References
1. List
2. Paper
3. Article (Post, blog, etc.)
- Machine Learning is Fun : [한글번역]
- [Par1]
- [Par2] :Using Machine Learning to generate Super Mario Maker levels
- [Par3] :Deep Learning and Convolutional Neural Networks
- [Par4] :Modern Face Recognition with Deep Learning
- [Par5] :Language Translation with Deep Learning and the Magic of Sequences
- [Par6] :How to do Speech Recognition with Deep Learning
- Machine Learning in a Week,Machine Learning in a Year
3. Tutorial (Series, )
- 코세라 앤드류 Ng : 한글정리
4. Youtube
6. Material (Pdf, ppt)
7. Implementation (Project)
8. Research Group / Conference
아래 자료를 기반으로 분류 재 정리 : Machine learning by sogood
| 메인 주제 | 확률 분포 추정 |
|---|---|
| 키워드 | |
| 참고자료 | 오일석3장, |
인공지능 - Index code : cbu
충북대학교 이건명 교수, 2016, [링크:Kocw.net]
탐색과 최적화 1~2지식표현 및 추론 1~4- 기계학습
1: 개요2: 결정트리, 앙상블 분류기, k-근접이웃알고리즘, 군집화 알고리즘, 단순 베이즈 분류기- 3: 딥러닝
4: 서포트벡터 머신(SVM)
- 강화 학습
Introduction-to-Artificial-Intelligence-Machine-Learning - Index code : week
KAIST, 문일철 교수, 2016, 홈페이지,Youtube, 목차, 강의자료
Week 1. Motivation and basics: 최우주정법, 최대 사후 확률, 확률과 분포Week 2. Fundamentals of machine learning결정트리, 엔트로피, 정보이득- Regression
Week 3. Naive Bayes Classifier- Week 4. Logistic Regression Classifier
- Week 5. Support Vector Machine Classifier
- Week 6. Training/Testing and Regularization
- Week 7. Bayesian Network
- Week 8. K-Means Clustering and Gaussian Mixture Model
- Week 9. Variational Inference
- Week 10. Hidden Markov Model
- Week 11. Sampling Based Inference
패턴인식 개론, 한학용, 한빛 미디어 Index code : HB [한글정리]
- Chapter 01 | 패턴인식의 개요
Chapter 02 선형 대수학 : 벡터와 행렬- Chapter 03 기초 통계와 확률 이론
- Chapter 04 확률변수와 확률분포
Chapter 05 통계적 결정이론과 확률밀도함수의 추정: 우도비검증, 확률 밀도 추정- Chapter 06 선형 분류기와 이차 분류기
- Chapter 07 데이터 마이닝의 시작: 백터 양자화와 클러스터링
- Chapter 08 견고한 확률 모델 : 가우시안 혼합 모델(GMM)
Chapter 09 비모수 밀도 추정법Chapter 10 주성분 분석법(PCA)과 KL 변환Chapter 11 선형 판별 분석법: LDAChapter 12 결정 트리 학습 알고리즘 : ID3- Chapter 13 신경 세포 모델링:인공 신경망
- Chapter 14 뇌영역 모델링 : 자기 조직화 특징 지도
- Chapter 15 기발한 최적화 방법:유전 알고리즘
- Chapter 16 시계열 패턴인식의 시작:동적 계획법과 DTW
- Chapter 17 음성인식의 기수:은닉 마르코프 모델(HMM)
Chapter 18 최적 분류를 향한 끝없는 도전:SVM- 라그랑제상수, KKT, wolfe Dual
Chapter 19 집약도강(集弱導强) 알고리즘:AdaBoost- AdaBoost 알고리즘
- Haar-like feature를 이용한 얼굴 추출
패턴인식, 오일석 - Index code : KB [ppt자료]
1장 소개- 2장 베이시언 결정 이론
- 3장 확률 분포 추정 : K-근접이웃, EM알고리즘
- 4장 신경망
5장 SVM- 6장 질적 분류
- 결정트리
- 스트링 인식기
7장 순차 데이터의 인식 : 마코브 모델8장 특징 추출9장 특징 선택- 10장 군집화
- 11장 최적화 알고리즘
- 미분/라그랑제 승수
- 시뮬레이티드 어닐링
- 유전 알고리즘
12장 혼성 모델 : 앙상블부록A 정보 이론
알고리즘 중심의 머신러닝 가이드 - Index code : jPub
- CHAPTER 1 … 들어가기에 앞서_1
- CHAPTER 2 … 들어가며_19
- CHAPTER 3 … 뉴런, 뉴럴 네트워크, 선형 판별식_47
- CHAPTER 4 … 다층 퍼셉트론_83
- CHAPTER 5 … 방사 기저 함수와 스플라인_131
- CHAPTER 6 … 차원 축소_151
- CHAPTER 7 … 확률학습_177
CHAPTER 8 … 서포트 벡터 머신_195CHAPTER 9 … 최적화와 탐색_219- CHAPTER 10 … 진화학습_245
- CHAPTER 11 … 강화학습 _269
CHAPTER 12 … 트리학습_291CHAPTER 13 … 위원회의 결정: 앙상블 학습_311- CHAPTER 14 … 비지도학습_327
- CHAPTER 15 … 마르코프 체인 몬테 카를로 _353
- CHAPTER 16 … 그래프 모델_373
- CHAPTER 17 … 대칭 가중치와 심층 신뢰 네트워크_415
- CHAPTER 18 … 가우시안 프로세스_455
머신러닝에서 딥러닝까지, Deepcumen - Index code :dcm
파트 I MACHINE LEARNING
- 1장 Linear Regression
- 2장 Logistic Regression
- 3장 Feed-forward Neural Networks
4장 Support Vector Machine- 5장 Naive Bayesian
- 6장 Hidden Markov Model
- 7장 Conditional Random Field
- 8장 Recurrent Neural Network
9장 Decision Tree : ID3, 배깅, 부스팅, 랜덤포레스트- 10장 Clustering
- 11장 Dimension Reduction
파트 II DEEP LEARNING
- 12장 Energy Based Model
- 13장 Restricted Boltzmann Machine
- 14장 Deep Belief Network
- 15장 Convolutional Neural Network
파트 III 부록
A 벡터- A.2 라그랑지 승수법
B 정보이론- C 최적화