π2021 TU Berlin Winter Course μκ° νκΈ°
TU Berlin Winter University Online 2021
μ¬μ€ ML/DL μΉ΄ν κ³ λ¦¬μλ 곡λΆλ΄μ©λ§ μ μλ €κ³ νμΌλ κ΄λ ¨ μμ μ λ€μ νκΈ°λ μ¬κΈ°μ μ 리νλ©΄ μ’μ κ² κ°μ μ¬κΈ°μ λΆλ₯νλ€. νμ μμ μμ λ°°μ΄ λ΄μ©λ€λ μ°¨κ·Όμ°¨κ·Όν μ 리ν΄λ³Ό μμ μ΄λ€.
μμ μ μ²νκ² λ κ³κΈ°μ κ³Όμ (Before the course)
νκ΅μμ μ§μν΄μ£Όλ κ΅ννμμ΄λΌλκ° ν΄μΈ νμ μμ μ μΈμ λ νκ³ μΆμμ§λ§ νμ λ°λͺ©μ μ‘μ 건 μμ΄μλ κ² κ°λ€. μμ΄..μ½κ³ μ°λ κ²λ μ’μνκ³ λ£λ κ²λ λ€ μμλ£μ§ λͺ»ν΄λ μ΄λμ λλ λλλ° νμ βλ§νκΈ°βκ° λ¬Έμ μλ€. μ¬μ€ μ²μ± λ΄ν₯ν μΈκ°μ΄λΌ νκ΅μ΄λ‘λ λ§μ μλ μ λͺ»νλλ° μμ΄λ λλμ± μμ μ΄ μμλ€. κ²λ€κ° νκ΅μμ μ§μνλ νλ‘κ·Έλ¨λ€μ λ΄κ° μμ΄λ₯Ό μνλμ§ μ¦λͺ μ ν΄μΌνλλ° ν ν μ€λΉλ§νμ λΏ μ μ μνμ μλ΄€λ€. κ³μ λ€λ₯Έ μΌμ μ°μ μμκ° λ°λ¦¬κ³ μνλΉλ κ·Έλ₯ νλ² μλν΄λ³΄κΈ°μ λ§λ§μΉ μμμκ° λ³λͺ μ΄λΌλ©΄ λ³λͺ μ΄μλ€. μ΄μ¨λ μ격μ¦μ΄ μμΌλ μ§μμ격μμ²΄κ° μλ¬μλ€.
κ·Έλ°λ° μμ΄ μ격μ¦μ΄ μμ΄λ μ§μν μ μλ νλ‘κ·Έλ¨μ΄ νλ μκ²Όκ³ μ½λ‘λλ‘ μΈν΄ μ¨λΌμΈμ΄κΈ΄ νμ§λ§ μ§μνλ€. λ§μ§λ§ 4νλ
λ§ λ¨μκΈ°μ μ΄λ²μ΄ λ§μ§λ§μΌ μλ μλ€λ μκ°λ μμλ€. λ€μ μ μλ μμ
μ΄ 4κ°κ° μμλλ° λ°μ΄ν° μ¬μ΄μΈμ€/μκ°ν
λΆμΌ μμ
κ³Ό λ¨Έμ λ¬λ μ΄λ‘ /μ μ©
λΆμΌ μμ
μ€μ κ³ λ―Όμ νλ€. κ²°κ³Όμ μΌλ‘λ λ¨Έμ λ¬λ μ΄λ‘ /μ μ©
μ μ ννλ€. μ΄μ λ μλμ κ°μλ€.
