Block title
Block content
새로운 강좌
 
B. 머신러닝을 위한 선형대수와 최적화
머신러닝에 필요한 기본적 수학 원리 이해
Block title
Block content
  • 한국어
  • 6주
  • 1주/4시간
  • 수료증 발급

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.

 

B. 머신러닝을 위한 선형대수와 최적화 (5주 + 평가)

1주차

머신러닝을 이해하기 위해 가장 근본이 되는 수학적 이론이 선형대수이다. 머신러닝에 필요한 선형대수 내용을 간단하게 복습하고, 파이썬으로 실습해본다. 

2주차

선형변환 중에서 회전변환과 투영변환에 대해서 자세히 다룬다. 회전변환은 고유치 문제와 연결이 되고, 투영변환은 최소자승 문제와 연결됨을 설명한다. 

3주차

해가 존재하지 않는 선형연립방정식 문제를 풀기위한 최소자승법과 투영변환을 자세히 설명한다. 

4주차

최적화에 대한 이론 설명과 수학적 표현방식을 설명한다. 최적화 기법중에서도 볼록최적화(convex optimization)을 자세히 다룰 예정이며, 파이썬에서 CVXPY 모듈을 이용해서 볼록최적화 문제를 해를 찾는 예시를 보여준다. 

5주차

최적화 기법중에서도 볼록최적화(convex optimization)을 자세히 다룰 예정이며, 파이썬에서 CVXPY 모듈을 이용해서 볼록최적화 문제를 해를 찾는 예시를 보여준다. 수치적으로 접근하는 최소하강법 또한 자세히 다루며 이는 딥러닝 모델의 학습에서 사용되기 때문이다.  

강좌 목차

주차 주차
1 머신러닝을 위한 선형대수 이해 및 활용(1) 강좌 소개
선형 연립 방정식
행렬/벡터 곱
벡터의 크기
2 머신러닝을 위한 선형대수 이해 및 활용(2) 선형변환
고유치와 고유벡터
3 머신러닝을 위한 선형대수 이해 및 활용(3) 다원일차연립방정식
최소제곱법과 직교투영
선형대수 jupyter notebook 실습
4 머신러닝을 위한 최적화 이해 및 활용(1) 최적화(optimization) (1)
최적화(optimization) (2)
5 머신러닝을 위한 최적화 이해 및 활용(2) 최적화(optimization) (3)
CVXPY 실습
6 평가 평가

교수자

이승철
POSTECH 기계공학과 교수

2017 대한기계학회, 신뢰성 젊은연구자상 

2016 울산과학기술원, 우수교육상

2013 ~ 2017 울산과학기술원

top