0:00:00.211,0:00:04.140
안녕하세요. 확률 그래픽 모델 수업에 오신것을 환영합니다.

0:00:04.140,0:00:07.647
제 이름은 Daphne Koller이고 스탠포드대학 교수입니다.

0:00:07.647,0:00:09.618
스탠포드대 학부생 수준의 강의를 제공할 수 있다는것이 참 흥미롭습니다.

0:00:09.618,0:00:12.209
스탠포드대 학부생 수준의 강의를 제공할 수 있다는것이 참 흥미롭습니다.

0:00:12.209,0:00:14.751
그것도 어느누구든지, 세계 어디든지 무료로 말이죠.

0:00:14.751,0:00:18.481
그럼, 확률적 그래픽 모델이라는 것이 무엇일까요?

0:00:18.481,0:00:20.751
좀 설명하기가 복잡할 수 있는데요.

0:00:20.751,0:00:24.095
앞으로 할 강의에서 그것을 이야기해보도록 하겠습니다.

0:00:24.095,0:00:26.192
앞으로 할 강의에서 그것을 이야기해보도록 하겠습니다.

0:00:26.192,0:00:29.716
이번 동영상에서는, 이 강의의 진행에 대해서 조금 이야기를 해보려고 합니다.

0:00:29.716,0:00:32.816
강의는 10주에 걸쳐서 제공될 것이고,

0:00:32.816,0:00:34.794
마지막에 시험도 있습니다.

0:00:34.794,0:00:39.066
강의는 여러개의 동영상으로 구성될 것이고,

0:00:39.066,0:00:42.317
이해를 돕기위해 퀴즈도 중간중간에 나갑니다.

0:00:42.317,0:00:45.496
추가적으로, 매주 문제를 내줄텐데요.

0:00:45.496,0:00:50.041
그 문제들은 전체 점수의 25%정도가 될 것이고,

0:00:50.041,0:00:53.479
총 9문제로 9주동안에 나갈겁니다.

0:00:53.479,0:00:56.568
그 문제들은 복수 제출도 가능하도록 되어 있어서

0:00:56.568,0:01:00.626
문항의 각 버젼은 조금씩 다를겁니다.

0:01:00.626,0:01:04.040
따라서, 그 강의를 충분히 이해하고 넘어갈 수 있도록 하기위해

0:01:04.040,0:01:06.623
몇번이고 다시 제출할 수 있습니다.

0:01:06.623,0:01:10.962
추가적으로, 매주 프로그래밍 과제가 나갈거고,

0:01:10.962,0:01:13.859
그 프로그래밍 과제는

0:01:13.859,0:01:17.976
강의에서 우리가 공부한 개념들을 좀더 탄탄하게 만들어 줄 수 있는걸로 골랐습니다.

0:01:17.976,0:01:21.343
그와 동시에 확률 그래픽 모델의 프레임 워크를 잘 적용할 수 있는

0:01:21.343,0:01:25.431
어플리케이션의 범위를 보여줄 수 있는 것으로 선택했습니다.

0:01:25.431,0:01:27.288
예를들어, 우리가 다룰것이

0:01:27.288,0:01:30.367
어떻게 확률 그래픽 모델을 사용하는지에 대한 문제인데

0:01:30.367,0:01:33.639
유전적인 질병의 유전 문제를 이해하는 문제가 있겠죠.

0:01:33.639,0:01:35.647
어떻게 필기문자를 보고 거기에 적혀있는것을 읽는지..

0:01:35.647,0:01:38.963
어떻게 필기문자를 보고 거기에 적혀있는것을 읽는지..

0:01:38.963,0:01:40.937
어떻게 필기문자를 보고 거기에 적혀있는것을 읽는지..

0:01:40.937,0:01:44.087
그리고, Kinect 센서로부터 출력 스트림을 보고 사람의 움직임을 인식하는지..

0:01:44.087,0:01:47.647
그리고, Kinect 센서로부터 출력 스트림을 보고 사람의 움직임을 인식하는지..

0:01:47.647,0:01:49.759
그리고, Kinect 센서로부터 출력 스트림을 보고 사람의 움직임을 인식하는지..

