CS229 머신러닝 강의 목차
CS229 머신러닝 강의 (2018 가을)
Stanford CS229: Machine Learning — 앤드류 응 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 |