1
00:00:00,211 --> 00:00:04,140
안녕하세요. 확률 그래픽 모델 수업에 오신것을 환영합니다.

2
00:00:04,140 --> 00:00:07,647
제 이름은 Daphne Koller이고 스탠포드대학 교수입니다.

3
00:00:07,647 --> 00:00:09,618
스탠포드대 학부생 수준의 강의를 제공할 수 있다는것이 참 흥미롭습니다.

4
00:00:09,618 --> 00:00:12,209
스탠포드대 학부생 수준의 강의를 제공할 수 있다는것이 참 흥미롭습니다.

5
00:00:12,209 --> 00:00:14,751
그것도 어느누구든지, 세계 어디든지 무료로 말이죠.

6
00:00:14,751 --> 00:00:18,481
그럼, 확률적 그래픽 모델이라는 것이 무엇일까요?

7
00:00:18,481 --> 00:00:20,751
좀 설명하기가 복잡할 수 있는데요.

8
00:00:20,751 --> 00:00:24,095
앞으로 할 강의에서 그것을 이야기해보도록 하겠습니다.

9
00:00:24,095 --> 00:00:26,192
앞으로 할 강의에서 그것을 이야기해보도록 하겠습니다.

10
00:00:26,192 --> 00:00:29,716
이번 동영상에서는, 이 강의의 진행에 대해서 조금 이야기를 해보려고 합니다.

11
00:00:29,716 --> 00:00:32,816
강의는 10주에 걸쳐서 제공될 것이고,

12
00:00:32,816 --> 00:00:34,794
마지막에 시험도 있습니다.

13
00:00:34,794 --> 00:00:39,066
강의는 여러개의 동영상으로 구성될 것이고,

14
00:00:39,066 --> 00:00:42,317
이해를 돕기위해 퀴즈도 중간중간에 나갑니다.

15
00:00:42,317 --> 00:00:45,496
추가적으로, 매주 문제를 내줄텐데요.

16
00:00:45,496 --> 00:00:50,041
그 문제들은 전체 점수의 25%정도가 될 것이고,

17
00:00:50,041 --> 00:00:53,479
총 9문제로 9주동안에 나갈겁니다.

18
00:00:53,479 --> 00:00:56,568
그 문제들은 복수 제출도 가능하도록 되어 있어서

19
00:00:56,568 --> 00:01:00,626
문항의 각 버젼은 조금씩 다를겁니다.

20
00:01:00,626 --> 00:01:04,040
따라서, 그 강의를 충분히 이해하고 넘어갈 수 있도록 하기위해

21
00:01:04,040 --> 00:01:06,623
몇번이고 다시 제출할 수 있습니다.

22
00:01:06,623 --> 00:01:10,962
추가적으로, 매주 프로그래밍 과제가 나갈거고,

23
00:01:10,962 --> 00:01:13,859
그 프로그래밍 과제는

24
00:01:13,859 --> 00:01:17,976
강의에서 우리가 공부한 개념들을 좀더 탄탄하게 만들어 줄 수 있는걸로 골랐습니다.

25
00:01:17,976 --> 00:01:21,343
그와 동시에 확률 그래픽 모델의 프레임 워크를 잘 적용할 수 있는

26
00:01:21,343 --> 00:01:25,431
어플리케이션의 범위를 보여줄 수 있는 것으로 선택했습니다.

27
00:01:25,431 --> 00:01:27,288
예를들어, 우리가 다룰것이

28
00:01:27,288 --> 00:01:30,367
어떻게 확률 그래픽 모델을 사용하는지에 대한 문제인데

29
00:01:30,367 --> 00:01:33,639
유전적인 질병의 유전 문제를 이해하는 문제가 있겠죠.

30
00:01:33,639 --> 00:01:35,647
어떻게 필기문자를 보고 거기에 적혀있는것을 읽는지..

31
00:01:35,647 --> 00:01:38,963
어떻게 필기문자를 보고 거기에 적혀있는것을 읽는지..

32
00:01:38,963 --> 00:01:40,937
어떻게 필기문자를 보고 거기에 적혀있는것을 읽는지..

33
00:01:40,937 --> 00:01:44,087
그리고, Kinect 센서로부터 출력 스트림을 보고 사람의 움직임을 인식하는지..

34
00:01:44,087 --> 00:01:47,647
그리고, Kinect 센서로부터 출력 스트림을 보고 사람의 움직임을 인식하는지..

35
00:01:47,647 --> 00:01:49,759
그리고, Kinect 센서로부터 출력 스트림을 보고 사람의 움직임을 인식하는지..