0:01:49.759,0:01:52.167
그리고, Kinect 센서로부터 출력 스트림을 보고 사람의 움직임을 인식하는지..

0:01:52.167,0:01:56.458
이러한 9 개의 프로그래밍 과제에서 각 과제는 전체 점수의 63%중에 점수의 7%를 차지합니다.

0:01:56.458,0:01:58.089
이러한 9 개의 프로그래밍 과제에서 각 과제는 전체 점수의 63%중에 점수의 7%를 차지합니다.

0:01:58.089,0:02:01.408
남은 12%는 시험으로 주어질 겁니다.

0:02:01.408,0:02:04.480
이 수업을 듣는데 어떤 배경지식이 필요할까요?

0:02:04.480,0:02:07.540
아마도 기본적인 확률 이론에 대한 이해가 없으면

0:02:07.540,0:02:11.048
이 수업은 아주 어려울겁니다.

0:02:11.048,0:02:13.087
그렇다고 고급적인 것이지 않아도 됩니다.

0:02:13.087,0:02:16.176
여기서는 독립성과 베이즈 규칙 그리고 이산 분포에 대한 기본적인 것만

0:02:16.176,0:02:18.711
이야기 할겁니다.

0:02:18.711,0:02:20.615
그리고, 몇가지 기본적인 개념을 다시 상기시킬수 있는

0:02:20.615,0:02:23.687
몇가지 기본적인 것들도 보여줄 겁니다.

0:02:23.687,0:02:26.942
프로그래밍 과제에서는 약간 경험이 필요할 겁니다.

0:02:26.942,0:02:29.416
프로그래밍 과제에서는 약간 경험이 필요할 겁니다.

0:02:29.416,0:02:30.871
왜냐하면 이 강의는 프로그래밍 강의가 아니니까,

0:02:30.871,0:02:31.959
이 강의에서는 어떻게 프로그램하는지 가르쳐 주지 않을겁니다.

0:02:31.959,0:02:37.383
이 강의는 확률 이론 및 컴퓨터 과학 학문을 합칠것이기 때문에

0:02:37.383,0:02:41.247
알고리즘이나 데이터 구조에 대한 기본지식을 아는것이 아주 중요합니다.

0:02:41.247,0:02:44.475
알면 좋겠지만, 아주 구체적으로 알아야하는 것은 아니고..

0:02:44.475,0:02:46.597
모두 필요로 하는것은 아니고,

0:02:46.597,0:02:48.719
진행하는데 필요한 기본적인 것들은

0:02:48.719,0:02:52.290
기계학습쪽에 약간의 경험,

0:02:52.290,0:02:55.367
gradient descent같은 간단한 최적화,

0:02:55.367,0:02:57.445
복잡한것은 없습니다..

0:02:57.445,0:03:01.483
그리고, MATLAB이나 Octave프로그래밍 경험이 있다면 도움이 될겁니다.

0:03:01.483,0:03:04.364
뭐, 강의에서 소개는 하겠지만

0:03:04.364,0:03:08.337
이전에 사용해본적이 없다면, 그 프로그래밍 언어를 배우는데에 도움이 될겁니다.

0:03:10.044,0:03:12.482
기타 다른 이슈들은 중요하지 않습니다.

0:03:12.482,0:03:14.552
이 강의에서는 명예규칙(honor code)이 있습니다.

0:03:14.552,0:03:19.017
스탠포드대 강의에 대해서 이야기할때 스탠포드대 학생들도 지켜줘야할 규범이죠.

0:03:19.017,0:03:22.836
그 명예규칙이라는 것은, 강의에 대한 토론을 허용한다는 것과..

0:03:22.836,0:03:26.583
학과 친구들과 함께 강의에 대한 토론을 하는것도 좋습니다.

0:03:26.583,0:03:30.809
심지어 문제들과 프로그래밍 과제에 대한 질문을 요청할 수도 있습니다.

0:03:30.809,0:03:32.991
하지만, 자신의 과제는 직접하시길 바랍니다.

0:03:32.991,0:03:39.537
또한, 프로그래밍 과제나 과제의 답을

0:03:39.537,0:03:41.711
웹 어디에도 올리지 마십시오.

