설명
CS229: 머신러닝은 스탠포드 대학교에서 제공하는 입문 과정으로, 머신러닝과 통계적 패턴 인식에 대한 폭넓은 개요를 제공합니다. 이 과정은 학생들이 다양한 분야에서 머신러닝 기술을 이해하고 적용하는 데 필요한 기초 지식과 기술을 갖추도록 설계되었습니다.
더 읽기
커리큘럼은 생성적 학습, 매개변수 및 비매개변수 학습, 신경망을 포함한 감독 학습을 포함하여 다양한 주제를 다룹니다. 또한, 클러스터링 및 차원 축소와 같은 비감독 학습 방법에 대해서도 깊이 있게 탐구합니다. 학생들은 편향-분산 트레이드오프와 머신러닝 솔루션 구현을 위한 실용적인 조언과 같은 개념에 중점을 두고 학습 이론을 탐구할 것입니다.
강화 학습과 적응 제어는 과정의 주요 구성 요소로, 기계가 환경으로부터 학습하고 시간이 지남에 따라 성능을 향상시키는 방법에 대한 통찰력을 제공합니다. 또한, 이 과정은 로봇 제어, 데이터 마이닝, 자율 내비게이션, 생물정보학, 음성 인식 및 텍스트 및 웹 데이터 처리와 같은 분야에서 머신러닝의 최근 응용 프로그램에 대해 논의합니다.
이 과정은 경험이 풍부한 강사인 Jehangir Amjad와 Anand Avati가 가르치며, 전담 과정 스태프의 지원을 받습니다. 수업은 매주 화요일과 목요일 오후 4시 30분부터 6시 15분까지 NVIDIA 강당에서 진행됩니다. 학생들은 기본 컴퓨터 과학 원리에 대한 배경 지식, Python/NumPy에 대한 친숙함, 확률 이론 및 다변수 미적분학에 대한 지식을 갖추어야 합니다.
CS229는 이론적 탐구뿐만 아니라 실용적인 응용을 강조하여 데이터 과학, 인공지능 및 관련 분야에서 경력을 쌓고자 하는 학생들에게 적합합니다. 이 과정은 학생들 간의 적극적인 참여와 협업을 장려하여 풍부한 학습 환경을 조성합니다.
- 카테고리교육 및 연구
CS229: 머신러닝의 핵심 기능
강사: Jehangir Amjad, Anand Avati
과정 기간: 2026년 여름
선수 과목: 기본 컴퓨터 과학, Python/NumPy, 확률 이론, 다변수 미적분학
강의 일정: 화, 목 오후 4:30 - 6:15
위치: NVIDIA 강당
과정 주제: 감독 학습, 비감독 학습, 강화 학습
응용 프로그램: 로봇 제어, 데이터 마이닝, 생물정보학, 음성 인식
커뮤니케이션: 과정 공지 및 문의를 위한 Ed 플랫폼
CS229: 머신러닝 사용 방법은?
강의 참석: 화요일과 목요일에 예정된 수업에 참여합니다.
자료 검토: 과정의 Canvas 캘린더를 통해 과정 문서 및 자료에 접근합니다.
동료와의 교류: 과정 포럼 및 토론에서 동료 학생들과 협력합니다.
과제 완료: 강의 계획서에 명시된 문제 세트 및 프로젝트를 수행합니다.
CS229: 머신러닝의 사용 사례
- 로봇 제어
- 데이터 마이닝
- 자율 내비게이션
- 생물정보학
- 음성 인식