36
00:01:49,759 --> 00:01:52,167
그리고, Kinect 센서로부터 출력 스트림을 보고 사람의 움직임을 인식하는지..

37
00:01:52,167 --> 00:01:56,458
이러한 9 개의 프로그래밍 과제에서 각 과제는 전체 점수의 63%중에 점수의 7%를 차지합니다.

38
00:01:56,458 --> 00:01:58,089
이러한 9 개의 프로그래밍 과제에서 각 과제는 전체 점수의 63%중에 점수의 7%를 차지합니다.

39
00:01:58,089 --> 00:02:01,408
남은 12%는 시험으로 주어질 겁니다.

40
00:02:01,408 --> 00:02:04,480
이 수업을 듣는데 어떤 배경지식이 필요할까요?

41
00:02:04,480 --> 00:02:07,540
아마도 기본적인 확률 이론에 대한 이해가 없으면

42
00:02:07,540 --> 00:02:11,048
이 수업은 아주 어려울겁니다.

43
00:02:11,048 --> 00:02:13,087
그렇다고 고급적인 것이지 않아도 됩니다.

44
00:02:13,087 --> 00:02:16,176
여기서는 독립성과 베이즈 규칙 그리고 이산 분포에 대한 기본적인 것만

45
00:02:16,176 --> 00:02:18,711
이야기 할겁니다.

46
00:02:18,711 --> 00:02:20,615
그리고, 몇가지 기본적인 개념을 다시 상기시킬수 있는

47
00:02:20,615 --> 00:02:23,687
몇가지 기본적인 것들도 보여줄 겁니다.

48
00:02:23,687 --> 00:02:26,942
프로그래밍 과제에서는 약간 경험이 필요할 겁니다.

49
00:02:26,942 --> 00:02:29,416
프로그래밍 과제에서는 약간 경험이 필요할 겁니다.

50
00:02:29,416 --> 00:02:30,871
왜냐하면 이 강의는 프로그래밍 강의가 아니니까,

51
00:02:30,871 --> 00:02:31,959
이 강의에서는 어떻게 프로그램하는지 가르쳐 주지 않을겁니다.

52
00:02:31,959 --> 00:02:37,383
이 강의는 확률 이론 및 컴퓨터 과학 학문을 합칠것이기 때문에

53
00:02:37,383 --> 00:02:41,247
알고리즘이나 데이터 구조에 대한 기본지식을 아는것이 아주 중요합니다.

54
00:02:41,247 --> 00:02:44,475
알면 좋겠지만, 아주 구체적으로 알아야하는 것은 아니고..

55
00:02:44,475 --> 00:02:46,597
모두 필요로 하는것은 아니고,

56
00:02:46,597 --> 00:02:48,719
진행하는데 필요한 기본적인 것들은

57
00:02:48,719 --> 00:02:52,290
기계학습쪽에 약간의 경험,

58
00:02:52,290 --> 00:02:55,367
gradient descent같은 간단한 최적화,

59
00:02:55,367 --> 00:02:57,445
복잡한것은 없습니다..

60
00:02:57,445 --> 00:03:01,483
그리고, MATLAB이나 Octave프로그래밍 경험이 있다면 도움이 될겁니다.

61
00:03:01,483 --> 00:03:04,364
뭐, 강의에서 소개는 하겠지만

62
00:03:04,364 --> 00:03:08,337
이전에 사용해본적이 없다면, 그 프로그래밍 언어를 배우는데에 도움이 될겁니다.

63
00:03:10,044 --> 00:03:12,482
기타 다른 이슈들은 중요하지 않습니다.

64
00:03:12,482 --> 00:03:14,552
이 강의에서는 명예규칙(honor code)이 있습니다.

65
00:03:14,552 --> 00:03:19,017
스탠포드대 강의에 대해서 이야기할때 스탠포드대 학생들도 지켜줘야할 규범이죠.

66
00:03:19,017 --> 00:03:22,836
그 명예규칙이라는 것은, 강의에 대한 토론을 허용한다는 것과..

67
00:03:22,836 --> 00:03:26,583
학과 친구들과 함께 강의에 대한 토론을 하는것도 좋습니다.

68
00:03:26,583 --> 00:03:30,809
심지어 문제들과 프로그래밍 과제에 대한 질문을 요청할 수도 있습니다.

69
00:03:30,809 --> 00:03:32,991
하지만, 자신의 과제는 직접하시길 바랍니다.

70
00:03:32,991 --> 00:03:39,537
또한, 프로그래밍 과제나 과제의 답을

71
00:03:39,537 --> 00:03:41,711
웹 어디에도 올리지 마십시오.

