| 과목개요 |
기계 학습의 주요 개념과 이론을 배우고 기계 학습의 최근 연구 동향 및 다양한 응용 분야에 적용한 사례를 살펴본다. 선형·비선형 분류기, 인공 신경망을 포함한 지도 학습 방법과 비지도 학습, 강화 학습의 다양한 방법들을 살펴보고 특징 공간과 공간 변환 및 축소, 회귀분석, 군집화, 커널 기법, 앙상블 방법 등을 학습한다. |
| 학습목표 |
1. 기계학습의 원리를 이해하고 설명할 수 있다.
2. 지도 학습, 비지도 학습, 강화 학습 등 다양한 기계학습 방법을 이해하고, 각각의 개념과 특징을 설명할 수 있다.
3. 파이썬 기반의 데이터 수집, 데이터 전처리, 분석 및 시각화 기술을 습득할 수 있다.
4. 머신러닝, 딥러닝을 위한 주요 알고리즘과 라이브러리에 대해 파악하고 이를 활용할 수 있다. |
| 평가기준 |
- 출석 : 20%
- 중간고사 : 30%
- 기말고사 : 30%
- 과제물 : 10%
- 참여도 : 6%
- 수시평가1차 : 2%
- 수시평가2차 : 2%
|
| ※ 수료기준은 진도율 80% 이상 및 총점 60점 이상을 충족하셔야 합니다. |
| 성적분포 |
A 이상 |
30% 이내 |
B 이상 |
70% 이내 |
C+ 이하 |
B이상을 제외한 나머지 비율 |
| ※ 단, 위의 각 비율은 과목 특성 등의 사유로 학습자의 10% 범위 내에서 증감 조정이 가능. |
| 교재 |
-
- 주교재
- 교재명 : 학습용교안
- 저자 : 개발교강사
- 출판사 : 자체제작
- 출판년도 : 2024
|