0:03:41.711,0:03:44.601
그래야 다음 학생들이

0:03:44.601,0:03:48.447
그 프로그래밍 과제들을 스스로 할 수 있을테니까요..

0:03:48.447,0:03:52.359
마음에 새겨야 할 두번째 이슈는 시간 관리입니다.

0:03:52.359,0:03:54.375
이 강의는 학부생 수준의 스탠포드대 강의이고

0:03:54.375,0:03:56.863
스탠포드대에서 조차도 어려운 강의일 겁니다.

0:03:56.863,0:03:59.146
일반 스탠포드대 학생들은

0:03:59.146,0:04:01.073
이 강의로 1주일에 10~15시간정도를 보냈습니다.

0:04:01.073,0:04:02.904
그래서, 이 강의에 노력할 수 있는 만큼의 시간을

0:04:02.904,0:04:05.791
충분히 들이기를 권합니다.

0:04:05.791,0:04:08.299
그렇지 못하면, 제출 마감쯤에

0:04:08.299,0:04:10.375
시간이 부족할 겁니다.

0:04:10.375,0:04:13.341
이 강의에서 제출 마감기일에 약간 여유를 뒀기때문에

0:04:13.341,0:04:17.655
혹시라도 원래 기한까지 제출하지 못하면

0:04:17.655,0:04:19.362
일주일의 유예기간을 가질 수 있습니다.

0:04:19.362,0:04:22.975
하지만 확실히 다음주 과제에 영향을 줄겁니다.

0:04:22.975,0:04:25.439
그러니, 이 과정을 통해서 과제를

0:04:25.439,0:04:28.511
미루지 말기를 바랍니다.

0:04:28.511,0:04:31.482
안그러면 마지막에 고생합니다.

0:04:32.021,0:04:36.347
마지막으로, 이 강의에서 배운 일부분들을

0:04:36.347,0:04:38.591
학과 친구들과 교류하세요.

0:04:38.591,0:04:41.447
다른 강의에서도 보여줬던 토론 포럼을 만든 목적이 그런겁니다.

0:04:41.447,0:04:43.269
다른 강의에서도 보여줬던 토론 포럼을 만든 목적이고,

0:04:43.269,0:04:46.527
다른 학생들과 서로 질문에 대답하고, 강의에 대해 좀더 깊이있게

0:04:46.527,0:04:49.783
이해할 수 있게 교류하는것이 아주 큰 도움이 될겁니다.

0:04:49.783,0:04:52.412
또한, 스터디 그룹을 만드는 것도 장려합니다.

0:04:52.412,0:04:55.892
같은 지역에 있는 사람들과 함께 그룹을 만들거나

0:04:55.892,0:05:00.280
강의에 대해서 서로 토론할 수 있는 온라인 스터디 그룹을 만드세요.

0:05:00.280,0:05:01.839
이렇게 하는 것은

0:05:01.839,0:05:03.933
강의에 대해서 좀더 이해를 잘되게 해줄것이고

0:05:03.933,0:05:06.832
이 과정을 상당히 재미있게 만들어 줄겁니다.

0:05:06.832,0:05:09.368
요약하자면

0:05:09.368,0:05:14.999
여기에 있는 모든 컨텐츠들과 예제들을 통해서

0:05:14.999,0:05:17.831
확률적 그래픽 모델 분야에서 사용되는

0:05:17.831,0:05:19.880
기본적인 방법들을 배울수 있을거라 생각합니다.

0:05:19.880,0:05:22.342
그리고, 실제 사용되는 어플리케이션이

0:05:22.342,0:05:25.872
어느곳에 사용될 수 있는지 볼 수 있을거고,

0:05:25.872,0:05:29.346
희망컨데 지금 하고있는 일에 사용하거나 어떻게 아이디어를

0:05:29.346,0:05:32.314
얻을지를 이해할 수 있을겁니다.

0:05:32.314,0:05:33.875
어떻게 사용될 수 있을지에 대한 아이디어를 얻어보세요.

0:05:33.875,9:59:59.000
앞으로 이 강의에서 계속 만날수 있기를 기대하겠습니다.