기계학습 실습에 필요한 프로그램을 설치하고, 에디터를 사용 방법을 익힌다

-기계학습을 위한 프로그램 설치
-Jupyter notebook 및 colab 사용 방법
-기계학습 개념

기계학습의 기본 개념을 이해하고, 최적화 과정을 이해한다.

-Hypothesis 및 loss 함수 개념
-최적화(optimization) 개념

Decision Tree(규칙 모델)의 개념을 이해하고, 코딩 방법을 익힌다.

-Decision Tree의 개념
-Decision Tree 프로그래밍

Support Vector Machine(선형 벡터 모델)의 개념을 이해하고, 코딩 방법을 익힌다.

-Support Vector Machine의 개념

-Support Vector Machine 프로그래밍

Hidden Markov Model(통계 모델)의 개념을 이해히고, 비터비 알고리즘을 이해한다.

-Hidden Markove Model의 개념
-순차 표지 부착 문제 및 비터비 알고리즘

Maximum Entropy Markov Model과Conditional Random Fields의 개념을 이해하고, 코딩 방법을 익힌다.

-Maximum Entropy MarkovModel과 Conditional RandomFields의 개념
-Conditional Random Fields 프로그래밍

Multi-layer Perceptron의 개념을 이해한다.

-Artificial Neural Network의 개념
-Multi-layer Perceptron의 개념

Deep Neural Network의 개념을 이해하고, 코딩 방법을 익힌다.

-Deep Neural Network의 개념
-Pytorch를 이용한 Deep FeedForward Neural Network 프로
그래밍

Convolutional Neural Network의 프로그래밍을 하기 위해 기초가 되는 코딩 방법 이해한다.

-Pytorch를 이용하여 Neural Network Class를 작성하는 방법
-새로운 문제에 맞춰 Class를 수정하는 방법

Convolutional Neural Network의 개념을 이해하고, 코딩 방법을 익힌다.

-Convolutional Neural Network의 개념

-Pytorch 기반 ConvolutionalNeural Network 프로그래밍

다양한 워드 임베딩 방법을 이해하고,코딩 방법을 익힌다

-다양한 워드 임베딩 방법 소개
-Word2Vec, GloVe 관련 프로그래밍

Recurrent Neural Network의 개념을 이해하고, 코딩 방법을 익힌다.

-Recurrent Neural Network의 개념
-Recurrent Neural Network을 활 용한 회귀 프로그래밍

다양한 Recurrent Neural Network 모델을 이해하고, 코딩 방법을 익힌다.

-Many-to-Many(SequenceLabeling, Sequence-toSequence 등) 모델의 개념
-Recurrent Neural Network을 활용한 순차표지부착 프로그래밍

Transformer 모델을 이해하고, 코딩 방법을 익힌다.

-Transformer의 개념
-Transformer를 활용한 Seq2Seq(문장 생성) 프로그래밍

Generative Adversarial Network 모델을 이해하고, 코딩 방법을 익힌다

-Generative Adversarial Network 의 개념
- Generative Adversarial Network을 활용한 이미지 생성 프로그래밍

Transfer Learning(전이학습)의 개념을 이해하고, 코딩 방법을 익힌다.

-Transfer Learning의 개념
-BERT를 활용한 전이학습 프로그래밍

다양한 클러스터링 모델의 개념을 이해하고, 코딩 방법을 익힌다

-다양한 클러스터링 모델의 개념

-다양한 클러스터링 모델에 따른 프로그래밍