이 과목은 전통적인 정보처리시스템인 von Neumann 기계와 생물학적인 뇌 사이의 구조적 및 알고리즘적인 차이에 대하여 논의하고, 뇌를 모방한 정보처리 시스템의 기본 디자인을 구현해 보는데 그 목적이 있다. 이를 위하여, 신경세포 및 인공신경망 모델을 이용한 시스템 규모 모델링을 비롯하여, 병렬 프로그래밍, 기계학습, Bayesian 모델 등 neuromorphic 연구에 필요한 각종 배경지식을 공부할 예정이다.
선수 과목 ‘EE210 확률과 기초 확률과정’에서 배운 기초적인 내용을 바탕으로, 확률과 확률과정을 좀더 높은 수준에서 다룬다. 다루는 주요 내용에는 집합의 대수, 극한 사건, 확률벡터, 수렴, 상관함수, 독립증분 과정, 복합과정이 들어있다.
신호처리 분야에서 필요로 하는 행렬 계산 기법들을 다룬다. 선형 시스템 풀이 방법, 행렬의 norm, 실수 표현 방법, positive definite 행렬, Toeplitz 행렬, 행렬의 직교/대각화, 고유치 및 고유 벡터 계산, 특이값 분해 기법, 그리고 선형 시스템의 반복적인 풀이 방법들이다.
이 과목은 학생들에게 최근 머신 러닝 기술과 알고리즘들을 소개하고, 기초적인 개념과 직관력을 심어주는 것을 목적으로 한다. 강의에서 다룰 내용은 perceptron과 같은 고전적 개념에서부터 boosting, support vector machine, graphical model 등 최신 개념까지 포괄한다. 이 강의에서 소개될 대부분의 알고리즘은 통계적 추론을 기반으로 한다.
타학과 선수과목 : CS101 프로그래밍기초
Copyright ⓒ 2015 KAIST Electrical Engineering. All rights reserved. Made by PRESSCAT
Copyright ⓒ 2015 KAIST Electrical Engineering. All rights reserved. Made by PRESSCAT
Copyright ⓒ 2015 KAIST Electrical
Engineering. All rights reserved.
Made by PRESSCAT