기계학습 (Machine Learning), 2026
사람이 규칙을 직접 작성하기 어려운 문제를 데이터로부터 학습해 푸는 방법을 배웁니다. 선형·로지스틱 회귀에서 출발해 신경망, 결정 트리, 비지도학습, 추천 시스템, 강화학습까지 오늘날 실제로 쓰이는 핵심 알고리즘을 다루고, 각 알고리즘을 직접 코드로 구현하며 실제로 잘 동작시키기 위한 실용적 요령(모델 평가, 편향·분산 진단, 오류 분석)을 익힙니다.
강의 정보
- 담당 교수: 전민석 (Minseok Jeon)
- 실습 환경: Python 3 · NumPy · scikit-learn · TensorFlow · XGBoost
- 개발 도구: Visual Studio Code + Claude Code 확장