Block title
Block content
New
 
E. 비지도학습: 군집화와 차원축소
비지도학습을 통한 데이터 처리, 분석력, 시각화
Block title
Block content
  • 한국어
  • 4week
  • 1week/4hour
  • Certificate issued

Course Information

Download Course Materials

매치업(Match業)이란?

4차 산업 분야의 직무능력 향상을 희망하는 대학생, 구직자, 재직자 등을 위한
산업맞춤 단기직무인증과정입니다. 
매치업에서 운영되는 교육 프로그램의 이수자는 대표기업의 평가를 통해
관련 분야에 대한 직무능력을 인증 받을 수 있습니다.

 

E. 비지도학습: 군집화와 차원축소 (3주 + 평가) 

1주차

비지도학습과 지도학습의 차이점을 명확하게 이해하고, 군집분석과 차원축소문제에 대해서 설명한다. 군집분석에서 가장 활용도가 높은 K-means 알고리즘의 이해와 파이썬 구현을 목표로 한다. 군집분석 방법을 이해하기 위한 예시를 파이썬을 통해서 풀고, K-means의 한계점 또한 살펴본다. 

2주차

데이터 분석의 기본이 되는 통계에 대한 보다 근본적인 이해를 목표로 한다. 표본집단의 한정된 데이터 표본에서 추론을 통해 모집단의 통계적 특징을 예측한다. 큰수법칙과 중심극한정리를 파이썬에서 난수를 생성해 코드를 통해 설명한다. 단변량에서 다변량으로 개념을 확장하고, 다변량통계에서 중요한 연관성분석을 파이썬 예시로 살펴본다.

3주차

고차원 데이터에서 정보의 손실을 최소화 하면서 선형적으로 차원을 축소하는 방법인 주성분분석 알고리즘을 이해하는 것을 주요 목표로 한다. 차원축소의 중요성을 설명하기 위한 예시로 진동운동을 하는 진자의 움직임을 3개의 카메라로 녹화하고 주성분분석을 통해 주성분 진동 방향을 추출하는 문제를 함께 풀 예정이다.

Syllabus

Week Time
1 비지도학습 군집분석의 이해 및 활용 비지도학습과 Clustering의 의미
K-means 알고리즘 이론 설명
K-means 알고리즘의 특징
K-means Clustering의 예시
Jupyter Notebook 실습 (1)
Jupyter Notebook 실습 (2)
Quiz
강의 자료
2 머신러닝을 위한 통계의 이해 및 활용 확률과 통계의 관점 및 차이
추론, 큰수법칙 및 중심 극한 정리
다변량통계와 연관성분석
Jupyter Notebook 실습 (1)
Quiz
강의 자료
3 비지도학습 주성분분석의 이해 및 활용 차원축소(Dimension Reduction)의 개념
PCA 알고리즘 접근법 - 최대분산과 최소제곱합
PCA의 예시 및 파이썬 코드 실습
Jupyter Notebook 실습 (1)
Quiz
강의 자료
4 평가 평가

Professor

이승철 교수
POSTECH 기계공학과 교수

2017 대한기계학회, 신뢰성 젊은연구자상 

2016 울산과학기술원, 우수교육상

2013 ~ 2017 울산과학기술원

top