머신러닝 수업 참고자료 리스트

----------이론----------

 

OLS, Ridge, LASSO, Quantile, Logistic Regression들의 특징 및 차이점이 뭘까요?

 

 

Uncertainty Quantification(불확실성의 정량화)

 

Kernel Method(Feature Mapping, Kernel, Kernel Trick)

머신러닝에서의 이상 탐지 종류(Anormaly Detection)

 

Explainable AI & Interpretable ML

 

최적화 함수 종류 및 개념(Optimization Function)

 

 

머신러닝/딥러닝 하이퍼파라미터 최적화(ML/DL Hyperparameter Optimization) -작성중-

 

 

 

----------실습-----------

Pytorch Lightning 사용가이드 및 코드 예시(Scene Classification Dataset)

 

머신러닝 Cross Validation 구현하기, 파이썬 코드 예시(K-fold, sklearn.model_selection.RepeatedKFold)

 

 

Pytorch Resnet 예시코드(CNN, Resnet18, Cats and Dogs Dataset, Augmentation)

R-CNN(Regions with Convolutional Neuron Networks features) 모델 개념 설명

Fast R-CNN(Fast Regions with Convolutional Neuron Networks features) 모델 개념 설명

Faster R-CNN(Faster Regions with Convolutional Neuron Networks features) 모델 개념 설명

[XAI/Python] SHAP(SHapley Additive exPlanations)

 

 

 

모델	Linear Regression (Rige, Lasso)	Trees (RF, XGBoost)	Kernel Regression	Gaussian Process	Neural Networks
Parametric 유무	Parametric	Nonparametric	Nonparametric	Nonparametric	Parametric
예측하는 것	point prediction	point prediction + Empirical prediction uncertainty (여러개의 트리를 활용할 경우)	point prediction	predictive distribution (confidence interval)	point prediction
hyperparameter tunning	CV	CV	CV	Marginal likelihood Maximization or CV	CV
복잡도			O(n3)

point prediction : 하나의 값을 예측하는