- Syllabusμ μ΄λ―Έ μκ³ μλ λ΄μ©λ€μ΄ μ’ λ λ§μκΈ°μ νΉμ λμΉλλΌλ λ€μ³μ§μ§ μμ κ² κ°μμ + μμ΄λ‘ μν΅νλ κ²μ μ’ λ μ§μ€ν μ μμ
- Feature Engineering λΆλΆμ΄λ Unsupervised Learningκ³Ό κ°μ μ€μ μ μ©μ λ§μ΄ ν΄λ³΄μ§ μμ λΆλΆλ€μ λ€μ§λ κΈ°ν
- Lecturer μ€μ μ 곡λΆμΌκ° Reinforcement Learningμ΄μ λΆμ΄ μμ΄μ (νΉμλΌλ μΉν΄μ§λ©΄) μ΄κ²μ κ² λ¬Όμ΄λ³Ό μ μμ§ μμκΉλΌλ μκ°
κ·Έλμ νκ΅μ μ§μμ λ£κ³ ν©κ²©μ΄ λ κΉ μλ κΉ κ±±μ λ° μ€λ λ°μ΄μλλ°, λ΄λΉ κ΅μλκ³Ό νΈνκ² μΉ΄ν‘μμν΅νλ‘ λ©΄μ μ λ³΄κ³ λν νμΎν νλ½ν΄μ£Όμ ¨λ€. λ€νμ΄μλ€. μ΄μ λ μΌ νκ΅μ μ§μμλ₯Ό μμ±νλλ° λ¬Έμ κ° νλ μμλ€. μ§μμ μμ΄μ€λ ₯μ μ¦λͺ νλΌλ μΉΈμ΄ μμλλ° μμ μ¨λμ κ²κ³Ό κ°μ΄ λ μ격μ¦μ΄ μμκΈ°μ λ μ μΆνλΌλ λ§μΈμ§ μ΄ν΄νμ§ λͺ»νλ€. κ·Όλ° μ»¨νν΄μ£Όμ κ΅μλμ΄ λΆλͺ μμ΄ μ격μ¦μμ΄λ κ°λ₯νλ€κ³ νμ ¨λ κ² κ°μλ°..λκΉβ¦κ³ λ―Όμ νλ€κ° νκ΅μμ μ΄μν κ³Όλͺ©λ€ λͺ©λ‘μ λ½μλ€. κ·Έμ€μλ μκ΅μΈ κ΅μλμ΄ μμ νμ (λ¬Όλ‘ μμ΄λ‘ μ§νλ) μκ΅λ¬Έν μμκ°κΈ°λΌλ κ΅μ μμ λ μμκ³ , νμ μ΄μκ³Όλͺ©μΈ λνμμ΄, μ 곡과λͺ©μ΄μ§λ§ μμ΄λ‘ μ§νν μμ λ€λ μμλ€. κ·Έλμ νκΈ°λ³ λ΄κ° λ€μ βμμ΄βμ κ΄λ ¨λ μμ λͺ©λ‘λ€μ νλνλ μ€λͺ νλ λ³΄κ³ μ(?)λ₯Ό μμ±νμ¬ βμ΄λ° μμ΄λ‘ μ§νλ μμ λ€μ μ μ΄μνμμΌλ λ μμ΄λ‘ μν΅κ°λ₯νλ€βλΌκ³ μ΄ννλ€. λ€ννλ κ·Έ λ³΄κ³ μλ‘ λμ μμ΄ μ€λ ₯μ΄ μ¦λͺ μ΄ λμ΄μ κ°μ ν μμ λ±λ‘μ λ§μΉ μ μμλ€. μ΄λ κ² μ°μ¬κ³‘μ λμ μμ λ±λ‘μ νλ μμ΄μ격μ¦μ 빨리 λ°μΌκ² λ€λ μκ°λ§ λ μ μ€ν΄μ‘λ€.π(μ΄μ μ‘°κΈ μ¬μ κ° μκΈ΄ 2μλ¬μ ν ν μν λ³Ό μμ μ΄λ€.)
μμ μ λ€μΌλ©΄μ λ μκ°λ€κ³Ό λλ(During the course)
