Data Science
데이터 과학
259124 • 2024년 2학기 • 교통대학교
Schedule 강의일정
| Date | Lecture | Content | Logistics | |
|---|---|---|---|---|
| 9/5 |  | Week #1: 수업 소개
| ||
| 9/12 |  | Week #2: 1장 한눈에 보는 머신러닝
| [ 과제 am ] [ 과제 pm ] | |
| 9/19 |  | Week #3: 2장 머신러닝 프로젝트 처음부터 끝까지
| [ 과제 am ] [ 과제 pm ] | |
| 9/26 |  | Week #4: 3장 분류
| [ 과제 am ] [ 과제 pm ] | |
| 10/3 | No Class Coming from Heaven Day | |||
| 10/10 |  | Week #6: 4장 모델 훈련
| [ 과제 am ] [ 과제 pm ] | |
| 10/17 |  | Week #7: 5장 서포트 벡터 머신 6장 결정 트리
| [ 과제 am ] [ 과제 pm ] | |
| 10/24 LMS |  | Week #8: 7장 앙상블 학습과 랜덤 포레스트 8장 차원 축소
| [ 과제 am ] [ 과제 pm ] | |
| 10/31 | Midterm Test 핵심 개념 용어 팀 프로젝트 설명 PPT | |||
| 11/7 |  | Week #10: 9장 비지도 학습
| [ 과제 am ] [ 과제 pm ] | |
| 11/14 |  | Week #11: 10장 케라스를 사용한 인공 신경망 소개
| [ 과제 am ] [ 과제 pm ] | |
| 11/21 |  | Week #12: 11장 심층 신경망 훈련
| [ 과제 am ] [ 과제 pm ] | |
| 11/28 |  | Week #13: 12장 텐서플로를 사용한 사용자 정의 모델과 훈련 13장 텐서플로를 사용한 데이터 적재와 전처리
| [ 과제 am ] [ 과제 pm ] | |
| 12/5 |  | Week #14: 14장 합성곱 신경망을 사용한 컴퓨터 비전
| [ 과제 am ] [ 과제 pm ] | |
| 12/12 |  | Week #15: 팀 프로젝트 발표
| [ 과제 am ] [ 과제 pm ] 팀 발표 (.ipynb, .py, .ppt) 파일들은 GitHub 저장소에서 제출 | |
| 12/19 | Final Test 퀴즈 PM | |||
Overview 개요
실무 밀착형 예제부터 스테이블 디퓨전 등 최신 머신러닝 트렌드까지
주요 인공 지능 콘퍼런스에서 전문가들이 소개한 최고의 실전 지침서
- 독자의 편의를 고려한 분권(1권, 2권)
- 최신 라이브러리 버전으로 전체 코드 업데이트
- 〈연습문제 + 해답〉, 〈머신러닝 프로젝트 체크리스트〉 수록
수학에 『수학의 정석』이 있다면 인공 지능에는 『핸즈온 머신러닝』이 있다!
1판과 2판의 피드백을 적극 반영해 한층 더 업그레이드된 『핸즈온 머신러닝』이 3판으로 돌아왔습니다. ‘실제로 머신러닝을 구현하면서 학습한다’는 목표를 더욱 효과적으로 달성할 수 있도록 복잡한 주제를 구조화하고 난이도에 따라 순차적으로 학습할 수 있게 개선했습니다. 또한 누구나 쉽게 이해할 수 있도록 기존 설명을 더 친절하고 명확하게 다듬고 보완했습니다. 마지막으로, 빠르게 발전하는 분야인 만큼 전체 코드 버전과 기술 트렌드를 최신 정보로 업데이트했습니다(하단의 ‘출판사 리뷰’에서 3판의 업데이트 내용을 확인할 수 있습니다). 머신러닝을 전혀 모르는 입문자도 온라인으로 제공되는 주피터 노트북을 활용해 손쉽게 실습할 수 있습니다. 여기에 박해선 역자의 친절한 추가 설명까지 더해져 답답함 없이 수월하게 학습할 수 있습니다.