72
00:03:41,711 --> 00:03:44,601
그래야 다음 학생들이

73
00:03:44,601 --> 00:03:48,447
그 프로그래밍 과제들을 스스로 할 수 있을테니까요..

74
00:03:48,447 --> 00:03:52,359
마음에 새겨야 할 두번째 이슈는 시간 관리입니다.

75
00:03:52,359 --> 00:03:54,375
이 강의는 학부생 수준의 스탠포드대 강의이고

76
00:03:54,375 --> 00:03:56,863
스탠포드대에서 조차도 어려운 강의일 겁니다.

77
00:03:56,863 --> 00:03:59,146
일반 스탠포드대 학생들은

78
00:03:59,146 --> 00:04:01,073
이 강의로 1주일에 10~15시간정도를 보냈습니다.

79
00:04:01,073 --> 00:04:02,904
그래서, 이 강의에 노력할 수 있는 만큼의 시간을

80
00:04:02,904 --> 00:04:05,791
충분히 들이기를 권합니다.

81
00:04:05,791 --> 00:04:08,299
그렇지 못하면, 제출 마감쯤에

82
00:04:08,299 --> 00:04:10,375
시간이 부족할 겁니다.

83
00:04:10,375 --> 00:04:13,341
이 강의에서 제출 마감기일에 약간 여유를 뒀기때문에

84
00:04:13,341 --> 00:04:17,655
혹시라도 원래 기한까지 제출하지 못하면

85
00:04:17,655 --> 00:04:19,362
일주일의 유예기간을 가질 수 있습니다.

86
00:04:19,362 --> 00:04:22,975
하지만 확실히 다음주 과제에 영향을 줄겁니다.

87
00:04:22,975 --> 00:04:25,439
그러니, 이 과정을 통해서 과제를

88
00:04:25,439 --> 00:04:28,511
미루지 말기를 바랍니다.

89
00:04:28,511 --> 00:04:31,482
안그러면 마지막에 고생합니다.

90
00:04:32,021 --> 00:04:36,347
마지막으로, 이 강의에서 배운 일부분들을

91
00:04:36,347 --> 00:04:38,591
학과 친구들과 교류하세요.

92
00:04:38,591 --> 00:04:41,447
다른 강의에서도 보여줬던 토론 포럼을 만든 목적이 그런겁니다.

93
00:04:41,447 --> 00:04:43,269
다른 강의에서도 보여줬던 토론 포럼을 만든 목적이고,

94
00:04:43,269 --> 00:04:46,527
다른 학생들과 서로 질문에 대답하고, 강의에 대해 좀더 깊이있게

95
00:04:46,527 --> 00:04:49,783
이해할 수 있게 교류하는것이 아주 큰 도움이 될겁니다.

96
00:04:49,783 --> 00:04:52,412
또한, 스터디 그룹을 만드는 것도 장려합니다.

97
00:04:52,412 --> 00:04:55,892
같은 지역에 있는 사람들과 함께 그룹을 만들거나

98
00:04:55,892 --> 00:05:00,280
강의에 대해서 서로 토론할 수 있는 온라인 스터디 그룹을 만드세요.

99
00:05:00,280 --> 00:05:01,839
이렇게 하는 것은

100
00:05:01,839 --> 00:05:03,933
강의에 대해서 좀더 이해를 잘되게 해줄것이고

101
00:05:03,933 --> 00:05:06,832
이 과정을 상당히 재미있게 만들어 줄겁니다.

102
00:05:06,832 --> 00:05:09,368
요약하자면

103
00:05:09,368 --> 00:05:14,999
여기에 있는 모든 컨텐츠들과 예제들을 통해서

104
00:05:14,999 --> 00:05:17,831
확률적 그래픽 모델 분야에서 사용되는

105
00:05:17,831 --> 00:05:19,880
기본적인 방법들을 배울수 있을거라 생각합니다.

106
00:05:19,880 --> 00:05:22,342
그리고, 실제 사용되는 어플리케이션이

107
00:05:22,342 --> 00:05:25,872
어느곳에 사용될 수 있는지 볼 수 있을거고,

108
00:05:25,872 --> 00:05:29,346
희망컨데 지금 하고있는 일에 사용하거나 어떻게 아이디어를

109
00:05:29,346 --> 00:05:32,314
얻을지를 이해할 수 있을겁니다.

110
00:05:32,314 --> 00:05:33,875
어떻게 사용될 수 있을지에 대한 아이디어를 얻어보세요.

111
00:05:33,875 --> 99:59:59,999
앞으로 이 강의에서 계속 만날수 있기를 기대하겠습니다.