μμ μ΄ μμλκ³ μμλ κ±±μ λλ 건 μμ΄λ‘νλ μμ¬μν΅μ΄μλ€. κΈνκ² μμ΄ λ§νκΈ° μΈν¬λ₯Ό κΉ¨μ°κΈ° μν΄ Facebook μ§μΈλΆλ€κ» λ°©λ²λ μ¬μ€λ³΄κ³ νΌμμ μμ² μ€μΌμ€μΌ κ±°λ Έλ€. λ¨κΈ°κ°μ μ€λ ₯μ μΈ ν₯μ ν¨κ³Όλ λ―Έλ―Ένμ§λ§ λ§μμ μ€λΉλ ν μ μμλ€. κ·Όλ° νμ€ν μμ μ΄ λ§μ μμνλ λκ΄μ λ§νκΈ°λ³΄λ€ λ£κΈ°μ μμλ€. λ€μν λλΌμ λ€μν μ΅μμ λ£κΈ° νλ€λ€λ μ΄μΌκΈ°λ₯Ό λ£κΈ΄ νμ΄λ μ§μ 체νν΄λ³΄λ μ μλ€λ¦¬λ ν©λΉν¨μ΄λ.. λ€μν λλΌμ μ¬λλ€κ³Ό μν΅νκ³ μΆλ€λ ν¬λΆλ‘ μμνλ μ²μ λ§μκ³Ό λ¬λ¦¬, μμ νλ λμμ βμβλ£λ κ²λ§μΌλ‘λ λμκ² λμ μ΄μλ κ² κ°λ€. κ·Έλ°λ° ννΈμΌλ‘λ μλ²½ν μμ΄λ₯Ό ꡬμ±νμ§ μλ, λμκ°μ΄ μμ΄κ° μ 2μΈκ΅μ΄μ΄μ λΆλ€κ³Ό μμ μ νλ λ§ν λλ λΆλ΄μμ΄ λλ λ§(?)λ§νλ κ² κ°λ€. μ΄μ¨λ κ±±μ νλ βλ§νκΈ°βλ μκ°λ³΄λ€ λκ΄μ΄ μλμκ³ , βλ£κΈ°βκ° λκ΄μ΄μλ€λ μ΄μΌκΈ°λ€. κ°μ΄ μμ μ λ£λ λΆλ€μ μ½ 20λͺ μ λ μλλ° μ²«μκ°μ μκΈ°μκ°ν λ λ€μ΄λ³΄λ λ€λ€ λ°μ¬κ³Όμ μ΄κ±°λ μ§μ₯μΈμ΄μλ€..?!π² νμ¬λ μ‘Έμ λͺ»ν λλμ λ무λ λλΉλλ λΆλ€μ΄λΌ μ κΈ°νκΈ°λ νκ³ κ±±μ λ λλ€. (νκ΅λ μ μ΄λ° νλ‘κ·Έλ¨μΈμ§ μ μμλ €μ€¬μ§) κ·ΈλΆλ€μ λ₯λ ₯μ λμ€μ νλ‘μ νΈ λ°ννμ€ λ νμ°ν λλ μ μμλλ° νλ‘μ νΈ μμ±λλ μ£Όμ κ° λμ¬λ²½μ΄μλ€.
μμ
μ λλΆλΆ κ°μ μμ² + exercise + μ§μ μλ΅
μΌλ‘ μ΄λ£¨μ΄μ‘κΈ°μ λ΄κ° μ κ·Ήμ μΌλ‘ μ΄μΌκΈ°νκ³ μ§λ¬Έν λΆλΆμ΄ λ§μ§ μμλ€. κ·Έλ¦¬κ³ μμ μ μλ κ²μ²λΌ μμ
λ΄μ©μ΄ λνν
λ μμ ν μλ‘μ΄ λΆμΌλ μλμ΄μ κ·Έλ°μ§ κ·Έλμ λ λ°λΌκ° μ μμλ€. (λ²μ¨ μμ
λ§μ³€λ€κ³ κΈ°μ΅μ΄ λ―Ένλ건μ§λ λͺ¨λ₯΄κ² μ§λ§) κ·Έλ¦¬κ³ λͺ¨λ₯΄λκ² μμΌλ©΄ ꡬκΈλ§μΌλ‘ μ μ 리ν΄λμ νλ₯νμ νκ΅μΈ λΆλ€μ ν¬μ€ν
, κ°μ§κ³ μλ μ±
λ€λ‘ λ©κΏκ°κΈ°μ μμ
μ λ°λΌκ°λ 건 λ§μ΄ μ΄λ ΅μ§ μμλ κ² κ°λ€. μ§μ§ λ€λ₯ΈλΆλ€μ΄ μ μ 리ν΄λμΌμ ν¬μ€ν
μ λμμ λ§μ΄ λ°μμ νμ λλ μκ°μ΄μ§λ§ μΈμ κ°λ λλ μ λΆλ€μ²λΌ λμλλ ν¬μ€ν
μ νκ³ μΆλ€λΌλ μκ°μ΄ λ λ€.
