2011년 1학기 CS570 Artificial Intelligence – 필기 자료

By | 2012/02/27

  석사 입학 후 들었던 과목 중 하나입니다. 이 과목에서는 이름에서 알 수 있듯 인공지능에 관련된 전반적인 것들을 배울 수 있었습니다. 교과서는 2010년에 배우려고 했던 것이었습니다. 이를 수업으로 들을 수 있어 전보다 더 쉽게 이해할 수 있었습니다.

  여기에는 교수님께서 설명하신 것들을 필기한 자료들을 올립니다. 학부 때와 달리 수업에 큰 비중을 두지 않았기에 적지 못한 필기도 있지만, 어느 정도는 도움이 되지 않을까 하여 이렇게 스캔하여 보관하였습니다.

  1. Course Introduction이라는 제목입니다. 말 그대로 수업 전반적인 내용들이 있스니다.
  2. Supervised Learning이라는 제목입니다. Vapnik-Chervonenkis (VC) Dimension, PAC Learning, Regression, Model Selection에 관한 얘기가 적혀 있습니다.
  3. Bayesian Decision Theory이라는 제목입니다. Losses, Risks, Utilities, Bayes Rule, Value of Information, Bayesian Networks에 관한 얘기가 적혀 있습니다.
  4. Parametric Method라는 제목입니다. Maximum Likelihood Estimation, Regression, Parametric Classification, Bias-Variance Dilemma, Model Selection에 대한 얘기가 있습니다.
  5. Multivariate Methods라는 제목입니다. 말 그대로 Multivariate Data를 다루는 것에 대한 얘기가 있으며, 특히 Multivariate Normal Distribution과 연관되어 얘기가 나와 있습니다.
  6. Dimensionally Reduction이라는 제목입니다. Principal Component Analysis (PCA), Factor Analysis (FA), Linear Discriminant Analysis (LDA), Fisher Linear Discriminant, Multidimensional Scaling (MDS)에 관한 설명이 있습니다.
  7. Clustering이라는 제목입니다. k-Means Clustering, Expectation-Maximization (EM) algorithm 등의 얘기가 있습니다.
  8. Nonparametric Methods이라는 제목입니다. k-Nearest Neighbor Estimator, Condensed Nearest Neighbor 등에 관한 얘기가 있습니다.
  9. Linear Discrimination이라는 제목입니다. 앞에는 Linear discrimination에 관한 얘기가 있고, 뒷부분에 Support Vector Machine에 관한 설명이 있습니다.
  10. Decision Trees라는 제목입니다. 말 그대로 Decision Tree에 대한 설명이 있습니다.
  11. Multi-layer Perceptrons이라는 제목입니다. Neural Network, Single-Layer Perceptron, Multi-layer Perceptrons, Back-Propagation 등에 관한 설명이 있습니다.
  12. Local Models이라는 제목입니다. Online K-Means, Adaptive Resonanace Theory, Self-Organizing Map, Radial-Basis Function Network 등에 관한 설명이 있습니다.
  13. Ensemble Learning이라는 제목입니다. Voting, Stacking, Error-Correcting Output Codes, Bagging, Boosting, AdaBoost Algorithm에 관한 설명이 있습니다.
  14. Reinforcement Learning이라는 제목입니다. 말 그대로 여기에 관한 내용이 있으며, 사실 이 부분은 2011년 2학기에 같은 제목의 수업에서 좀 더 자세히 다루었기에 이를 확인하면 좋을 것 같습니다.
  15. 중간고사 정리본입니다.

CS570 AI Lecture 01 Course Introduction.PDF

CS570 AI Lecture 02 Supervised Learning.PDF

CS570 AI Lecture 03 Bayesian Decision Theory.PDF

CS570 AI Lecture 04 Parametric Methods.PDF

CS570 AI Lecture 05 Multivariate Methods.PDF

CS570 AI Lecture 06 Dimensionality Reduction.PDF

CS570 AI Lecture 07 Clustering.PDF

CS570 AI Lecture 08 Nonparametric Methods.pdf

CS570 AI Lecture 09 Linear Discrimination.pdf

CS570 AI Lecture 10 Decision Trees.pdf

CS570 AI Lecture 11 Neural Networks.pdf

CS570 AI Lecture 12 Local Models.pdf

CS570 AI Lecture 13 Ensemble Learning.pdf

CS570 AI Lecture 14 Reinforcement Learning.pdf

CS570 AI midterm 정리.pdf

Leave a Reply