detail.md

수업 관련

• 월화 12:00-13:30, 센B108
• 수업방식: 이론과 실습
• 실습프로그램언어: Python
• 실습-라이브러리: PyTorch, Sklearn, OpenCV, Pandas 등
• 실습-툴: Colab + Kaggle
• 파이썬 온라인 강좌 인증 관련: 머신러닝을 위한 Python - Pythonic Code, Linear Algebra, 과제, 퀴즈1 까지 인증

참고

• 2019년도 인공지능 수업
  • https://github.com/sejongresearch/2019.Spring.AI
• 2019년도 기계학습 수업
  • https://github.com/sejongresearch/2019.Fall.PatternRecognition

커리큘럼

• [1-1] 수업 개요
  • 소프트웨어 1.0 vs 소프트웨어 2.0
  • 수업용 깃허브 설명, 프로젝트 용 깃허브 설명
• [1-2] 수업 개요
  • 지능기전공학부의 AI 교육 철학 소개
  • AI 공부의 단계 (중등레벨, 학부레벨, 석사레벨, 박사레벨, 전문가레벨)
  • 단계별 인공지능 접근법 vs 단계별 코딩 교육법
  • 정부의 인공지능 인력 양성 계획 설명
• [2-1] 모두를 위한 인공지능, 중등레벨 AI: Teachable Machine with Google
  • [Video-PreLab]building AI for Everyone | Jeff Dean Senior Fellow in Google AI
  • 인공지능 SW 설계과정 설명하고 Teachable AI를 통한 스크래치형 코딩을 통해 인공지능 맛보기
  • 영상, 음성 분류문제
• [2-2] 모두를 위한 인공지능, 중등레벨 AI: Teachable Machine with Google
  • 실전 프로젝트 해보기
  • 사례보여주기
  • 문제 발굴형 인재가 되어보자. AI로 해결가능한 사회문제를 정의하고 해결해 보자.
    • Feasibility 를 빠르게 보기 좋은 사례
    • Teachable AI를 이용한 프로젝트 제안 및 해결(리포트는 깃허브에) 그리고 발표 (과제1)-4주차마감
    • [참고문헌] https://medium.com/@warronbebster/teachable-machine-tutorial-bananameter-4bfffa765866
• [3-1] 전공자를 위한 인공지능, 학부레벨 AI: 더 잘 분류해보자
  • 인공지능 SW 설계과정을 다시 설명하고, 학부레벨AI는 데이터 가공과 모델을 더 잘 설계하는 과정임을 설명
    • 더 잘 분류된다는 논문, 책, 보고서를 이해하고 따라해보자.
  • 분류와 회귀의 정의를 설명
  • 분류와 회귀 문제를 이용한 인공지능 활용처 다시 한번 설명 후 캐글에서 어떤 실전 문제들이 풀고 있는지 살펴 보도록 할 것 (과제2)
  • 석사레벨, 박사레벨의 AI를 설명하고 실제로 그 경계는 없으며 본 수업에서는 학부레벨 AI 만을 다룬다는 것을 명시
  • 석사레벨, 박사레벨의 AI를 배우기 위해서는 개별 스터디, 동아리, 대학원 등의 과정을 통해 배울 수 있음을 알려줄 것
• [3-2] 인공지능을 위한 수학
  • 선형대수, 행렬 연산 (부족하면 동영상 강의 추천)
  • 최적화의 개념 (부족하면 동영상 강의 추천)
    • 인공지능에 사용되는 Loss 설명
• [4-1] 데이터 시각화와 Pandas
  • 데이터 시각화의 중요성
  • Kaggle, Dacon의 실전 문제의 데이터를 시각화 하여 분석 후 Teachable AI 사용 가능?
  • Pandas cheatsheet으로 알아보는 실습
    • https://github.com/corazzon/cracking-the-pandas-cheat-sheet
• [4-2] 데이터 시각화와 Pandas
  • Pandas cheatsheet으로 알아보는 실습
  • 캐글 + 판단스의 만남 (과제3)
    • https://programmers.co.kr/learn/courses/21/lessons/1693#
• [5-1] 선형 회귀
• [5-2] 선형 회귀
• [6-1] 선형 분류
• [6-2] 선형 분류
• [7-1] 중간 이론 시험
• [7-2] 중간 실기 시험
• [9-1] 뉴럴 네트워크
• [9-2] 뉴럴 네트워크
• [10-1] 뉴럴 네트워크
• [10-2] 뉴럴 네트워크
• [11-1] CNN
• [11-2] CNN
• [12-1] CNN
• [12-2] CNN, 개별 텀프 주제 발표, 캐글리더보드에서 시작
• [13-1] RNN
• [13-2] RNN
• [14-1] RNN (ICRA2020 참석으로 13주차에 보강)
• [14-2] RNN (ICRA2020 참석으로 13주차에 보강)
• [15-1] 기말 이론 시험
• [15-2] 기말 실기 시험
• [16-1] 텀프로젝트 리더보드 마감
• [16-2] 텀프로젝트 보고서 마감

텀 프로젝트 관련

• 논문 구현
  • 1. Caltech 101 Classification with Deep Learning
    • Pytorch 를 통해 직접 구현, Pretrained Model 사용 허용
    • 기본점수 및 가산점 가이드 라인은 수업 중 공개
  • 2. ImageNet Classification with Deep Convolutional Neural Networks, NIPS2012
    • Pytorch 를 통해 직접 구현, Pretrained Model 사용 허용
    • 기본점수 및 가산점 가이드 라인은 수업 중 공개