μ¬μ€ λ±λ‘ μ μλ λͺ°λλ Group Work
λ μμ
κ³νμμμ μ²μ λ΄€μ λ λΉν©μ€λ¬μ λ€. κ·Έλ¬λ κ±±μ λλ λΆλΆκ³Ό λ¬λ¦¬ νꡬμ±λ μλκ³ , λ΄κ° μ£Όλν΄μ κ·Έλ°μ§ μ£Όμ λ λ΄κ° μνλ κ±Έλ‘ μ§ννκ²λμλ€. μλ 짧μ μκ°(3μΌ μ λ)μ μμ±ν΄μΌνλ νλ‘μ νΈμκΈ°μ λ§μκ³Ό λ¬λ¦¬ μ¬λ¬κ°μ§ κΈ°λ²λ€μ μ¬μ©νκΈ° 보λ€λ μ¬ννκ³ μΆ©μ€νκ² βλ°°μ΄κ²λ§β μμ©ν΄μ νλ‘μ νΈλ₯Ό λ§λ¬΄λ¦¬νλ€. κ·Έλλ νμλΆλ€κ³Ό μμ΄λ‘ μ견 μ‘°μ¨νλκ² μ κΉμ΄μμ§λ§ μ¬λ°μκ³ , μ΄λ² κ²½νμΌλ‘ μμ΄κ° λμ΄μ 곡ν¬μ λμμ΄ μλ μΈμ λ€λ₯Έ μ¬λλ€κ³Ό βμν΅βν μ μλ λꡬλΌλ μκ°μ΄ νμ€ν κ°μΈλ κ² κ°λ€. μ λ§ βμΈμ΄βλΌλ μκ°μ 체νν΄λ³΄λ κΈ°νμλ¬κΉ. κ·Έλ κ² λλ¬λλ¬κ±°λ¦¬λ μμ΄μ§λ§ μ견과 μκ°μ λλλ κ²½νμ μμ€νκ³ λ§μ§λ§ νλ‘μ νΈκΉμ§ μ λ§μΉ μ μμλ€. λμ€μ Lecturer λΆλ€κ»μ μ½λ©νΈ ν΄μ£Όμ€ λλ νλ‘μ νΈ μ§μ μ λΉνλ€λΌλ μκ°λ³΄λ€, μ§μ μΌλ‘ μ°λ¦¬ νλ‘μ νΈλ₯Ό λ΄μ£Όμκ³ μΈμ ν΄μ£Όμ λ€λ μκ°μ΄ λ€μ΄μ κ°μ¬νλ€. κ·Έλ¦¬κ³ μ¬μ€μ μ§μ§λ‘ μ°λ¦¬νμ΄ νλ‘μ νΈμμ μ€μν ν¬μΈνΈλ₯Ό λΉΌλ¨Ήμμλλ° μ§μ΄μ£Όμλ κ±° λ³΄κ³ λ§μ΄ λ°°μ λ€.(ννΈμΌλ‘λ λ§λ μλλ μμ΄λ‘ λ°ννλ κ±° λ€μΌμκ³ λ μ΄ν΄νμ
¨λ€λκ² μ κΈ°νλ€π€£) μμ½κ²λ λ°νν λκ° μ²μμ΄μ λ§μ§λ§μΌλ‘ Lecturer λΆλ€κ³Ό μ΄μΌκΈ°ν μκ°μ΄μλ€.(μ 첫μκ°μ μκΈ°μκ° λΉΌκ³ !) νλ‘μ νΈ κΉνμ μ¬κΈ°μ μλ€.
μμ λ§μ§λ§μ λ΄€λ μνμ μκ°λ³΄λ€ μ΄λ ΅μ§ μμκΈ°μ μ¬μ€ νκΈ°μ μ μ λ΄μ©μ΄ λ³λ‘ μλ€. νκ΅ μνμμλ μ ννμ΄μ΄λ κΌ¬μμ λ΄κ±°λ 볡μ μ λ΅μ§λ€μ λ§λ€μ΄μ λμ΄λλ₯Ό λμ΄λλ°, μ¬κΈ° μμ μ κΉλνκ² μ€λ³΅ λ΅μμ§ μλ€λΌκ³ λ§ν΄μ£Όκ³ μ νμ§λ€λ κΈ°λ³Έμ€μ κΈ°λ³Έμ΄μλ€. κ·Έλλ§ λΆλ³λ ₯μ κ°μ§ μ μλ λΆλΆμ νλ‘κ·Έλλ° ννΈμμΌλ μ΄ λΆλΆλ§μ μ½λλ₯Ό μΈμμ μΉλκ² μλλΌ μ€νλΆμ΄μ΄μ κ·Έλ κ² μ΄λ ΅μ§ μμλ κ² κ°λ€. κ²λ€κ° μνμκ°μ 3μκ°μ΄μκΈ°μ νμ 리λ°λ κ±°μ μλκ±°λ λ€λ¦μμλ€. λ¬Όλ‘ μν보기 μ μλ μνμ΄ μ΄λ»κ² λμ¬μ§ μμΈ‘ν μ μμκΈ°μ μ λ λ°€μ μμκ°λ©° 곡λΆνκΈ΄ νμλ€.
κ·Έλμ λ΄κ° λ°°μ΄ κ±΄(After the course)
λ§μ§λ§ λ μ λ°νλ₯Ό λ§μΉκ³ LecturerλΆλ€μ ML/DL νΈλ λμ κ΄ν 짧μ λ°νμ κ°μ΄ μμ λ€μ λΆλ€κ³Ό μ½κ°μ λ΄μλ₯Ό λλλ©° νννκ² μμ μ΄ λλ¬λ€. μ½ 3μ£Όκ°λμ μ λ μκ°μ μ΄μ¬ν λ°°μ λ μμ μ΄ λ§μ λ΄λ Έλ€.
