2026년도 1학기 수학의 응용과 빅데이터 (IDSC532-01) 강의계획서

1. 수업정보

학수번호 IDSC532 분반 01 학점 3.00
이수구분 전공선택 강좌유형 강의실 강좌 선수과목
포스테키안 핵심역량
강의시간 화, 목 / 12:30 ~ 13:45 / 수리과학관 [100호] 성적취득 구분 G

2. 강의교수 정보

신선영 이름 신선영 학과(전공) 수학과
이메일 주소 sunyoungshin@postech.ac.kr Homepage https://sites.google.com/view/sunyoungshin/
연구실 054-279-2043 전화
Office Hours TUE 13:45-14:30

3. 강의목표

The course will introduce machine learning, a field of study that aims to understand "what the data says". Many statistical models/methods that have been developed will be covered to learn from data. Topics include supervised learning, unsupervised learning, neural networks, and their relevant algorithms.

4. 강의선수/수강필수사항

MATH 230 Probability and Statistics

5. 성적평가

중간고사 기말고사 출석 과제 프로젝트 발표/토론 실험/실습 퀴즈 기타 계
비고
65% Exams (Midterm, Take-home Final); 35% HW
The higher exam grade will be 35%. The lower exam grade will be 30%.
There will be 7 HW assignments. Homework will be posted on PLMS course website. The lowest score (including missed one) will be dropped. "Late HW will receive a grade of zero"

The passing grades for students who choose the S/U grading option are B0 or higher.

6. 강의교재

도서명 저자명 출판사 출판년도 ISBN
The Elements of Statistical Learning, Data Mining, Inference, Second Edition Hastie, Trevor, Tibshirani, Robert, Friedman, Jerome 0000

7. 참고문헌 및 자료

8. 강의진도계획

Week 1 Basic Probability Theory and Statistics
Weeks 2-3 Linear Methods for Regression
Week 4 Linear Methods for Classification
Week 5 EM Algorithm
Week 6 Model Assessment
Week 7 Hidden Markov Models
Week 8 Midterm Week
Weeks 9-10 Reinforcement Learning
Week 11 More algorithms (Gradient descent, MM algorithm)
Week 12 Trees, Bagging and Random Forest
Week 13 Graphical Models
Week 14 Neural Networks I
Week 15 Neural Networks II
Week 16 Final Week

9. 수업운영

To be announced.

10. 학습법 소개 및 기타사항

11. 장애학생에 대한 학습지원 사항

- 수강 관련: 문자 통역(청각), 교과목 보조(발달), 노트필기(전 유형) 등

- 시험 관련: 시험시간 연장(필요시 전 유형), 시험지 확대 복사(시각) 등

- 기타 추가 요청사항 발생 시 장애학생지원센터(279-2434)로 요청

강의계획서 복사
번호 학기명 학수번호 분반 강좌명