From practical examples to the latest machine learning trends such as stable diffusion.
The best practical guide introduced by experts at major artificial intelligence conferences
- Decentralization for reader convenience (1 volume, 2 volumes)
- Update the entire code to the latest library version
- Includes 〈Exercises + Answers〉 and 〈Machine Learning Project Checklist〉
If there is “Mathematics Master” in mathematics, there is “Hands-On Machine Learning” in artificial intelligence!
The upgraded “Hands-On Machine Learning” has returned as the 3rd edition, actively reflecting the feedback of the 1st and 2nd editions. We have improved the structure of complex topics and made it possible to learn sequentially according to the difficulty level to achieve the goal of “learning while actually implementing machine learning” more effectively. In addition, we have made the existing explanations more friendly and clear so that anyone can easily understand them. Finally, as it is a rapidly developing field, we have updated the entire code version and technical trends with the latest information (you can check the update contents of the 3rd edition in the ‘Publisher Review’ at the bottom). Even beginners who do not know machine learning can easily practice using the Jupyter notebook provided online. In addition, with the kind additional explanation of translator Haeseon Park, you can learn smoothly without frustration.
Textbook 교재
 |
|
|---|---|
 |
|
Logistics 수업운영
Course Information / 과정정보
시간이 지나도 변하지 않고 컴퓨팅 세계의 기반을 강화하는 데 도움이 되는 전문적이고 안전하며 이식 가능한 C 코드를 작성하는 방법을 알아본다.
- 프로그래밍(50%) 직무에 필요한 문제 또는 시스템을 프로그래밍 언어로 구현할 수 있는 역량
- 전공기초(40%) 정보통신전공을 수행할 수 있는 공학적 기초개념, 수학, 물리학 등의 기본역량
- 자기주도문제해결(10%) 프로젝트, 캡스톤디자인 및 지식재산권, 공학경영, 논문작성 등 전공분야에 밀접하게 연관된 비전공분야의 역량
Students will learn how to write professional, safe, and portable C code that doesn’t change over time and helps strengthen the foundations of the world of computing.
- Programming (50%) Ability to implement problems or systems required for the job in a programming language
- Major foundations (40%) Basic competencies such as basic engineering concepts, mathematics, physics, etc.
- Self-directed problem solving (10%) Competence in non-major fields closely related to major fields, such as project, capstone design and intellectual property rights, engineering management, and thesis writing
Policies 규정
Grading 평가방법
Most of my courses are graded based on the following components. Please note that the weights of each component may vary depending on the course. The grading policy will be announced in the first class and will be available on the course website.
대부분의 강의는 다음 구성요소에 따라 평가됩니다. 각 구성요소의 가중치는 강의에 따라 다를 수 있습니다. 평가 방법은 첫 강의에서 발표되며 강의 웹사이트에서 확인할 수 있습니다.
- Attendance (& Participation) 출석 (& 참여도)
- Assignments & Practice Exercises 과제 (연습문제) 및 실습 (수업 활동 결과)
- Project (or Research Paper & Presentation) 프로젝트 (또는 논문과 발표)
- Tests (Midterm & Final) 중간고사와 기말고사
Attendance (& Participation) 출석 (& 참여도)
This may be the most important part of the class. Please pay careful attention to the following.
이것은 수업의 가장 중요한 부분일 수 있습니다. 다음 사항에 주의 깊게 주목해 주세요.
I appreciate everyone being actively involved in the class! Students who will succeed are those who are actively involved.
저는 수업에 적극적으로 참여해 주시는 모든 분들을 감사하게 생각합니다! 성공할 학생들은 적극적으로 참여하는 학생들입니다.
- Attendance:
- You are expected to attend all classes. If you miss a class, you are responsible for getting the notes from a classmate or completing the assignments you miss.
