현대통계학특강(Ⅰ) - 부산대학교 | KOCW 공개 강의

바로가기

메뉴 바로가기
검색 바로가기
본문 바로가기(skip to content)
KOCW정보 바로가기

주메뉴

상세검색

상세검색

언어유형

강의연도

CCL유형

현대통계학특강(Ⅰ)

부산대학교
김충락

페이스북 트위터 카카오톡 네이버밴드 링크복사

주제분류

자연과학 >수학ㆍ물리ㆍ천문ㆍ지리 >통계학
강의학기

2022년 2학기

조회수

3,733
평점

4.5/5.0 (2)

강의계획서

수강안내 및 수강신청
※ 수강확인증 발급을 위해서는 수강신청이 필요합니다

Introduction, 1. Maniford Learning

차시별 강의

1.		Introduction, 1. Maniford Learning
2.		1. Maniford Lwarning 1.1 Introduction 1.2 Spaces and Manifold
		1.3 Laplace-Beltrami-Operator
3.		1.3 Laplace-Beltrami-Operator 1.4 Data on Manifolds
		1.4 Data on Manifolds 2. Linear Manifold Learning 2.1 PCA
4.		2.2 Robust PCA
		2.3 Multidimensional Scaling 3. Nonlinear Manifold Learning 3.1 Nonlinear PCA
5.		3.1 Nonlinear PCA
		3.2 Isomap 3.3 Locally Linear Embedding and Local MDS 3.4 Laplacian Eigenmaps
6.		3.4.1. Graph Laplacian 3.4.2 Spectral Clustering
		3.4.2 Spectral Clustering 3.4.3 Stochastic Block Models
8.		3.4 laplacian Eigenmaps
		3.4 laplacian Eigenmaps
9.		3.4 laplacian Eigenmaps
		3.4 laplacian Eigenmaps, 3.5 t-distributed Stochastic Neighbors Embedding 4. Concluding Remarks
10.		K-MOOC 인공지능 연구자를 위한 통계적 학습론_해설 1
		K-MOOC 인공지능 연구자를 위한 통계적 학습론_해설 2
11.		K-MOOC 인공지능 연구자를 위한 통계적 학습론_해설 3
		K-MOOC 인공지능 연구자를 위한 통계적 학습론_해설 4
12.		K-MOOC 인공지능 연구자를 위한 통계적 학습론_해설 5
		K-MOOC 인공지능 연구자를 위한 통계적 학습론_해설 6
13.		K-MOOC 인공지능 연구자를 위한 통계적 학습론_해설 7
		K-MOOC 인공지능 연구자를 위한 통계적 학습론_해설 8

연관 자료

사용자 의견

강의 평가를 위해서는 로그인 해주세요.

0/200

운영자2024-05-16 10:24: KOCW입니다. 촬영 당시 해당 화질로 녹화 되어 영상 교체가 불가능하며 이용에 양해 부탁드린다는 학교 측의 답변입니다.

jj****** 2024-05-16 08:58: 2.2 Robust PCA 강의부터 동영상 화질 업로드가 잘 못 된거 같은데, 제대로 업로드 된건지 확인 부탁드립니다.

jj****** 2024-05-11 12:04: 2.2 Robust PCA 부터 동영상 화질이 안좋아져서 강의를 따라갈 수가 없습니다..

운영자2023-03-02 17:06: KOCW입니다. 강의자료는 업로드 계획이 없다는 교수자 답변을 받았습니다. 양해 바랍니다.

운영자2023-03-02 09:09: KOCW입니다. 해당 문의를 부산대학교에 전달하였습니다. 다만 학교 및 교수자의 사정으로 답변이 없거나 지연될 수 있습니다. 참고바랍니다.

du******** 2023-03-01 10:21: 강의 자료 받을 수 없나요.

더보기

이용방법

동영상 유형 강의 이용시 필요한 프로그램 [바로가기]

※ 강의별로 교수님의 사정에 따라 전체 차시 중 일부 차시만 공개되는 경우가 있으니 양해 부탁드립니다.

이용조건

귀하는 원저작자를 표시하여야 합니다.
귀하는 이 저작물을 영리 목적으로 이용할 수 없습니다.
귀하는 이 저작물을 개작, 변형 또는 가공할 수 없습니다.