νμ κ°μ₯ κ΄΄λ‘μΈ λ κ°μ₯ λ§μ΄ λ°°μ°λ κ² κ°λ€. μ¬μ€ μ§λκ³ λ³΄λ©΄ κ·Έ κ³ ν΅μ΄ μ΄λμ λ λ―Ένλλ κ²λ μκ³ μμ βμ΄λ ΅μ§ μμλ€.β, βμ λ§λ¬΄λ¦¬λλ€.βλΌκ³ μ¨λκΈ°λ νμ§λ§, κ·Έκ±Έ νκ³ μλ μκ°μλ νλ€μλ€. μ무리 μκ³ μλ λ΄μ©μ΄λ€μ΄λΌλ κ·Έ λ΄μ©λ€μ λ€μ λ€μ§λ κ²λ μ΄λ ΅κ³ , μ§μ μ½λλ₯Ό μ¨λ³΄λ κ²λ μ΄λ ΅κ³ , λ§λ¬΄λ¦¬ νκΈ°κΉμ§ λΆνμ€μ±κ³Ό λλ €μ λλ¬Έμ κ΄΄λ‘μ λ 건 ν©νΈλ€. κ·Όλ° νμ κ·Έλ¬λ©΄μ λ°°μ°λ κ² κ°λ€. κ·Έλμ μ΄λ² μ½μ€λ₯Ό ν΅ν΄ λ°°μ΄ κ±Έ μ 리ν΄λ³΄μλ©΄,
- MLμ νμ€ν DLλ³΄λ€ μνμ μΈ μ΄λ‘ μ΄ μ΄λ €μ μ
- μμ΄κ° μνμ΄λ λΆλ΄μ΄ μλ βμΈμ΄βλΌλ κ². λλ₯Ό ννν μ μλ ν΄μ΄λΌλ κ²
- μ μ μ‘°κΈμ΄λΌλ 곡λΆνλ κ²λ€μ΄ λμ€μ λμμ΄ βν¬κ²βλ μ μλ€λ κ²
- λ΄κ° μκ³ μλ κ²λ€μ κΎΈμ€νκ² ν¬μ€ν νλ μ΅κ΄μ κΈΈλ¬μΌ νκ² λ€λ μκ°
- ν΄λ³΄μ§ μκ³ μΆμΈ‘λ§μΌλ‘ νλ μκ°λ€λ‘ λλ €μνμ§ λ§ κ²
μμ μ λ§μΉκ³ certificateλ₯Ό λ°μλ€. μ¬μ€ certificateμλ μ΅μ μ΄ μμλλ°, gradeλ₯Ό λ°μ κ²μΈμ§/pass or failμ λ°μ κ²μΈμ§ λ΄κ° μ νν μ μμλ€. λ±λ‘ λΉμμ κ·Όμκ°μΌλ‘ gradeλ₯Ό λ°κ² λ€κ³ νλ€κ° μμ λ£λ λμ κ³Όκ±°μ λλ₯Ό λ°μ±νλ€. μ¬μ€ μμ νλ λμ κ·Έλ κ² μ κ·Ήμ μ΄μ§λ μμκ³ , νλ‘μ νΈ λ°νλ₯Ό νκ³ μ§μ μ λ°μΌλ©΄μ λ μκ°μ βμ΅κ³ gradeκΉμ§λ λͺ»λ°κ³ μ€κ°μ΄λΌλ νμΌλ©΄..β νλ€. κ·Έλ°λ° μκ°μ§ λͺ»νλ μ΅κ³ gradeλ₯Ό λ°μ μ μμλ€. νμ μ΄ λ€κ° μλκΈ΄ νμ§λ§ κ·Έλλ μ΅μ μ λ€νλ€λ κ²μ μ΄λμ λ λ·λ°μΉ¨ν΄μ€ μ μκΈ° λλ¬Έμ λΏλ―νλ€. κ·Έλμ μμ λ°°μ΄ μ λ€μ νλ λ μΆκ°νμλ©΄, βμ΅μ μ λ€ν΄μ μ΄μ°μ μ°ν΄λ³΄λ©΄ λλΌλ νλ€.βλΌλ κ². μμν λ©νΈμ κ΅νμ΄μ§λ§ λ§€λ² λμ νλ©΄μ λλΌλ λ°μ΄κΈ°λ νλ€. μ΄λ κ² 2021λ λ 1μμ TU Berlinμ Machine Learning using Python: Theory and Application μ½μ€μ ν¨κ» μκ°μ 보λλ€.