앤드류 응(Andrew Ng) 머신러닝 강의 노트 프로젝트 소개

프로젝트 개요

이것은 (fengdu78)이(가) 생성한 GitHub 프로젝트로, 스탠포드 대학교 2014년 앤드류 응(Andrew Ng) 교수님의 머신러닝 강의의 중국어 노트를 전문적으로 수집하고 정리했습니다. 이 프로젝트는 중국어 학습자들이 머신러닝의 기초 지식을 더 잘 이해하고 습득하도록 돕는 것을 목표로 합니다.

프로젝트 배경

• 강의 출처: 스탠포드 대학교 2014년 앤드류 응 머신러닝 강의
• 강의 주소: https://www.coursera.org/course/ml
• 생성 시기: 2014년 하반기 번역 시작, 2018년 3월 26일 완성
• 프로젝트 목표: 중국어 학습자들에게 고품질의 머신러닝 학습 자료 제공

프로젝트 내용 구성

폴더 설명

• docx: 노트의 Word 버전
• markdown: 노트의 Markdown 버전
• html: 노트의 HTML 버전
• images: 노트의 이미지 자료
• ppt: 강의의 원본 PPT 자료
• srt: 강의의 중국어-영어 자막
• code: 강의의 Python 코드 구현

강의 내용 개요

파트 1: 기초 개념

1. 서론(Introduction)

   • 머신러닝이란 무엇인가?
   • 지도 학습
   • 비지도 학습

2. 단일 변수 선형 회귀(Linear Regression with One Variable)

   • 모델 표현
   • 비용 함수
   • 경사 하강법

3. 선형 대수 복습(Linear Algebra Review)

   • 행렬과 벡터
   • 행렬 연산
   • 역행렬, 전치 행렬

파트 2: 고전 알고리즘

4. 다중 변수 선형 회귀(Linear Regression with Multiple Variables)

   • 다차원 특징
   • 다중 변수 경사 하강법
   • 정규 방정식

5. Octave 튜토리얼(Octave Tutorial)

   • 기본 작업
   • 데이터 처리
   • 벡터화

6. 로지스틱 회귀(Logistic Regression)

   • 분류 문제
   • 가설 표현
   • 고급 최적화

파트 3: 고급 기술

7. 정규화(Regularization)

   • 과적합 문제
   • 정규화 선형 회귀
   • 정규화 로지스틱 회귀

8. 신경망: 표현(Neural Networks: Representation)

   • 비선형 가설
   • 뉴런 모델
   • 다중 클래스 분류

9. 신경망 학습(Neural Networks: Learning)

   • 역전파 알고리즘
   • 기울기 확인
   • 무작위 초기화

파트 4: 응용 실습

10. 머신러닝 적용을 위한 조언(Advice for Applying Machine Learning)

    • 모델 평가
    • 교차 검증
    • 편향과 분산

11. 머신러닝 시스템 설계(Machine Learning System Design)

    • 오류 분석
    • 정밀도와 재현율
    • 머신러닝 데이터

12. 서포트 벡터 머신(Support Vector Machines)

    • 최적화 목표
    • 커널 함수
    • 서포트 벡터 머신 사용

파트 5: 비지도 학습

13. 군집화(Clustering)

    • K-평균 알고리즘
    • 최적화 목표
    • 군집 수 선택

14. 차원 축소(Dimensionality Reduction)

    • 주성분 분석(PCA)
    • 데이터 압축
    • 데이터 시각화

15. 이상 탐지(Anomaly Detection)

    • 가우시안 분포
    • 이상 탐지 알고리즘
    • 다변량 가우시안 분포

파트 6: 실제 응용

16. 추천 시스템(Recommender Systems)

    • 콘텐츠 기반 추천
    • 협업 필터링
    • 행렬 분해

17. 대규모 머신러닝(Large Scale Machine Learning)

    • 확률적 경사 하강법
    • 온라인 학습
    • 맵리듀스

18. 응용 사례: 사진 문자 인식(Application Example: Photo OCR)

    • 슬라이딩 윈도우
    • 대량 데이터 확보
    • 상한 분석

프로젝트 특징

1. 포괄성

• 머신러닝 기초 이론부터 실제 응용까지 포괄
• 입문부터 심화까지 18개 챕터 포함
• 전체 강의 영상, PPT 및 코드 제공

2. 다양한 형식 지원

• Word, Markdown, HTML 등 다양한 형식 제공
• 온라인 열람 및 오프라인 학습 지원
• 수학 공식 이미지 처리로 온라인 표시 용이

3. 중국어 현지화

• 중국어 학습자를 위해 특별히 번역 및 정리
• 중국어 학습 습관 및 사고방식 결합
• 중국어-영어 자막 대조 제공

학습 자료

온라인 자료

• GitHub 저장소: https://github.com/fengdu78/Coursera-ML-AndrewNg-Notes
• 강의 영상: https://www.bilibili.com/video/BV1W34y1i7xK
• 바이두 클라우드 자료: 강의 영상 및 자료 다운로드 제공

대상 독자

• 머신러닝 초보자
• 컴퓨터 과학 전공 학생
• 데이터 과학 실무자
• 인공지능 애호가
• 중국어 학습 자료가 필요한 학습자

프로젝트 가치

1. 교육적 가치: 중국어 학습자들에게 고품질의 머신러닝 입문 자료 제공
2. 실용적 가치: 완전한 이론 지식과 실습 코드 포함
3. 사회적 가치: 머신러닝 학습 진입 장벽을 낮추고 지식 전파 촉진
4. 오픈소스 가치: 오픈소스 정신을 구현하고 지식 공유 및 협업 장려

요약

이 프로젝트는 중국어 머신러닝 교육 분야의 중요한 자료로, 체계적인 번역과 정리를 통해 광범위한 중국어 학습자들에게 머신러닝 학습을 위한 우수한 자료를 제공합니다. 이 프로젝트는 내용이 포괄적이고 형식이 다양할 뿐만 아니라 학습 커뮤니티를 구축하여 "장미를 주는 자의 손에는 향기가 남는다"는 오픈소스 정신을 구현하고 있습니다.