- Two open-book exams (50%)
- Two miniprojects + two reports + one poster presentation (40%)
- Participation and discussion (10%)
- (10/04) 중간고사는 10월 20일입니다.
- (10/13) 실습실 출입 신청이 http://scard.snu.ac.kr (출입관리 -> 출입등록신청) 에서 가능합니다.
사용목적: 기계학습개론, 사용위치: 302-311-1호
- (10/14) 10월 18일 화요일은 자율학습으로 휴강입니다.
- (10/14) 10월 31일 월요일 저녁 7시에 보충 수업이 있습니다.
- (10/25) 중간 프로젝트 기한이 11월 1일로 변경되었습니다.
- (11/08) 중간고사 결과가 공지되었습니다. [결과]
- Claim 기간 및 장소: 11월 10일 목요일 저녁 7시 ~ 저녁 8시, 302동 314-1호
- (11/10) 중간 프로젝트 결과가 공지되었습니다. [결과]
- (11/15) 기계학습 개론 수업의 교과서에 해당하는 자료 7장이 공개되었습니다.
- (11/25) 기말 프로젝트 조 편성을 공지합니다. [편성 결과]
- (11/29) 기계학습 개론 수업의 교과서에 해당하는 자료 9장이 공개되었습니다.
- (12/08) 기말고사는 12월 13일 화요일 11:00-12:30 입니다.
- 시험 규칙은 중간고사와 같으며, 오픈북, 전자기기 불허입니다.
- 시험 범위는 중간 고사 이후 배운 내용이며, 교과서 5장, 6장, 7장, 9장에 해당합니다.
- (12/15) Claim 일정은, 12월 20일 화요일, 오전 10시, 302동 314-1호입니다.
- (12/19) 기말고사 결과가 공지되었습니다. [결과]
- (12/26) 기말고사 프로젝트 결과가 공지되었습니다. [결과]
- Machine learning studies architectures and algorithms for automatically constructing models (or computer programs) from observed data. Machine learning systems design software not by manual programming but by automatic programming through feeding data, and thus can improve their performance on their own by observing more data. Deep learning is a class of machine learning models that employs many layers of neural network structures and, recently, has revolutionized the AI industry by solving many difficult problems, such as image recognition, speech recognition, natural language processing, self-driving cars, and autonomous robots. This course gives an introduction to machine learning and neural networks with an emphasis on deep learning models. We study the basic mathematical algorithms of various deep learning models and their applications in vision, speech, language, robotics, games, and digital media. Course attendants are expected to do their own deep learning AI project on a problem chosen by the participants.
- Lecture Schedule
-
Week Topics Slides Week 1
(9/1)- Artificial Intelligence and Machine Learning
Week 2
(9/6, 9/8)
- Neural Networks and Delta Learning
01 02
03 04Week 3
(9/13)
- Multilayer Neural Networks and Backpropagation Learning
05 06 07 08 Week 4
(9/20, 9/22)
- Deep Learning: What, Why, and How?
09
10
Week 5
(9/27, 9/29)
- Models of Deep Learning
Practice 01 (Python)
Practice 02 (Tensorflow)Week 6
(10/4, 10/6)
- Convolutional Neural Networks (CNN)
11 12
Week 7
(10/11, 10/13)
- Applications of CNN
Using Neural Network
Practice 03 (Tensorflow) [code]Week 8
(10/18, 10/20)
- Mid-term Exam
Week 9
(10/25, 10/27)
- Deep Belief Networks (DBN)
Week 10
(11/1, 11/3)
- Deep Hypernetworks
- Applications of DBN
(10/31)
(11/1) DHN for KidsVideo
(11/3) Practice 04 (Tensorflow,DBN)Week 11
(11/8, 11/10)
- Recurrent Neural Networks (RNN)
Practice 05 (Tensorflow,Seq2Seq) Week 12
(11/15, 11/17)
- Recurrent Neural Networks (RNN)
13 14
Week 13
(11/22, 11/24)
- Applications of RNN
Google's NMT Week 14
(11/29, 12/1)
- Recent Advancements in Deep Learning
15 16
Week 15
(12/6, 12/8)
- Poster Presentation
Week 16
(12/13)
- Final Exam
Last update: 2016. 12. 26.