[CSE34000] Machine Learning in Practice (2024 Fall)
금 9:00 - 11:30(전 B06호)
[Q&A 사이트]
수업 목표
기계학습의 기초 이론 학습 및 구현 실습
딥러닝 라이브러리를 이용한 딥러닝 모델링 및 최적화 기법 실습
다양한 딥러닝 응용에 대한 실습 제공
프로젝트를 통한 딥러닝 응용 개발 경험
중간-시험(30%)
필기도구/계산기/신분증 지참할 것
Closed book 시험임
기말-팀 프로젝트(45%)
유형: Leader board를 이용한 competition 수행(데이터셋은 추후 공개)
목표: 주어진 조건에서 모델의 성능 최대화
평가방식: 최종순위 및 발표(35%), 보고서(10%)
중간/최종 평가 시 상위 순위팀은 발표 및 모델 공개 필수
과제(20%)
총 10회(매주) 과제가 부과됨
제출기간: 해당 과제의 수업시작 시간으로부터 1주일 (예를 들어, 1월 1일 9:30분 수업에 배포된 과제는 1월 8일 9:30 까지 제출)
출석 및 태도 점수(5%)
결석/지각으로 5점이상 감점시 F학점, 1회 결석 (-1점), 1회 지각 (-0.5점)
수업에 적극적 참여시 최대 3점 추가점수 부여
윤리적 위반(수업 퇴출 및 학칙 적용)
치팅
(모델 학습 시) Test data를 학습에 사용한 경우
참고 자료
주교재1: 파이썬으로 만드는 인공지능(오일석, 이진선 저)
주교재2: PyTorchZeroToAll (Sung Kim)
GPU 활용가이드
기본적으로 대부분 딥러닝 모델은 Google Colab에서 제공하는 GPU를 활용해서 학습이 가능합니다(Google Colab은 사용이 매우 편리합니다)
중대규모 데이터를 이용한 딥러닝 모델 학습이 필요한 경우 학교 공용 GPU 클러스터를 사용할 수 있습니다.
공용 GPU클러스트 사용을 위한 [웹사이트]
Week 01
Week 02
09/13(금): 2장. 파이썬 및 구글코랩 사용법, [부록], Lab#02
Week 03
Week 04
Week 05
Week 06
Week 07
Week 08
10/25(금): 중간 시험
Week 09
Week 10
11/08(금): 딥러닝 최적화 이론 (1/2) [code] Lab#05
Week 11
Week 12
Week 13
11/29(금): Seq2Seq 및 Transformer
Week 14
12/06(금): 기말 프로젝트 최종 발표(1/2), 5, 6, 7, 8 ,9위 팀
Week 15
12/13(금): 기말 프로젝트 최종 발표(2/2), 1, 2, 3, 4위 팀