수업에는 모두 참석해야 합니다. 수업을 빠지는 경우, 수업 내용을 동료로부터 받거나 빠진 과제를 완료하는 것은 _당신_의 책임입니다. - Generally, if you miss more than 15% of the classes (7 hours in a 45-hour course, 9 hours in a 60-hour course), you will get a lower grade.
일반적으로, 수업의 15% 이상을 빠지는 경우 (45시간 강의에서 7시간, 60시간 강의에서 9시간), 낮은 성적을 받게 됩니다. - If you miss more than 25% of the classes (11 hours in a 45-hour course, 15 hours in a 60-hour course), you will fail the course.
수업의 25% 이상을 빠지는 경우 (45시간 강의에서 11시간, 60시간 강의에서 15시간), 과락이 됩니다.
- You are expected to attend all classes. If you miss a class, you are responsible for getting the notes from a classmate or completing the assignments you miss.
- Participation:
- Active participation is expected in all classes. This means that you are engaged in the class, asking questions, answering questions, and participating in discussions.
모든 수업에서 적극적인 참여가 기대됩니다. 이는 수업에 집중하고 질문을 하며 질문에 답하고 토론에 참여하는 것을 의미합니다. - Disinterest: Students who are not interested in the class do not study, do not participate, and do not do well on the tests. They will get a low grade.
무관심: 수업에 관심이 없는 학생들은 공부를 하지 않고 참여하지 않으며 시험에서도 잘하지 못합니다. 낮은 성적을 받게 됩니다. - Generally speaking, I do not give a daily grade for participation. However, I notice your habits. Students who are regularly late, leave early, or are not engaged in the class will get a lower grade.
일반적으로 참여도에 대한 일일 성적은 주지 않습니다. 그러나 당신의 습관을 주의 깊게 지켜봅니다. 정기적으로 늦게 오거나 일찍 떠나거나 수업에 참여하지 않는 학생들은 낮은 성적을 받게 됩니다.
- Active participation is expected in all classes. This means that you are engaged in the class, asking questions, answering questions, and participating in discussions.
- Excused Absences:
- If you have a valid reason for missing a class (e.g., illness, family emergency), please let me know in advance if possible. You will be excused from the class, but you are still responsible for the material covered in the class.
수업을 빠지는 합당한 이유가 있는 경우 (예: 질병, 가족 사정), 가능한 경우 미리 알려주세요. 수업을 빠질 수 있지만 수업에서 다룬 내용에 대한 책임은 여전히 있습니다. - Excused absences will not count against your number of allowed absences. However, they will affect your attendance & participation score because you cannot participate in a class you do not attend.
합당한 이유로 인한 결석은 허용된 결석 횟수에 포함되지 않습니다. 그러나 참석하지 않은 수업에 참여할 수 없기 때문에 출석 및 참여도 점수에 영향을 줍니다. - Generally speaking, students are only allowed to miss 25% of the classes (11 hours in a 45-hour course, 15 hours in a 60-hour course) with excused absences. However, if you have a valid reason for missing more classes, please let me know.
일반적으로, 합당한 이유로 인한 결석을 포함하여 수업의 25% (45시간 강의에서 11시간, 60시간 강의에서 15시간)까지만 허용됩니다. 그러나 더 많은 수업을 빠지는 합당한 이유가 있는 경우, 알려주세요. - If the total number of absences (excused and unexcused) exceeds 35% of the classes (16 hours in a 45-hour course, 21 hours in a 60-hour course), you will fail the course.
총 결석 횟수 (합당한 이유로 인한 결석 및 불합당한 이유로 인한 결석)가 수업의 35% (45시간 강의에서 16시간, 60시간 강의에서 21시간)를 초과하는 경우, 과락이 됩니다.
- If you have a valid reason for missing a class (e.g., illness, family emergency), please let me know in advance if possible. You will be excused from the class, but you are still responsible for the material covered in the class.
Assignments & Practice Exercises 과제 (연습문제) 및 실습 (수업 활동 결과)
- Assignments are generally work you do on your own.
과제는 일반적으로 개인적으로 수행하는 작업입니다. - Practice exercises are work we do together in class.
