중요 공지사항 (Latest update : 3/2/2021)

• 공휴일 제외하고는 모두 실시간 수업입니다.

• 실시간 수업때는 상호작용의 최대화를 위하여 수강생 전원이 카메라를 켭니다. 사생활 보호 설정을 (e.g. 가상배경) 미리 취해 주시고, 본인의 반응과 표정이 보일 수 있도록 카메라를 적절한 각도로 맞춰놓아 주십시오. 출석은 camera on을 기준으로 체크됩니다.+ 격주 수요일 정규 수업시간에 실시간 수업 운영

• 의사소통 및 질문답변 플랫폼으로 슬랙(업무용 메신저) 활용합니다. 이메일로 배포된 링크를 통하여 가입 가능합니다.

• 예전 수업들은 유튜브로 업로드 후 본 사이트에서 보관합니다.

일반 정보

• Course overview

  • 학부 기계학습 관련 수업 (데이터마이닝/통계적기계학습)에서 커버하지 않았던 이슈들 중, 기계학습 관련 최신문헌 강독에 필요한 필수개념들을 소개한다.

  • 강의 중후반까지는 이론강의가 진행된다. 잠정 주제는 다음과 같다: Convex optimization theory, information theory, variational inference, neural-network-based generative models (autoencoders and generative adversarial networks), probabilistic graphical model, and causal graphical model

  • 강의 후반부에 수강생은 논문리뷰발표를 수행한다 (75분 가량). 논문은 교강사와 상의를 거쳐 강의 초반에 결정한다.

  • 강의를 수강하기 위하여는 학부 졸업생 수준의 maturity를 필요로 한다. 특히 수학(선형대수학), 통계학(수리통계학, 회귀분석, 통계계산, 다변량통계분석, 데이터마이닝, 통계적기계학습), 프로그래밍(특히 python 기반 구현) 실력을 전제한다. 석사과정 및 학석사통합과정 합격 학생은 자유로이 수강신청 가능하다. 수강희망 학부생에 대하여는 (1) 통계학과의 데이터마이닝 및 통계적기계학습 수업을 모두 수강하였고 (2) 둘 중 적어도 하나의 과목에서 A0 이상의 학점을 받은 경우에 수강을 허가한다.

• Overall goals

  • 기계학습 관련 최신문헌 강독에 필요한 필수개념들을 숙지한다.

강의 운영

• 강의 시간: 수 9a-12p

• 강의 방법: 실시간

  • Camera on policy: 실시간 수업때는 상호작용의 최대화를 위하여 수강생 전원이 카메라를 켭니다. 사생활 보호 설정을 (e.g. 가상배경) 미리 취해 주시고, 본인의 반응과 표정이 보일 수 있도록 카메라를 적절한 각도로 맞춰놓아 주십시오.

• 평가: 중간시험 35점 + 논문리뷰 35점 + 스크립팅 20점 + 가산점 슬롯 10점

  • 중간시험 (4/21 수): 이론과 방법론의 이해와 응용

  • 논문 리뷰 발표

    • 기대: 논문 하나를 다각도에서 비판적으로 고찰합니다. 이론적 성격이 강한 논문을 리뷰하는 수강생께는 깊은 이해와 꼼꼼한 설명이 기대됩니다. 실험/응용 논문의 리뷰어께는 실험 재현, 본인 현재 연구와의 접목 시도 등이 기대됩니다.

    • 논문은 학기초 교강사와 상담 후 지정합니다.

  • 스크립팅: 한 강 분량의 판서와 강의를 소화하여 LaTeX 수식과 줄글로 정리합니다. 순서는 오리엔테이션 시간에 임의로 지정합니다.

    • 기대: 이상적인 스크립트는 다른 학생이 이해할 수 있는 수준으로 구성되어 있고, 제출하기 전에 여러 번 교정하여 결함, 오타, 모호한 문구 등이 제거된 글입니다.

    • 이해를 돕기 위하여 스크립트 샘플을 공유합니다. (1강 종료 후 링크 공유 예정)

    • 스크립트 저장 방법: Overleaf에서 작업하면 자동 저장됨 (작업용 링크 공유 예정)

    • 수정의견 전달 방법: 작업중인 overleaf .tex문서의 comment기능 활용

    • 작업 절차: 수업종료(day 0) --> 작성자는 스크립트를 작성합니다(~ +7d) --> 교강사 수정의견 (~ +9d) --> 작성자는 의견 반영하여 1차수정합니다(~ +14d) --> 검토자는 핵심 결함, 오타, 모호한 문구 등을 검토 (~ +16d) --> 작성자 2차수정 (~ +21d) --> 본 홈페이지에 업로드

  • 가산점 슬롯: 기본 0점 // 타 수강생에게 도움이 되는 행위의 양과 질에 따라 차등 부여 (e.g. 스크립트 수정의견, 수강생 발표시 참여, 슬랙 질문답변 등)

• 효율적 운영을 위하여 다음 플랫폼들을 활용합니다.

  • 이메일: 중요 공지 배포 (스노우보드 및 포탈에서 본인의 이메일 설정을 다시 확인하세요.)

  • 슬랙(Slack): 실시간 커뮤니케이션 및 질문답변

    • 슬랙은 실시간 의사소통을 편하게 하는 플랫폼입니다. 여러 줄의 타이핑 및 Code formatting, 이미지 삽입, 파일 첨부가 모두 가능합니다.

    • 혼동되는 개념을 명확히 하고 싶을 때, 개념에 질문이 있을 때, 프로젝트 도중에 막힌 부분이 있을 때에는 #질문답변포럼 게시판에 질문을 남겨주세요. (물론 Office hours도 활용하실 수 있습니다.)

      • 사려깊고 건설적인 참여를 적극적으로 장려합니다. 이를 위하여 합리적인 기준 하에 가산점으로 보상합니다. 교강사는 정기적으로 질문을 체크하고 답변을 남기겠지만 학생들의 답변을 먼저 기다릴 예정입니다.

      • 이메일/DM으로 질문이 올 경우에는 민감한/기밀 질문이 아닌 한 슬랙 질문답변포럼 게시판으로 유도합니다.

  • 스노우보드(Snowboard): 과제물 수거

과목 운영진

• 교강사 : 최영근 (숙명여대 통계학과 조교수)

  • 사회교육관 503호 / ygchoi 앳 sm 닷 ac 닷 kr

  • 면담시간: 월수 3p - 4:30p, https://ygchoi.youcanbook.me/ 에서 예약

교재

아래 자료들의 일부분만 발췌 강의합니다.

• [PML] Murphy (2021), Probabilistic Machine Learning: An introduction, MIT Press.

• [ESL] Hastie, Tibshirani and Friedman (2008), Elements of Statistical Learning, 2nd Edition, Springer.

• [D3L] Zhang, Lipton, Li, and Smola (2020), Deep Dive into Deep Learning

• [DLCV] Justin Johnson (2019), Deep Learning for Computer Vision, University of Michigan EECS 498-007 / 598-005 강의

Resources

• 오픈카톡방 질문답변 포럼 : [데이터분석 QnA&네트워킹] [캐글코리아 오픈채팅] [파이썬 처음처럼]