Course website : 통계적기계학습-딥러닝 (숙명여대 통계학과 2021-1)
일반 정보
Course overview
딥러닝은 심층 신경망 기반의 기계학습 방법론을 통칭합니다. 딥러닝은 input/output이 주어진 문제에서 고성능의 학습기를 건설하는데 유용하고, 특히 시각/음성/언어 처리에서 탁월한 성능을 보입니다. 본 과목에서는 지금까지 배운 전공지식에 기반하여 딥러닝의 기초 개념들을 소개하고, Python 기반의 PyTorch 라이브러리를 이용하여 신경망들을 하드코딩으로 구현하여 봅니다.
Overall goals
딥러닝의 주요 개념을 수식과 그림을 이용하여 설명할 수 있다.
PyTorch를 이용하여 주요 딥러닝 학습기를 직접 구현, 훈련하고 테스트할 수 있다.
본 강좌의 타겟은 특히 DS/ML 관련 진로를 희망하는 고학년 학생입니다. 수학/통계학/프로그래밍의 기초를 갖추고 전공선택 과목들로 충분히 훈련받은 4학년 수준 학생이 수강에 적절합니다.
명시적으로 요구되는 선수지식은 아래와 같습니다.
수학: 다변수함수 미적분 및 벡터/행렬의 대수 (통계수학12 필수, 선형대수학 수강시 유리)
통계학: 확률벡터의 분포이론, 최대가능도 방법론 및 손실함수의 이해 (수리통계12/회귀분석입문 필수, 다변랑자료분석/범주형자료분석/시계열분석 수강시 유리)
프로그래밍: Python 프로그래밍 기초, 스스로 알고리즘들을 하드코딩한 경험 (Python 관련강좌 필수, 통계계산 수강시 유리)
기계학습 기초 과목 (ex. 데이터마이닝): 만약 경험이 없다면 MOOC 등을 통하여 예습할 필요가 있습니다. Andrew Ng <Machine Learning> 코세라 강의 또는 문일철 <인공지능 및 기계학습 개론> Edwith 강의를 추천합니다.
주의: 선수과목들을 충분히 이수하지 않고 수강한다면 따라오기 힘듭니다 (선수과목 공부하느라 한 학기를 허비할 수 있습니다). 만약 기계학습의 기본 개념이나 라이브러리의 간단한 사용법을 배우고 싶다면 다른 강좌가 낫습니다.
교재
주교재: Justin Johnson (2020), Deep Learning for Computer Vision, University of Michigan EECS 498-007 / 598-005 강의 (원저자의 허가 하에 슬라이드와 숙제자료 활용)
부교재
강의 운영
강의 시간 : 월수 4:30p - 6:10p
강의 방법 : 월 이론/녹화 위주, 수 실시간/실습 위주
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. 출석은 camera on을 기준으로 체크됩니다.
평가: 과제 40점 + 중간시험 25점 + 팀 컴피티션 25점 + 가산점 슬롯 10점
과제: 4회, PyTorch 하드코딩 기반의 이론/방법론 구현
중간시험 (4/19 월 4:30p): 이론과 방법론 핵심 개념의 이해. cheat sheet 허용 (A4 1장). 사회적 거리두기 2.5단계까지는 대면시험을 원칙으로 함 (교무처 가이드라인).
팀 컴피티션: 운영진이 정한 데이터셋과 performance metric에 기반하여 수강생간 컴피티션 실시
팀 구성 방법: 중간고사까지의 누적성적에 기반하여 성적분포가 최대한 균질하도록 교강사가 임의분배함. 한 조당 2-3명
플랫폼: Kaggle의 in-class competition 기능 활용
데이터셋 및 performance metric은 CNN 진도 이후 공개
컴피티션 종료 후 팀내 상호평가를 실시하여 성적에 반영함
가산점 슬롯: 기본 0점 // 타 수강생에게 도움이 되는 행위의 양과 질에 따라 차등 부여 (e.g. 슬랙 질문답변 참여)
출석: 2회 결석까지는 사유 불필요, 이후 결석 1회당 최종점수에서 차감
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
강의조교 : 노혜림 (숙명여대 통계학과 석사과정)
사회교육관 513호 / hy2rim 앳 sm 닷 ac 닷 kr
면담시간: 화목 2p - 3p, https://hy2rim52.youcanbook.me/ 에서 예약
면담시간 이외에 질문이 있을 경우: 이메일/DM으로 글을 남겨주시면 면담시간에 확인/대응 가능합니다.
Resources
오픈카톡방 질문답변 포럼 : [데이터분석 QnA&네트워킹] [캐글코리아 오픈채팅] [파이썬 처음처럼] [PyTorch KR] [Vision & AI Study (Be Eyes)] [고독한 데이터산업 구인구직/프리랜서/프로젝트]
*** Zoom 세팅법 (펼치기)
수강 환경 구축
PC (데스크탑 혹은 노트북) --- 스마트폰과 태블릿도 가능하나 비권장
스피커 --- 마이크 기능이 있는 이어폰 권장
초고속 인터넷 --- 유선인터넷 권장
조용한 공간
Zoom (실시간 회의 소프트웨어) 설치
PC : https://zoom.us 에서 다운로드
스마트폰 (비권장) : App store 혹은 google play store에서 'Zoom cloud meetings' 검색 다운로드
Zoom 설치법/사용법 예시: https://blog.naver.com/nahyun977/221452269106