LINK@KoreaTech

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

  • Artificial Intelligence 101

  • 본 수업에서 활용할 프로그래밍 환경

    • anaconda 2018.12 – Python 3.7 버전 설치

    • jupyter notebook 실행

      • 적절한 작업 디렉토리 선택
      • jupyter notebook
  • 수업 교제의 Ch.1 ~ Ch.8 내용 클릭

  • 참고 교재/코드

    • LINK 랩 노트
    • 소스 코드

  • Reinforcement Learning

    • Lecture Notes

      • Markov Decision Problem, Value Function & Q-Value, Bellman Equation, Dynamic Programming
      • Monte-Carlo Learning, SARSA, Q-Learning
      • Deep Q-Learning

    • Movie Clips

      • Google Deepmind’s Atari Breakout

    • Laboratory

      • Reinforcement Learning Basic – Javascript Apps.

• 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 7 – 휴강

• May 14 – Ch. 13. 합성곱 신경망 Jupyter Notebook – 이종서, 최유진

  • 13.4 CNN 구조
  • 13.5 연습문제
  • Identity Mappings in Deep Residual Networks – 추가자료

• 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

• Professor: Youn-Hee Han (Rm. B303, Tel: 560-1486, yhhan@koreatech.ac.kr)
• Lecture Notes
  • 핸즈온 머신러닝 – 필수 구매
  • LINK 랩 노트
• Classes: Tuesday (14:00 – 17:00)
• Lecture Room: 2공학관 4층 세미나실

• Prerequisites

  • Programming background (and experience with Python) required.

• 숙제 제출 방법

  • jupyter notebook 환경에서 각 숙제별로 ipynb 파일 생성
    • jupyter (구 iPython) 사용법
  • ipynb 파일 내에 코드를 작성하고 작성한 코드 설명시에 Markdown 문법으로 입력해야 함
    • Markdown 사용법은 각자 익힐 것
      • Markdown 사용법
      • Markdown Tutorial
      • Markdown Online Editor
  • 임의의 클라우드(github, 드롭박스, 네이버클라우드)에 jupyter notebook으로 작성한 ipynb 화일 업로드
    • github 추천
      • Tip: SourceTree 툴 사용
  • 업로드한 ipynb의 URL 확보후 다음 사이트에 해당 URL을 입력
    • http://nbviewer.jupyter.org
    • 위 사이트에서 보여지는 자신의 숙제를 확인하고 해당 nbviewer URL을 숙제 게시판 본문에 글쓰기로 등록
      • 숙제 등록 URL은 반드시 http://nbviewer.jupyter.org/ 로 시작해야 함.
      • 숙제 등록 URL 예: http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/t9nmklgjkp7w4ok/kmeans.ipynb

• References (Book Report 소스)

  • 인공지능 혁명 2030 : 제4차 산업혁명과 정치혁명의 부상, 더블북, 2016년 9월
  • 4차산업혁명 인공지능 빅데이터 : 세계 최고의 인재를 키우는 기업 경영 & 관리 시스템, 경향BP, 2016년 11월
  • 미래학자의 인공지능 시나리오 – AI 미래보고서, 코리아닷컴, 2016년 10월
  • 인공지능 네트워크와 슈퍼 비즈니스 사물 인터넷, 그 다음 세상, 리더스북, 2016년 4월
  • 인공지능 컴퓨터가 인간을 넘어설 수 있을까?, 한림출판사, 2016년 9월
  • 포스터 프로보스트, 톰 포셋 (강권학 옮김), 비즈니스를 위한 데이터 과학 빅데이터를 바라보는 데이터 마이닝과 분석적 사고, 한빛미디어, 2014년 7월
  • 사토 히로유키 외 (정인식 옮김), 데이터 과학자, 무엇을 배울 것인가 : 빅 데이터 시대의 데이터 과학자 양성 독본, 제이펍, 2014년 6월
  • 니시우치 히로무 (신현호 옮김), 빅데이터를 지배하는 통계의 힘: 통계학이 최강의 학문이다, 비전코리아, 2013년 7월
  • 니시우치 히로무 (신현호 옮김), 빅데이터를 지배하는 통계의 힘: 실무활용 편, 비전코리아, 2015년 8월

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%)