Machine Learning

3blocks.ai의 모든 교육과정은 개인/법인 세금계산서 발행이 가능하며, 계좌 이체/카드결제 등 다양한 결제 방법을 지원합니다.

대학에서 겸임교수 및 강사로 학생들을 가르치고 있습니다. 학부/대학원 강좌를 운영하고 있으며, 별도의 교양강좌도 가끔 운영하나 최대한 전공 과목을 하려 노력하고 있습니다.

머신러닝 (15주 과정)

본 과목은 인공지능의 한 분야인 머신러닝의 기본 이론과 알고리즘을 폭넓게 다루는 학부 과정이다. 지도학습과 비지도학습의 주요 개념과 기법을 중심으로, 기계가 데이터로부터 학습하는 원리와 모델 구축 방법을 다룬다. 교육 목표는 학생들에게 머신러닝의 핵심 알고리즘(예: 회귀, 분류, 군집화 등)에 대한 이해와 적용 능력을 함양시키는 데 있다. 학습 성과로서 수강생들은 다양한 데이터에 적합한 머신러닝 모델을 선택·구현하고, 모델 성능을 평가하여 실제 문제 해결에 활용할 수 있는 기초 역량을 갖추게 된다.

주차	학습 내용
1주차	머신러닝의 개념, 역사 및 응용 분야 소개
2주차	머신러닝을 위한 기초 수학 및 통계 개념
3주차	지도학습의 원리와 과정 이해 (훈련/검증/테스트 개념)
4주차	회귀 알고리즘의 이론 및 구현 (예: 선형회귀)
5주차	분류 알고리즘 I – 로지스틱 회귀, k-최근접 이웃 등
6주차	분류 알고리즘 II – 의사결정트리, 서포트 벡터 머신 등
7주차	모델 평가 방법 소개 (평가 지표, 교차 검증, 과적합 문제 이해)
8주차	앙상블 학습 기법 개요 (랜덤 포레스트, 부스팅 등)
9주차	비지도학습 개요 및 활용 사례
10주차	군집화 알고리즘 원리와 적용 (예: K-means)
11주차	차원 축소 기법 소개 (주성분 분석(PCA) 등)
12주차	인공신경망과 딥러닝 기초 개념
13주차	최신 머신러닝 동향 및 응용 (강화학습, 생성모델 등 개략 소개)
14주차	사례 연구 및 실습을 통한 모델 구축 경험 공유
15주차	종합 정리 및 토론

머신러닝을 활용한 연구방법론 (15주 과정)

본 과목은 석사 및 박사과정 학생들을 위한 고급 과정으로, 머신러닝 기법을 활용한 연구 수행 방법론에 초점을 맞춘다. 실제 연구 문제에 머신러닝을 적용하기 위한 이론적 기반과 실무적 전략을 다루며, 데이터 준비부터 모델 개발, 실험 검증까지 연구 프로세스 전반을 포괄한다. 특히 최신 연구 논문의 검토와 그 결과 재현을 통해 이론과 현실의 연계성을 강조한다. 교육 목표는 머신러닝 지식을 활용하여 창의적이고 엄밀한 연구를 설계·수행하는 능력을 함양하는 데 있다. 학습 성과로서 수강생들은 문헌 분석을 통해 연구 맥락을 파악하고, 적절한 데이터 수집·전처리를 거쳐 최적의 모델링 전략을 수립할 수 있게 된다. 또한 실험을 체계적으로 설계하고 결과를 해석함으로써 머신러닝을 활용한 자신의 연구 주제에 대한 독자적인 연구 역량을 갖추게 된다.

주차	학습 내용
1주차	머신러닝의 연구 분야에서의 역할 및 최신 동향
2주차	연구 주제 선정 및 문제 정의 방법
3주차	선행연구 문헌 검토 및 비평적 분석
4주차	연구 데이터 소스 탐색 및 수집 전략
5주차	데이터 전처리 및 정제 기법
6주차	탐색적 데이터 분석을 통한 데이터 이해
7주차	적절한 머신러닝 모델 선정 및 모델링 전략 수립
8주차	모델 훈련 과정 및 하이퍼파라미터 튜닝 기법
9주차	모델 성능 평가 지표 및 검증 방법
10주차	실험 설계 및 모델 간 성능 비교 분석
11주차	발표된 연구 논문의 결과 재현 실습
12주차	실험 결과 해석 및 시각화 방법
13주차	연구 재현성 확보 및 윤리적 고려사항
14주차	연구 결과 보고 및 논문 작성 전략
15주차	최종 토론 및 개별 연구 계획 발표

연락하기

성함

이메일

연락처

소속/직위

무엇이 관심있으세요?

Select options

문의내용

Made with Slashpage