• 29.특강4

    특강 구종만 - AI + ML 과 Quant Trading 오혜연 - AI Ethics
  • 28.특강3

    특강 박성준 - 자연어 처리를 위한 언어 모델의 학습과 평가 문지형 - 내가 만든 AI 모델은 합법일까, 불법일까
  • 27.특강2

    특강 김상훈 - 캐글 그랜드마스터의 경진대회 노하우 대방출 이준엽 - Full Stack ML Engineer
  • 26.특강1

    특강 이활석 - 서비스 향 AI 모델 개발하기 박은정 - AI 시대의 커리어 빌딩
  • 25.GNN과 GNN심화

    강의 복습 내용 GNN이란? 귀납식 정점 표현 그래프 신경망 (Graph Neural Network) 그래프 합성곱 신경망 (Graph Convolutional Network) GraphSAGE GNN(심화) attention 그래프 임베딩 그래프 풀링 over-smoothing data-augmentation
  • 24.정점 임베딩과 추천시스템 Latent Factor Model

    강의 복습 내용 정점임베딩 그래프의 정점을 벡터로 표현
  • 23.그래프 군집과 추천시스템

    강의 복습 내용 그래프 군집 구조와 군집탐색 군집 탐색 알고리즘 Girvan-Newman 하향식 Louvain 상향식 중첩이 있는 군집 탐색 완화된 중첩 군집 모형 군집참고 추천시스템 내용기반 추천 시스템 새로운 상품에 대한 추천 상품에 대한 부가정보 있을때 가능 협업 필터링 부가정보가 없어도 가능 새로운 상품 추천 불가 추천 시스템 평가 MSE
  • 22.그래프의검색(페이지랭크)과 전파(바이럴 마케팅)

    강의 복습 내용 페이지랭크를 이용한 검색 페이지랭크 막다른정점, 스파이더트랩 문제 해결하기위한 순간이동 그래프로보는 전파 의사결정기반 모형 확률적전파 모형 바이럴 마케팅을 위한 시드집합 찾기 전파최대화 문제
  • 21.그래프 기초

    강의 복습 내용 그래프관련 필수 개념 정점, 간선, 방향성, 가중치 동종, 이종 그래프 실제 그래프, 랜덤 그래프 경로, 거리, 지름 작은 세상 효과 연결성 정점과 연결된 간선의 수 두꺼운 꼬리 연결 요소 거대 연결 요소 군집 군집계수
  • 20.GPT-1,2,3와 BERT

    강의 복습 내용 GPT-1과 BERT Transfer Learning, Self-supervised Learning, Trasformer를 사용 기존 자연어처리 task를 압도하는 성능을 보여줌