CS229 머신러닝 강의 목차

🏷️ "cs229" "machine-learning" "book" "MOC"

CS229 머신러닝 강의 (2018 가을)

Stanford CS229: Machine Learning — Andrew Ng 유튜브 강의 트랜스크립트를 한국어 도서 형식으로 정리한 시리즈

Part I. 지도 학습

장	제목	핵심 주제
1	1장 - 머신러닝이란 무엇인가	ML 개요, 지도/비지도/강화 학습 분류
2	2장 - 선형 회귀와 경사 하강법	비용 함수, 배치/확률적 GD, 정규 방정식
3	3장 - 국소 가중 회귀와 로지스틱 회귀	비매개변수 학습, MLE, 시그모이드, 뉴턴 방법
4	4장 - 퍼셉트론과 일반화 선형 모델	지수족, GLM, 소프트맥스 회귀
5	5장 - GDA와 나이브 베이즈	생성 vs 판별 모델, 가우시안 판별 분석
6	6장 - 서포트 벡터 머신	함수적/기하학적 마진, 최적 마진 분류기
7	7장 - 커널	커널 트릭, 머서 정리, 소프트 마진 SVM

Part II. 학습 이론과 실전 전략

장	제목	핵심 주제
8	8장 - 데이터 분할, 모델과 교차 검증	편향-분산, 정규화, K-겹 교차 검증
9	9장 - 의사결정 트리와 앙상블 기법	분할 기준, 배깅, 랜덤 포레스트, 부스팅
12	12장 - ML 모델 디버깅과 오류 분석	진단법, 오류/절제 분석, 프로젝트 전략

Part III. 딥러닝

장	제목	핵심 주제
10	10장 - 신경망 입문	뉴런, 순전파, 아키텍처 설계
11	11장 - 역전파와 신경망 개선	역전파, 활성화 함수, 초기화, Adam

Part IV. 비지도 학습

장	제목	핵심 주제
13	13장 - EM 알고리즘	K-평균, 가우시안 혼합, EM 유도
14	14장 - EM 알고리즘과 인자 분석	인자 분석, 잠재 변수, 소규모 데이터
15	15장 - PCA와 ICA	주성분 분석, 독립 성분 분석
16	16장 - 독립 성분 분석과 강화 학습	ICA 유도, MDP 소개

Part V. 강화 학습

장	제목	핵심 주제
17	17장 - MDP와 가치 및 정책 반복	벨만 방정식, 가치/정책 반복, 탐색-활용
18	18장 - 연속 상태 MDP와 모델 시뮬레이션	이산화, 가치 근사, 적합 가치 반복
19	19장 - 보상 모델과 선형 동적 시스템	LQR, 유한 지평 MDP
20	20장 - 강화 학습 디버깅과 진단	REINFORCE, 정책 탐색, RL 디버깅