분야
강의자임일, 이상엽, 송민
수료증발급
신청기간1970-01-01 ~ 1970-01-01
학습기간2022-06-01 ~ 2022-08-31
학습언어한국어 (ko)
[강좌 개요]
현재 개설되어 있는 연세-네이버 클라우드 데이터 사이언스 과정의 심화과정으로 데이터 분석에 대한 더 전문적인 내용을 다룹니다.
[강좌 목적]
데이터 분석의 기초과정을 수강하고 더 전문적인 데이터 분석을 학습하고자 하는 사람들을 위한 강의입니다. 데이터 분석의 주요 분야인 딥러닝, 추천시스템, 자연어 처리에 대해서 심도있는 이론과 이를 코딩으로 구현하는 방법을 학습하는 것을 목표로 합니다.
[교수자 소개]
연세대학교 디지털애널리틱스 융합학과 이상엽 교수
연세대학교 디지털애널리틱스 융합학과 송민 교수
연세대학교 디지털애널리틱스 융합학과 임일 교수
[상세 커리큘럼]
1과목: 딥러닝
|
주제명 |
차시명 |
키워드 |
강의자 |
콘텐츠 분량 |
1 |
딥러닝 기본 |
1-1. 딥러닝 기본 |
신경망, 오차역전파, 활성화 함수, Optimizers, 과적합문제, 가중치초기화 |
이상엽 |
1시간 32분 35초 |
2 |
Convolutional Neutral Network |
2-1. CNN 소개 |
CNN, 합성곱 필터, 이미지 데이터 |
이상엽 |
1시간 33분 39초 |
3 |
CNN:사전학습모형 사용하기 |
3-1. 사전학습모형 사용하기 |
사전학습모형, 전이학습, 미세조정 |
이상엽 |
1시간 19분 29초 |
4 |
Object detection |
4-1. Object detection |
Object detection, SSD |
이상엽 |
52분 53초 |
5 |
RNN과 LSTM 소개 |
5-1. RNN과 LSTM 소개 |
RNN, LSTM, Bidirectional LSTM, seq2seq, 텍스트 데이터 |
이상엽 |
1시간 28분 40초 |
6 |
Transformer & Attention |
6-1. Attention & Transformer |
Encoder-decoder attention, Self-attention Transformer |
이상엽 |
1시간 29분 9초 |
총 콘텐츠 분량 |
8시간 16분 25초 |
2과목: 추천시스템
|
주제명 |
차시명 |
키워드 |
강의자 |
콘텐츠 분량 |
1 |
추천시스템 개요 |
1-1. 추천시스템이란? |
추천 |
임일 |
22분 27초 |
1-2. 협업필터링 기초 |
CF, CB, KB |
21분 11초 |
|||
1-3. 협업필터링 최적화 |
neighbor, neighbor size, Item-based,
User-based |
21분 32초 |
|||
2 |
행렬요인화(Matrix factorization: MF) 추천 |
2-1. MF의 원리 |
MF |
임일 |
16분 15초 |
2-2. MF의 구현과 최적화 |
SGD, Class, Hyper parameter |
30분 22초 |
|||
3 |
SVD & SVD++ |
3.1. SVD와 SVD++ |
SVD, SVD++ |
임일 |
6분 6초 |
3.2 SVD++ 구현 |
SVD++ |
5분 49초 |
|||
4 |
Binary data 이용 |
Bianry data로 추천하기 |
binary data |
임일 |
16분 |
5 |
Deep learning을 이용한 추천 |
Keras로 MF 구현 |
Keras, encoding |
임일 |
12분 49초 |
DL로 추천 |
Layer |
임일 |
28분 31초 |
||
6 |
Hybrid 추천 시스템 |
Hybrid 추천 |
hybrid, CF + MF 추천 |
임일 |
17분 31초 |
7 |
대용량 데이터 처리 |
Sparse matrix 사용 |
sparse matrix |
임일 |
10분 42초 |
8 |
최근 동향 |
최근 추천 시스템 동향 |
- |
임일 |
13분 45초 |
총 콘텐츠 분량 |
3시간 43분 |
3과목: 자연어처리
|
주제명 |
차시명 |
키워드 |
강의자 |
콘텐츠 분량 |
1 |
한글 전처리 |
1-1. 문장 구조 분석 |
구문분석, sentence parsing, constituency parsing, phrase structure grammar |
송민 |
9분 5초 |
1-2. KoNLPy를 사용한 한글 명사 빈도 계산 |
Mecab, Komoran, Okt,
Kokoma |
17분 50초 |
|||
1-3. 파이썬 wordcloud를 사용한 한글 명사 시각화 |
lemmatization,
stopwords removal |
6분 12초 |
|||
1-4. 코드 실습을 위한 가이드라인 |
- |
15분 52초 |
|||
2 |
한글 핵심어 추출 |
2-1. 한글 핵심어 추출(TextRank) |
co-word network, centrality |
송민 |
29분 36초 |
3 |
토픽 모델링 |
3-1. 토픽 모델링 소게 |
LDA, Gibb’s sampling |
송민 |
13분 47초 |
3-2. LDA 이론적 배경 |
DMR, 토픽 시계열 분석 |
21분 41초 |
|||
3-3. Dirichlet Multinomial Regression(DMR) |
시각화 |
34분 56초 |
|||
4 |
한글 감성 분석 |
4-1. 감성분석 기법 |
sentiment dictionary |
송민 |
10분 39초 |
4-2. Sentiment Analysis with Unsupervised Learning |
deep learning, sentiment analysis |
10분 48초 |
|||
4-3. 사전기반 한글 감성 분석 |
- |
12분 36초 |
|||
5 |
기계번역 |
5-1. 기계번역(Machine Translation) |
named entity recognition, CRF |
송민 |
15분 18초 |
5-2. Neural Machine Translation(NMT) |
Learning, Prediction |
43분 14초 |
|||
6 |
개체명 인식 |
6-1. 개체명 인식(Named Entity Recognition) |
Attention layer, language translation |
송민 |
14분 45초 |
6-2. Transformer 이전의 딥러닝 기반 개체명 인식 기법 |
Korean to English translation,
English to Korean translation |
21분 50초 |
|||
6-3. BERT(Bidirectional Encoder Representation from Transformers) |
- |
18분 45초 |
|||
6-4. BERT + CRF for NER |
- |
16분 42초 |
|||
총 콘텐츠 분량 |
5시간 13분 36초 |
본 강좌는 디지털애널리틱스 융합학과에서 주관하고 있습니다.
문의 :
연세대학교 교무처 교수학습혁신센터 (02-2123-4201~4205)
연세대학교 LearnUs 추진팀 (learnus_office@yonsei.ac.kr)
포인트 사용
10,000포인트 적립
- 이수조건
- 수료조건
분야
강의자임일, 이상엽, 송민
수료증발급
학습기간2022-06-01 ~ 2022-08-31
학습언어한국어 (ko)