기계학습 고급 컨셉 및 연구자 조언 (노영균 교수 특강)
Source
Evernote/ancom21c's notebook/인공지능 특강 - 기계학습의 고급 컨셉들 첫 수업.md
Summary
2013 년 노영균 교수의 기계학습 특강 요약으로, 가우시안 프로세스 (GP) 강의를 위한 선결 조건 (벡터 미적분, 최적화, 확률론, 프로그래밍 등) 과 연구자로서의 네트워킹 및 커뮤니케이션 중요성을 다룸. 분류 문제에서 베이지안 분류기가 최적이나 실제 밀도 함수를 알 수 없어 데이터 기반 접근이 필요함을 언급.
Key Points
- 강의 주제: 기계학습 연구 및 가우시안 프로세스 (Gaussian Process) 기본
- 필요 선행 지식: 벡터 미적분 (방향 미분, 행렬 미분), 최적화 (라그랑주 승수, KKT, 볼록 최적화), 확률론 (조건부 확률, ML/MAP, 켤레 사전분포), 가우시안 성질, 프로그래밍 (MATLAB, C/C++, R)
- 연구자 조언: 네트워킹의 중요성 강조 (학회 참석, 논문 리뷰, 직접적인 연락), 연구 성과의 효과적인 포장 및 커뮤니케이션 스킬 필요, 학술적 평판 관리
- 분류 이론: 베이지안 분류기가 이론적으로 최적이나, 실제 클래스 밀도 함수를 알 수 없어 데이터 기반 학습이 필요함. 베이지안 오차 정의 포함.
Related
-
Wireless Networks Design in the Era of Deep Learning Model-Based, AI-Based, or Both
-
Fast, Accurate Detection of 100,000 Object Classes on a Single Machine (Technical Supplement)
-
Eureka: Edge-Based Discovery of Training Data for Machine Learning
-
A Model-Based Approach for Crawling Rich Internet Applications
-
Problem Solving with Algorithms and Data Structures using Python (서지 정보)
-
Speech and Natural Language: Where Are We Now And Where Are We Headed
-
Accurate and Compact Large Vocabulary Speech Recognition on Mobile Devices