. [2025-Spring] ▶ [패턴인식 및 기계학습]  (Pattern Recognition and Machine Learning)

• This course provides advanced topics in pattern recognition and machine learning fields. This course aims at fostering graduate students to obtain programming skills (Python or R) to implement the algorithms handled in the lecture. Overall, this course contains six parts: 1) Probability distributions for regression and classification tasks, 2) Dimensionality reduction, 3) Neural networks, 4) Kernel methods, 5) Ensemble learning, and 6) Semi-supervised learning. ※ The lecture schedule may change after checking everyone's availability. I'll talk about it in the first lecture.

   . [2025-Spring] ▶ [기계학습]  (Machine Learning)

• 본 과정은 학습모델이 데이터 패턴을 잘 학습할 수 있도록 기계학습 알고리즘에 대한 전문적인 지식체계를 확립합니다. 빅데이터 주요 개념과 함께 문제 해결능력을 위해 반드시 알아야 할 기계학습 알고리즘을 배웁니다. 수업내용은 군집화, 트리모델과 앙상블모델, 딥러닝과 CNN, RNN, 그리고 오토인코더 및 관련 확장 모델을 포함합니다. 기계학습의 최적화가 수리 최적화와 무엇이 다르고, 주된 기법에는 어떠한 것이 있는지 관련 개념을 다룹니다. Python 언어를 활용하여 실습을 진행하고, 학습한 알고리즘을 구현하는 능력을 집중 배양합니다.