Enroll Course: https://www.coursera.org/learn/ntumlone-algorithmicfoundations
안녕하세요! 오늘은 Coursera에서 제공하는 기계 학습 기초 과정을 자세히 살펴보려 합니다. 이 과정은 ‘機器學習基石下 (Machine Learning Foundations)—Algorithmic Foundations’라는 이름을 가지고 있습니다. 기계 학습은 데이터를 통해 컴퓨터가 성능을 스스로 개선할 수 있게 하는 학문입니다. 이 과정은 기계 학습 사용자에게 가장 필요한 알고리즘, 이론 및 실용 도구를 가르치는 데 중점을 두고 있습니다.
이 과정은 두 개의 자매 과정 중 두 번째 과정으로, 알고리즘적 도구에 더 중점을 두고 있습니다. 첫 번째 과정에서는 수학적 도구를 주로 다룹니다.
### syllabus
1. **Linear Regression**: 선형 가설에 대한 가중치 벡터 및 분석적 해법으로 즉시 계산되는 제곱 오차.
2. **Logistic Regression**: 교차 엔트로피 오차에서의 경량 하강법을 사용하여 좋은 로지스틱 가설을 얻습니다.
3. **Linear Models for Classification**: 이진 분류를 위한 (로지스틱) 회귀; OVA/OVO 분해를 통한 다중 클래스 분류.
4. **Nonlinear Transformation**: 비선형 모델을 비선형 특징 변환과 결합하여 선형 모델을 사용하지만 모델 복잡도에 주의해야 합니다.
5. **Hazard of Overfitting**: 과도한 파워, 확률적/결정론적 노이즈 및 제한된 데이터로 인해 과적합이 발생할 수 있습니다.
6. **Regularization**: 모델 복잡성을 제한하는 효율적인 정규화를 추가한 오류를 최소화합니다.
7. **Validation**: 테스트 절차를 시뮬레이션하기 위해 (교차적으로) 유효성 검증 데이터를 예약하여 모델 선택을 수행합니다.
8. **Three Learning Principles**: 모델 복잡성, 데이터 품질 및 전문성에 대한 인식을 강조합니다.
이 과정은 초보자부터 중급자까지 기계 학습에 대한 기초 지식을 탄탄히 하고 싶은 모든 분들에게 강력히 추천합니다. 다양한 알고리즘을 배우고, 실제 사례를 통해 적용하는 방법을 익힐 수 있습니다. 또한, 이 과정은 실습과 이론이 잘 조화되어 있어 학습하기에 매우 좋은 환경을 제공합니다.
기계 학습에 입문하고 싶은 분들은 꼭 한 번 들어보기를 권장합니다. 추가로 특정 알고리즘에 대한 심화 학습이 필요하다면 첫 번째 과정인 ‘수학적 기초’와 함께 수강하면 좋습니다.
여러분도 기계 학습의 세계에 발을 내딛어 보세요!
Enroll Course: https://www.coursera.org/learn/ntumlone-algorithmicfoundations