.001800)
선이수 과목
선형대수학(행렬대수학), 데이터과학개론, 자료구조 및 알고리즘, 확률통계, 프로그래밍 관련 교과목 권장
주 사용 교재
[Main] Machine Learning: A Probabilistic Perspective. Kevin P. Murphy.
https://share.google/3ynplhyilMyhIbCZH
[Sub] Probabilistic Machine Learning: An Introduction. Kevin P. Murphy.
https://probml.github.io/pml-book/book1.html
[Sub] Probabilistic Machine Learning: Advanced Topics. Kevin P. Murphy.
https://probml.github.io/pml-book/book2.html
[Sub] Elements of Statistical Learning. Trevor Hastie.
https://www.sas.upenn.edu/~fdiebold/NoHesitations/BookAdvanced.pdf
[Sub] Introduction to Mathematical Statistics. Robert V. Hogg.
https://minerva.it.manchester.ac.uk/~saralees/statbook2.pdf
[Sub] Mathematical Statistics and Data Analysis. John A. Rice. https://korivernon.com/documents/MathematicalStatisticsandDataAnalysis3ed.pdf
커리큘럼
1
Introduction
Probability
2
Generative models for discrete data
Gaussian models
3
Bayesian statistics
Frequentist statistics
4
Linear regression
Logistic regression
5
Generalized linear models and the exponential family
Directed graphical models (Bayes nets)
6
Mixture models and the EM algorithms
Latent linear models
7
Sparse linear models
Kernels
8
Midterm
Midterm
9
Gaussian processes
Adaptive basis function models
10 Markov and hidden Markov models
State space models
11 Undirected graphical models (Markov random fields)
Exact inference for graphical models
12 Variational inference
More variational inference
13 Monte Carlo inference
Markov chain Monte Carlo inference
14 Clustering
Graphical model structure learning
15 Latent variable models for discrete data
(Makeup Class)
16 Final
Final
크로스리스팅 교과목
