Introduction to Machine Learning
  • 2013 Fall Undergraduate Course in Computer Science and Engineering
  • Instructor: Prof. Byoung-Tak Zhang
  • TA: Sang-Woo Lee, Hyo-Sun Chun
  • Classroom: 302-209
  • Time: Tue & Thu, 11:00-12:15
  • Reference:
    • [1] Bishop, C. M., Pattern Recognition and Machine Learning, Springer-Verlag, 2006.
    • A Tutorial on Learning With Bayesian Networks (11월 27일에 변경)
  • Evaluation:
    • Two open-book exams (50%)
    • Two miniprojects + two reports + one poster presentation (40%)
    • Participation and discussion (10%)
  • Announcement:
    • 질문과 토론을 위한 게시판이 생성되었습니다.
    • 9/26 (목)은 휴강입니다. (공대 축제 - 공명)
    • 매 숙제의 deadline은 숙제가 공지 된 실습 시간으로 부터 1주일 뒤 자정입니다.
    • 단, 숙제2의 기한은 9/24 (화) 자정까지입니다. (toolbox 함수 없이 코드가 돌아야 합니다.)
    • 중간 프로젝트가 공지되었습니다. 기한은 10/10 (목) 자정까지입니다.
    • 10/4 (금) 4:00~6:00 에 보강이 있습니다.
    • 출석 및 숙제 현재 점수가 공지되었습니다. 이상한 점이 있으신 분들은 문의해주시기 바랍니다.
    • 10/15 화요일 수업은 개교기념일로 인해 휴강합니다.
    • 다음 논문을 읽으시기 바랍니다. Next-Generation Machine Learning Technologies
    • 기말 프로젝트가 공지되었습니다. (데이터, 참고논문, 데모코드)
      DEADLINE: 11/28 (목) 자정 => 데드라인 이후에도 기말고사일까지 계속 받으나, 약간의 감점이 있습니다
    • 11/14일, 19일 포스터 발표가 예정되어 있습니다. (주제3,4목록보기)
      포스터 발표 장소: 302동 308호 / 14일-주제1 / 19일-주제2, 3, 4
      포스터 자료을 종강 전까지 hschun@bi.snu.ac.kr로 제출바랍니다
    • 중간고사 점수가 공지되었습니다. Claim기간은 11/18 ~ 11/23 이며 사전에 slee at bi.snu.ac.kr로 문의해주시기 바랍니다.
    • 기말고사는 12월 17일 화요일입니다
    • 수정된 중간고사 점수와 기말고사 점수가 공지되었습니다. 시험 결과의 Claim기간은 12/26 이며 사전에 반드시 slee at bi.snu.ac.kr로 문의해주시기 바랍니다.
    • 기말 실습 및 프로젝트 점수가 공지되었습니다. 실습 결과예상과 크게 다른 점수가 나오신 분들은 slee at bi.snu.ac.kr로 문의해주시기 바랍니다.
  • Course Description:
    • Machine learning studies learning systems, i.e. agents that improve their performance automatically by acquiring knowledge through experience and data collected from interaction with their environments. Machine learning plays a key role in modern artificial intelligence and is applied to a wide range of practical applications, including data mining, information retrieval, natural language processing, computer vision, robotics, social networks, and mobile services. The objective of this course is two-fold. One is to provide the students with the principles and mathematical tools for machine learning. Another is to introduce the architectures and algorithms for representative models of machine learning. These include pattern classification models, kernel machines, clustering algorithms, and probabilistic graphical models.

    • Lecture Schedule
    • Week Topics Slides

      Week 1

      (9/3, 9/5)

      • What's Machine Learning and Why?
      • Bayesian inference and information theory
      Pictures of Blackboard (9/5)
      1  2  3  4 

      Week 2

      (9/10, 9/12)

      • Classification practice 1
      • Classification practice 2
      Matlab Tutorial 1
      Problem 1
      MNIST Dataset
      Matlab Tutorial 2
      Problem 2
       

      Week 3

      (9/17)

      • Classification theory 1
      Pictures of Blackboard (9/17)
      5  6  7  8  9  10 
       

      Week 4

      (9/24)

      • Kernel machine practice 1
      Problem 3
      Radial Basis Function Networks
       

      Week 5

      (10/1)

      • Classification theory 2
      Pictures of Blackboard (10/1)
      11  12  13  14 
      Pictures of Blackboard (10/4)
      15  16  17  18  19 

      Week 6

      (10/8, 10/10)

      • Kernel machine theory 1
      • Kernel machine theory 2
      • Due of first project report (10/10)
      Pictures of Blackboard (10/8)
      20  21  22 
      Pictures of Blackboard (10/10)
      23  24  25  26 

      Week 7

      (10/15, 10/17)

      • 10/15 개교기념일 휴강
      • Clustering theory 1
      K-means Clustering
      Pictures of Blackboard (10/17)
      27  28  29 

      Week 8

      (10/22, 10/24)

      • Clustering theory 2
      • Clustering theory 3
      Pictures of Blackboard (10/22)
      30  31  32  33  34  35 
      Pictures of Blackboard (10/24)
      36  37  38 
       

      Week 9

      (10/29, 10/31)

      • Exam 1
      • Clustering practice 1
         

      Week 10

      (11/5, 11/7)

      • Clustering practice 2
      • Clustering practice 3
      Problem 5 kmeans_skeleton
      practice_image (small)
      Problem 6 GMM_skeleton, mvnpdf.m
       

      Week 11

      (11/12, 11/14)

      • Project practice
      • Poster presentation 1

      포스터 안내
       

      Week 12

      (11/19, 11/21)

      • Poster presentation 2
      • Probabilistic graphical models 1
      Bayesian Networks
      BN reference link
       

      Week 13

      (11/26, 11/28)

      • Probabilistic graphical models 2
      • Probabilistic graphical models 3
      Markov Random Fields
      Deep Belief Networks(참고)
      Pictures of Blackboard (11/28)
      39  40  41  42 
       

      Week 14

      (12/3)

      • Review and Discussion
         

      Week 16

      (12/17)

      • Exam 2 => 12/17
         

    This page is maintained by Sang-Woo Lee
    Last update: 2013. 12. 04.