<aside> 💡

기초 ML 스터디는 아래 3가지 교과 과정을 바탕으로 만들어졌습니다.

1. MAS110 데이터과학을 위한 선형대수학
2. MAS250 확률 및 통계
3. EE202 신호와 시스템

총 5가지의 챕터로 구성되어 있고, 2차례의 실습 세션이 존재합니다.

Chap 1. 기초적인 선형대수

Chap 2. 퍼셉트론 파헤치기

Chap 3. PCA 와 SVD

Chap 4. 선형회귀(통계학적)

Chap 5. Convolution

실습 세션

1. SVD로 음성 데이터 압축하기
2. 컨볼루션으로 음향 효과 입히기
3. 추가적으로, 각자 전공에 관련된 데이터셋을 가져와서도 진행 할 예정입니다.
4. 선형회귀의 실습 세션을 추가할지는 고민중입니다.

구체적인 커리큘럼은 바로 아래에서 확인하세요!

Chap1. 데이터 ‘공간’의 정체

목표: 벡터의 기초적인 개념을 학습하고, 선형대수에서 놓치기 쉬운 고민거리들을 같이 해결한다. (기초적인 선형대수학에 관한 챕터로 보시면 됩니다.)

• 벡터와 array의 차이점이 뭘까?
• 벡터의 개념 학습
• 벡터가 될 수 있는 다양한 대상들에 대한 고민
• 선형변환과 행렬은 똑같다..?
• 선형변환의 개념 학습
• 행렬 곱 계산 연습
• 행렬이 정사각형이 아니면 역행렬을 어떻게 구할까?
• 데이터는 왜 꼭 벡터여야만 하는가?
• 벡터로 데이터를 해석하면 생기는 장점
• 두 데이터가 서로 유사하다는 말의 진짜 뜻(feat.내적공간)

Chap2. 퍼센트론 깊이 파헤치기

목표: 딥러닝의 기초를 학습하고, 그 한계점을 파악한다. (딥러닝의 기초적인 것들을 배웁니다.)

• 퍼센트론은 우리 ‘뇌’와 관련이 있을까?
• 퍼센트론의 개념 학습
• 순전파 개념 학습
• 활성화 함수 개념 학습
• 어떻게 학습하는걸까?
• 역전파의 개념학습
• 역전파가 무능력한 경우가 있을까?
• 딥러닝이 과연 이 세상 모든 걸 학습할 수 있을까?(feat. 수학적 증명 맛보기)

Chap3. 평생 우려먹는 국밥 테크닉들

목표: PCA와 SVD의 개념을 공부하고 각자 도메인 분야의 데이터에 이를 적용해본다. (전공불문하고 공학자로서 알아둬야하는 기본소양입니다.)

• 정사영이란?
• SVD란?
• PCA(주성분 분석)가 사실 SVD 였다?
• SVD 실습
• 실습: 음성 데이터에 SVD를 적용하여 그 현상을 탐구

• 각자 전공에서 관심있는 데이터들을 가져오면  PCA(또는SVD)를 적용해서 분석해보는 활동을 해봅시다!(이미지, 음성 다 됩니다!)

Chap4. 선형회귀(feat. 통계학적 관점)

목표: 선형회귀를 통계학적 관점으로 바라보아 시각을 넓힌다. (선형회귀에 대한 새로운 인사이트를 얻고 싶다면 강추드립니다.)

• 기초 개념 학습
• 확률이란 무엇일까?
• 분포란 무엇일까?
• 두 변수가 ‘독립’이라는 말은 무엇일까?
• 선형회귀 개념 학습
• 선형회귀가 선형이 아닌 문제도 풀 수 있을까?
• 선형회귀는 사실 정규분포랑 관련이 있다?

Chap 5. Convolution(컨볼루션) 피부로 느끼기

목표: 컨볼루션의 개념을 학습하고 이를 각자 도메인 분야의 데이터에 적용해본다.(컨볼루션을 단순히 이미지 필터로만 알고 계신다면 꼭 들어보세요.)

• 컨볼루션의 개념 학습
• 컨볼루션의 태생
• 1차원 데이터에서의 컨볼루션 개념학습
• 1차원에서 2차원으로 컨볼루션을 확장해서 적용(이미지 데이터)
• 컨볼루션을 사용할 수 없는 경우가 있다?!(feat. LTI System)
• 컨볼루션 실습
• 실습: 노래에 음향 효과 입히기

• 각자 전공에서 관심있는 데이터들을 가져오면 다같이 컨볼루션을 적용해서 분석해보는 활동을 해봅시다!(이미지, 음성 다 됩니다!)

</aside>

각 스터디마다 사진과 발표 자료를 올려주세요!

기초 ML 스터디 - 화

기초 ML 스터디 - 수