빨리 가려면 혼자가고, 멀리 가려면 함께 가라.
If you want to go fast, go alone. If you want to go far, go together.
"문과생을 위한 쉬운 머신러닝" 이런 수식어 들어가는 것 말고, 맨땅에 헤딩하면서 파 보기. 나중에 ML을 컴퓨터 싸이언스 전공에 가서 들어도 좋을 정도로 선행학습한다고 보면 될 듯.
기간: 2022년 12월
12일~2013년 3월 3일
지도교수: 경영대학 김영한 교수
How?
기계학습에 대해서 Stanford 대학의 Andrew NG 교수의 강의(C229)를 같이 YouTube로 들으면서 진도를
나간다.
취지
1. 인강을 혼자서 클릭해가며 수강하는 것은 가능하지만, 20개 수업을 듣다가 지쳐서 작심삼일 됩니다. NG 교수의 동영상목록의 조회수들 비교해 보면 답은 나와요. 반면, 같이 하면서 아리까리한 것들을 같이 체크해 보고 복습하는 과정을 오프라인으로 모여서 하면 좀 길게 끝까지 할 확률 높아집니다.
2.
서로 격려하며 교학상장(敎學相長) 및 네트워킹의 기회를 만든다. 쿠팡 등의 현업 개발자도 불러볼 예정.
3.
수학/통계학적으로 막힐 만한 부분에서는 같이
뚫어 나간다. [김교수가 약간 부연설명 할 예정. 그러면서 계량경제와 겹쳐지는 부분 등은 쪼금 강조를 하게 될 듯. --> 경영/경제의 실증분석에 도움.]
4.
경제/경영 다양한 분야에서 활용도 있는
부분을 다양하게 자기 맘대로 탐구하고 발표한다.
5. 2023년 여름에 Natural Language Processing(CS224n)도 이런 방식으로 할 계획임. 이 과목의 선수과목 차원에서 듣는 것임. 그러므로 활용도는 Business 전분야가 될 수도 있음. 물론, 지도교수의 특성상 좀 finance 에 몰릴 가능성 있으나, 지도교수 자체가 원래 strategy top journal에 낸 사람이고, 학부 때에 마케팅 동아리 출신인지라... 최대한 다양성을 좋아함. 고로, 여러분들 하기 나름.
대상: Machine Learning 및 AI에 관심과 열정을 가진 성균관대 학생들
여기서는 (1) 매주 오프라인 모임 시간에 대한 여러분들의 의견을 수렴하고; (2) 각자 ML을 활용해 나아갈 방향의 선호도를 알아보고자 합니다.
요일과 시간: 의견 수렴 후 결정 (화요일 오후 혹은 목요일 오후 중 하나가 될 것임)
장소: 의견수렴 후 (희망 인원수에 따라 강의실 확보할 예정)
서베이 데드라인: 2022년 11월 30일 밤 11시 59분
주의: 학비를 내는 것이 아니므로 학점 취득은 목적이 아님.
강의 Website: https://cs229.stanford.edu
YouTube Link: https://www.youtube.com/playlist?list=PLoROMvodv4rMiGQp3WXShtMGgzqpfVfbU