실습은 수업에서 함께 수행하는 작업입니다. - Most of both types of work will be submitted online (typically via GitHub or Google Forms).
이 두 유형의 대부분 작업은 온라인으로 제출됩니다 (일반적으로 GitHub 또는 Google Forms를 통해). - You are expected to complete all assignments and practice exercises. (This is the best way to ensure you receive a better grade on both the tests and in the class overall.)
모든 과제와 실습을 완료해야 합니다. (이것이 시험과 전반적으로 수업에서 더 나은 성적을 받을 수 있는 가장 좋은 방법입니다.)
Projects (or Research Paper & Presentation) 프로젝트 (또는 논문과 발표)
The following types of projects may be assigned in my courses:
다음 유형의 프로젝트가 강의에서 할당될 수 있습니다:
- Semester-long individual project: This is typically a programming project that you will work on throughout the semester. Usually, the full project code will be included in the selected textbook. You will be expected to complete the project on your own, with all required files, by the end of the semester, as well as a record of your progress on the project throughout the semester with pushes to GitHub.
학기 내내 개인 프로젝트: 일반적으로 학기 내내 작업할 프로그래밍 프로젝트입니다. 일반적으로 전체 프로젝트 코드는 선택한 교재에 포함됩니다. 학기 끝까지 모든 필요한 파일과 함께 프로젝트를 완료하고, 학기 내내 GitHub에 푸시하여 프로젝트 진행 상황을 기록해야 합니다.
Tests
There will be two tests in this class: a midterm and a final. Both tests may include both written and programming questions. The written questions will be similar to the homework questions, and the programming questions will be similar to the programming assignments. Written questions will be closed-book, and programming questions will be open-book (i.e., you can use any resources you want, including the Internet).
- Midterm: 20%
- Final: 30%
Collaboration Policy
Homework assignments must be done individually: each student must hand in their own answers. However, it is acceptable to collaborate when figuring out answers and to help each other solve the problems. We will be assuming that you will be taking the responsibility to make sure you personally understand the solution arising from such collaboration. You also must indicate on each homework with whom you have collaborated.
Late Policy
You will be allowed 6 total homework late days without penalty for the entire semester. You may be late by up to 6 days on any homework assignment. Once those days are used, you will be penalized according to the following policy:
- Homework is worth full credit at the due time on the due date.
- The allowed late days are counted by day (i.e., each new late day starts at 12:00 am ET).
- Once the allowed late days are exceeded, the penalty is 50% per late day conted by hour (i.e., 2.0833% per hour).
- The homework is worth zero credit 48 hours after exceeding the late day limit.
You must turn in 75% of the practices and assignments, even if for zero credit, in order to pass the course.
Regrade Policy
If you feel that we have made a mistake in grading your homework, please submit a regrading request via email and I will consider your request. Please note that regrading of a homework may cause your grade to go either up or down.
Resources 자료실
Computer Software / 소프트웨어
Coming Soon.
Instructor 강사소개
- Instructor Aaron Snowberger
- Email: aaronkr.trainer@gmail.com
Aaron Snowberger earned his Ph.D. in Information and Communications Engineering from Hanbat National University in South Korea in 2024. He also holds degrees in Computer Science and Media Design. He has taught technology courses for over 8 years, English for over 15 years, and has freelanced as a web developer and magazine designer for over 5 years. His current research interests include computer vision, natural language processing, image processing, signal processing, and machine learning.
Aaron Snowberger는 2024년 한국 한밭대학교에서 정보통신공학 박사 학위를 취득했습니다. 그는 또한 컴퓨터 과학 및 미디어 디자인 학위를 취득했습니다. 그는 8년 이상 기술 과정을 가르쳤고, 15년 이상 영어를 가르쳤으며, 5년 이상 웹 개발자 및 잡지 디자이너로 프리랜서로 일했습니다. 그의 현재 연구 관심사는 컴퓨터 비전, 자연어 처리, 이미지 처리, 신호 처리 및 머신 러닝입니다.