클래스 소개
커리큘럼
튜터 소개
리뷰

클래스 대상

1. 데이터 기반으로 해결해야 할 문제를 가지고 계신 분 2. 머신러닝 기법을 이용하여 문제 풀이를 시도하셨으나 문제풀이가 잘 안되신 분 3. 자율 주행에 관심이 있으신 분 4. 의료 인공지능에 관심이 있으신 분 그 외에 머신러닝 관련으로 관심 있으신 분들에게는 충분히 유용한 발표가 되리라 생각합니다.

클래스 소개

이 발표는 IT 분야에서는 제대로 언급되지 않는 머신러닝을 활용하는 방법에 대해서 배우기 위한 과정으로 구성할 예정입니다. 가장 강조될 내용은 지금까지 IT 분야에서 언급되어 온 부정확한 머신러닝 방법론과 정확한 방법론이 적용된 경우를 비교하여 기존의 머신러닝을 적용하던 방법론의 한계를 이해하고 더 나아가서 그 한계를 넘어서 정확한 머신러닝 방법론을 참여자들이 풀고자 하는 방법론에 적용하는 것을 목표로 합니다. 수업 진행은 강의와 실습 그리고 토론으로 구성될 예정입니다. 약 1시간 ~ 1시간 20분 정도 관련된 내용을 설명드리고자 합니다. 그리고 약 30분 정도 주어진 데이터를 이용한 분석을 수행하도록 할 것입니다. 실습은 파이썬으로 진행될 예정입니다. 그 뒤 남은 시간에는 참여자들이 해결하고자 하는 문제들에 대해서 토론하는 시간을 갖음으로써 참여자들에게 지식 전달 뿐만 아니라 실질적인 문제 해결까지 돕고자 합니다. 특히 자율 주행 및 의료 인공지능에 대한 내용이 예시로 제공될 예정입니다. 이 강의에서는 기술적인 부분에 대해서 다루기에는 시간이 많이 부족합니다. 그렇기에 방법론에 대한 이해에 많은 시간을 할당할 예정입니다. 하지만 2010년도 노벨 물리학상을 수상한 그래핀 제작 논문은 스카치 테이프에 연필을 붙였다 떼는 실험이었습니다. 문제 해결을 위한 적절한 방법론의 적용을 이해하는 것은 복잡한 방법론을 적용하는 것보다 훨씬 더 생산성이 높기에 그러한 방법론의 적용법을 배우고 싶으신 분들이 많이 신청하셨으면 좋겠습니다.

커리큘럼

안녕하세요, ML·AI 분야에서 활동하고 있는 최경돈 튜터입니다

프로필 이미지

최경돈 튜터

안녕하세요. 간단하게 제 이력을 설명 드리고자 합니다. 저의 학력은 아래와 같습니다. University of Pavia 물리학 박사 예정 (졸업논문 제출 완료) Blaise Pascal university 물리학 석사 KAIST 물리학 학사 사실 요새 머신러닝, AI가 논의되는 분야는 주로 IT 분야이기에 물리학 전공자가 이런 이야기를 꺼내는 것에 대해서 의아해하실 분들이 좀 계실 거라 생각이 듭니다. 그래서 물리학과가 머신러닝과 어떻게 연결되어 있는지를 제 경험을 통해서 최대한 쉽게 설명 드리고자 합니다. 요새 핫 한 이슈는 알파고 이후로 유명해진 소위 딥러닝이라 불리는 뉴럴 네트워크 기반의 회귀분석 방법론일 것입니다. 그런데 물리학자들은 뉴럴 네트워크 기반의 회귀분석 방법론을 매우 오래전부터 써왔다는 사실 알고 계셨나요? 이미 20세기 이전부터 고에너지 입자물리학 분야에서는 뉴럴 네트워크를 이용한 데이터 분석을 수행하고 있었습니다. "Neural Networks in High Energy Physics" 라는 고에너지 입자물리학에서의 뉴럴 네트워크 사용에 대한 리뷰 논문이 1992년에 나왔을 정도로 뉴럴 네트워크를 이용한 분석은 오랫동안 사용되어 왔습니다. 그 외에도 ROOT라고 명명된 데이터 분석 툴은 CERN의 René Brun 과 Fons Rademakers 1994년부터 개발하여 다양한 데이터 분석이 가능하게 하였으며 MINUIT라는 추가 통계 패키지까지 개발되어 사용되고 있습니다. 그리하여 Maximum likelihood, confidence interval, p-value 같은 통계적 파라미터를 쉽게 접근할 수 있게 하였습니다. 최근에 CERN은 Openlab이라 불리는 계산과학 기반의 연구팀을 조직하여 양자 컴퓨터, 머신러닝, 클라우드 컴퓨팅등의 연구를 하고 있습니다. 특히 Openlab을 지원하는 기업들에는 구글, IBM, 인텔 같은 머신러닝 기술을 개발하고자 하는 기업들이 포함되어 있습니다. 세간에 과학자들이 머신러닝을 잘 모른다고 알려진 것과는 다르게 머신러닝 방법론은 과학계에서는 오래전부터 사용되어 왔으며 그 과정에서 다양한 노하우를 쌓아왔습니다. 저 역시 CERN 에서 인턴을 하면서 ROOT 개발자인 René Brun 그리고 Openlab의 머신러닝 분야 총 책임자인 Federico Carminati와 같이 일을 하면서 머신러닝에 대한 이해를 쌓아왔습니다. 이러한 이해를 바탕으로 현 IT 기업들이 적용하는 머신러닝 방법론의 한계와 위험성에 대해서 꾸준한 우려를 표해 왔습니다. 실제로 제가 현재 연구하고 있는 의학물리 분야에서는 의료 영상을 이용한 자동 진단에 대한 이야기가 진지하게 논의되고 있습니다. 하지만 IBM의 Watson for Medicine의 실패, 그리고 수많은 radiomics 연구의 부적확성은 결국 위에서 언급한 방법론의 오용에서 비롯되고 있다는 것을 확인하였습니다. 그리하여 저는 이 강의에서 그간 제가 경험한 머신러닝 지식을 기반으로 IT 기업들이 놓치고 있는 부분을 전달하고, 정확한 머신러닝 방법론 적용법을 안내해 드리고 싶습니다.
1 / 1

왜 내가 만든 머신러닝 모델은 잘 맞지 않을까? 미국의 IT 기업들도 놓치고 있는 머신러닝의 핵심 원리를 배우고 참여자 분들이 직면한 문제를 같이 고민하는 시간을 마련하고자 합니다.

55,000/시간

8시간

440,000

그룹 클래스 · 5-10
4회 진행 · 1회당 2시간

일정이 없습니다.

    통신판매업 신고번호 : 2022-서울성동-02377

    상호 : (주)탈잉 | 대표자명 : 김윤환 | 사업자등록번호 : 767-88-00630

    주소 : 서울특별시 성동구 성수이로22길 37, 서울창업허브 성수 404B (성수동 아크벨리)

    고객센터 : 1877-1233 | help@taling.me

    (주)탈잉은 통신판매중개자로서 거래 당사자가 아니므로, 튜터가 등록한 상품정보 및 거래 등에 관한 의무와 책임을 지지 않습니다.

    • facebook
    • instagram
    • youtube
    • naver

    Copyright ⓒ 2023 Taling Inc. All rights reserved.