[공지] 파비클래스 운영 방침 – 과목개설

1964

2020년 전면 개편 공지 시리즈

2020년 3월부터 개편되는 분기별 강의 계획입니다.

기존의 수학 & 통계학 for 데이터 사이언스, 데이터 사이언스 기본 강좌, 데이터 사이언스 모델링 강좌는 아래의 분할된 강의로 바뀝니다. (기존 강의 수강자 분들은 복습용 동영상에 아래 확장된 내용이 추가될 예정입니다.)

강의 주제는 MOOC나 외부 교육기관에서 보시던 내용과 유사할 수 있습니다만, 강의 내용은 수리통계학적으로 훈련이 된 분들에게 직관을 심어드리면서 각각의 머신러닝 주제들을 훑어가는 강의입니다.

  • 코딩 강좌가 필요하신 분들은 강남 일대의 1달 완성 강의들을 찾아가시고,
  • 수학적 이해에 관심없는 분들은 MOOC 강의들에서 가성비 높은 만족을 얻으실 수 있을겁니다.

파비 클래스의 강의는 단순 피상적인 지식을 전달하는 강의가 아닙니다.

학부 고학년 수준의 수리통계학 기초를 바탕으로, 직관적으로 모델을 이해해서, 어떤 데이터 사이언스 문제를 만나도 모델을 “갖다 쓰는” 수준이 아니라 모델을 “응용 하는” 수준이 될 수 있도록 지적인 훈련을 하는 강의입니다.

무슨 뜻인지 모르겠다구요? “파비클래스 운영방침 – 강의 철학” 후반부의 SVM, RL 관련 예제에서 풀어나간 수리통계학적 해석이 이해되지 않으면 본인의 머신러닝 모델 이해도가 “갖다 쓰는” 수준이라는 겁니다. (몰라도 부끄러워할 필요는 없습니다. 한국 땅에 그 깊이로 모델을 이해하는 사람 숫자는 많지 않으니까요.)

  • 각각의 주요 과목별 필수 수학을 수업 시작 전에 기초 수학 수업으로 배치해두었으니 참고하시기 바랍니다
  • 모든 강의는 실강 3주일 전에 동영상으로 공개됩니다
  • 모든 실강은
    • 동영상 강의를 듣고 이해가 어려웠던 부분에 대한 보조 강의입니다
    • 동영상 강의를 꼼꼼하게 들었다는 전제아래 빠른 속도로 진행됩니다
    • 1강좌 당 최대 16명만 받습니다

 

수학 & 통계학 기초 강의

4개 분과 과목

  • 수학 – 함수론, 벡터론, 최적화
  • 통계학 – 분포함수, 가설검증, 변수의 내생성, 도구변수
  • 시계열 – 계절성, 자기상관성
  • 베이지안 기초 – 개념 이해, K-L Divergence, E-M Optimization

 

데이터 사이언스 Basic

강의 주제

  • Regression, Logit vs. Probit, Over-confidence, Regularization as a penalty
  • SVM, Imbalanced Data, Sub-sampling, Precision-Recall, Anomaly Detection
  • K-NN, K-Means, PCA
  • Decision Tree, Ensemble, Stacking, Association Rule

 

DNN용 기초 수학

2개 분과 과목

  • Factor Analysis – PCA vs. FA, Latent Variables
  • Graph Theory – Tree models, Network models

 

Deep Neural Networks (DNN)

강의주제

  • Neural Network Basic
  • Autoencoder
  • CNN, GAN
  • RNN, LSTM, LSTM extensions

Pre-requisite

  • 데이터 사이언스 Basic,
  • Factor Analysis,
  • 시계열

 

Bayesian Extensions

강의주제

  • Bayesian SideNote  – 데이터 사이언스 Basic에서 배운 모델들의 재해석
  • LDA
  • Bayesian DNN
  • 기타 Bayesian 주제

Pre-requisite

  • 데이터 사이언스 Basic
  • DNN
  • 베이지안 기초

 

Reinforcement Learning용 기초 수학

2개 분과 과목

  • 게임이론
  • Dynamic Optimization, Change of measure 등 기타 RL관련 수식 이해를 위해 필요한 수학

 

Reinforcement Learning

강의주제

  • Reinforcement Learning basic, Experience Replay, Actor-Critic
  • Multi-Armed Bandit vs. A/B Test, Thomson Sampling
  • Multi-Task Learning
  • Recommendation Engine
  • FTRL, 기타 RL 관련 Literature 택 1

Pre-requisite

  • Reinforcement Learning용 기초 수학
  • 시계열
  • 베이지안 기초

 

분기별 발표 수업

강의 주제 – 고급 데이터 사이언스 관련 주제

예정 수업 주제

  • Data Preprocessing & Feature Selection
  • Time Series Advanced
  • Game Theory to Data Science
  • Computational Modeling
  • 중 택2 (추후 공지)
  • 매 분기별 주제 변경

 

분기별 발표 수업 중 발표 희망자

  • 분기별 발표 수업에 발표자로 잠가하고 싶은 분은 강의 1개월 전까지 admin@pabii.co.kr로 연락주시기 바랍니다
  • 기본 강의료는 100만원입니다