ML

Machine Learning Study

Prerequisites

• 기초 python
• 확률, 통계, 선형대수, 미적분학을 수강이라도 하신 분
• 고양이를 좋아하시는 분
• 알파고보다 바둑을 못하는 분
• 스카이넷에 대항하고자 하시는 분

Coverage

• Basic Machine Learning Algorithm
• TensorFlow
• Python
• Principle of server
• Image and Text Processing
• Natural Language Processing

Projects

• API 서버 구축

최종 세미나 주제

• AWS SageMaker를 사용한 API 서버 구축하기

스터디 방향

• 매 주 할당된 분량에 대해 공부 및 정리를 해온다.
• 매 주 1회 온라인 or 오프라인 미팅을 통해 내용을 공유한다.
• 멤버가 돌아가며 Git에 정리하여 올린다.
• ML의 기초를 학습한다.
• 다양한 ML기법들을 학습한다.
• TensorFlow의 사용법을 익힌다.
• 응용을 통해 API서버를 구축하여본다.
• 논문을 읽고 리뷰하여본다.
• AWS의 다양한 머신러닝 서비스를 사용하여본다.

스터디 내용

1. 1주차 : Python Deep dive
2. 2주차 : Perceptron
3. 3주차 : Activation functions
4. 4주차 : Numpy로 Activation functions 및 Perceptron 구현하기
5. 5주차 : Mathmatics for studying AI
6. 6주차 : Gradient Descent Alogrithm
7. 7주차 : 리뷰
8. 8주차 : Backpropagation Algorithm
9. 9주차 : Decision Tree
10. 10주차 : SVM, Random Forest
11. 11주차 : k-NN Algorithm
12. 12주차 : Bayesian Network
13. 13주차 : Dropout, Cross validation, Gradient Descent Optimization
14. 14주차 : Confusion Matrix / Standardization, Normalization, Regularization / Data Preprocessing
15. 15주차 : Feature selection, PCA, Statistical Hypothesis Test, Weight initialization, Hyperparameter optimization
16. RNN, CNN, RL 심화과정