Topics in Artificial Intelligence (2019 Spring – 240030)

“Student-teacher relationships are based on trust. Acts, which violate this trust, undermine the educational process. Your classmates and the instructor will not tolerate violations of academic integrity”

1. Course Schedule & Lecture Notes

  • March 05 – 과목 소개 및 anaconda(Python) + jupyter(ipython) 코딩 환경 구축

  • March 12 – Ch. 9 텐서플로 시작하기 Jupyter Notebook

    • 9.1 설치
    • 9.2 첫 번째 계산 그래프를 만들어 세션에서 실행하기
    • 9.3 계산 그래프 관리
    • 9.4 노드 값의 생애주기
    • 9.5 텐서플로를 이용한 선형 회귀
    • 9.6 경사 하강법 구현
    • 9.7 훈련 알고리즘에 데이터 주입
  • March 19 – Ch. 9 텐서플로 시작하기 Jupyter Notebook – 허주성

    • 9.8 모델 저장과 복원
    • 9.9 텐서보드로 그래프와 학습 곡선 시각화하기
    • 9.10 이름 범위
    • 9.11 모듈화
    • 9.12 변수 공유
    • 9.13 연습문제
  • March 26 – Ch. 10. 인공 신경망 소개 Jupyter Notebook – 최호빈, 김용규

    • 10.1 생물학적 뉴런에서 인공 뉴런까지
    • 10.2 텐서플로의 고수준 API로 다층 퍼셉트론 훈련하기
    • 10.3 텐서플로의 저수준 API로 심층 신경망 훈련하기
    • 10.4 신경망 하이퍼파라미터 튜닝하기
    • 10.5 연습문제
  • April 2 – Ch. 11. 심층 신경망 훈련 Jupyter Notebook – 황규영

    • 11.1 그래디언트 소실과 폭주 문제
    • 11.2 미리 훈련된 층 재사용하기
    • 11.3 고속 옵티마이저
  • April 9 – Ch. 11. 심층 신경망 훈련 Jupyter Notebook – 윤준석, 사재민

    • 11.4 과대적합을 피하기 위한 규제 방법
    • 11.5 실용적 가이드라인
    • 11.6 연습문제
  • April 16 – Ch. 12. 다중 머신과 장치를 위한 분산 텐서플로 Jupyter Notebook – 김주봉

    • 12.1 단일 머신의 다중 장치
    • 12.2 다중 머신의 다중 장치
  • April 23 – Ch. 12. 다중 머신과 장치를 위한 분산 텐서플로 Jupyter Notebook – 임현교

    • 12.3 텐서플로 클러스터에서 신경망 병렬화하기
    • 12.4 연습문제
  • April 30 – Ch. 13. 합성곱 신경망 Jupyter Notebook – 김동우, 황상원

    • 13.1 시각 피질의 구조
    • 13.2 합성곱층
    • 13.3 풀링층

  • May 21 – Ch. 14. 순환 신경망 Jupyter Notebook – 권도형, 이복주

    • 14.1 순환 뉴런
    • 14.2 텐서플로로 기본 RNN 구성하기
    • 14.3 RNN 훈련하기
    • 14.4 심층 RNN
  • May 28 – Ch. 14. 순환 신경망 Jupyter Notebook – 윤성진, 신현엽, 조든솔

    • 14.5 LSTM 셀
    • 14.6 GRU 셀
    • 14.7 자연어 처리
    • 14.8 연습문제

  • June 4 – Ch. 15. 오토 인코더 Jupyter Notebook – 이승기, 김한진

    • 15.1 효율적인 데이터 표현
    • 15.2 과소완전 선형 오토인코더로 PCA 수행하기
    • 15.3 적층 오토인코더
    • 15.4 적층 오토인코더를 사용한 비지도 사전훈련
    • 15.5 잡음제거 오토인코더
  • June 11 – Ch. 15. 오토 인코더 Jupyter Notebook – 손지원, 전종구

    • 15.6 희소 오토인코더
    • 15.7 변이형 오토인코더
    • 15.8 다른 오토인코더들
    • 15.9 연습문제
  • June 18 – [기말고사]

    • 다음 Keggle 데이터 분석 목표 중 택 1

      • https://www.kaggle.com/c/cifar-10/leaderboard

        • 조건 1: 정확도 (Accuracy) 기준 93.2% 이상 달성
        • 조건 2: 본인 모델 & 전략에 대한 정확한 설명 (Transfer Learning 사용 금지)
      • https://www.kaggle.com/mczielinski/bitcoin-historical-data

        • 조건 1: 2019년 3월 부터 현재까지의 Bitcoin 가격 예측 (Full Prediction) 및 실제 데이터와의 비교 분석
        • 조건 2: 본인 모델 & 전략에 대한 정확한 설명
    • 제출 방법
      • Google Colab 노트의 URL을 이메일로 제출
    • 제출 기한
      • 6월 16일 (일요일)

2. Course Information

3. Logistics

  • Attendance – One class absence will result in the deduction of two points out of 100 points. Three absences will not result in six points deduction, but “failure” (i.e., grade ‘F’) in this course.
  • Exam – There will be the final exam for the evaluation of the knowledge learned from the class.
  • Home Works – Much evaluation mark will be counted.

4. Evaluation

  • Attendance (10%)
  • Presentation (and Homeworks) (40%)
  • Final Examination (50%)