안녕하세요. 확률 그래픽 모델 수업에 오신것을 환영합니다.

제 이름은 Daphne Koller이고 스탠포드대학 교수입니다.

스탠포드대 학부생 수준의 강의를 제공할 수 있다는것이 참 흥미롭습니다.

스탠포드대 학부생 수준의 강의를 제공할 수 있다는것이 참 흥미롭습니다.

그것도 어느누구든지, 세계 어디든지 무료로 말이죠.

그럼, 확률적 그래픽 모델이라는 것이 무엇일까요?

좀 설명하기가 복잡할 수 있는데요.

앞으로 할 강의에서 그것을 이야기해보도록 하겠습니다.

앞으로 할 강의에서 그것을 이야기해보도록 하겠습니다.

이번 동영상에서는, 이 강의의 진행에 대해서 조금 이야기를 해보려고 합니다.

강의는 10주에 걸쳐서 제공될 것이고,

마지막에 시험도 있습니다.

강의는 여러개의 동영상으로 구성될 것이고,

이해를 돕기위해 퀴즈도 중간중간에 나갑니다.

추가적으로, 매주 문제를 내줄텐데요.

그 문제들은 전체 점수의 25%정도가 될 것이고,

총 9문제로 9주동안에 나갈겁니다.

그 문제들은 복수 제출도 가능하도록 되어 있어서

문항의 각 버젼은 조금씩 다를겁니다.

따라서, 그 강의를 충분히 이해하고 넘어갈 수 있도록 하기위해

몇번이고 다시 제출할 수 있습니다.

추가적으로, 매주 프로그래밍 과제가 나갈거고,

그 프로그래밍 과제는

강의에서 우리가 공부한 개념들을 좀더 탄탄하게 만들어 줄 수 있는걸로 골랐습니다.

그와 동시에 확률 그래픽 모델의 프레임 워크를 잘 적용할 수 있는

어플리케이션의 범위를 보여줄 수 있는 것으로 선택했습니다.

예를들어, 우리가 다룰것이

어떻게 확률 그래픽 모델을 사용하는지에 대한 문제인데

유전적인 질병의 유전 문제를 이해하는 문제가 있겠죠.

어떻게 필기문자를 보고 거기에 적혀있는것을 읽는지..

어떻게 필기문자를 보고 거기에 적혀있는것을 읽는지..

어떻게 필기문자를 보고 거기에 적혀있는것을 읽는지..

그리고, Kinect 센서로부터 출력 스트림을 보고 사람의 움직임을 인식하는지..

그리고, Kinect 센서로부터 출력 스트림을 보고 사람의 움직임을 인식하는지..

그리고, Kinect 센서로부터 출력 스트림을 보고 사람의 움직임을 인식하는지..

그리고, Kinect 센서로부터 출력 스트림을 보고 사람의 움직임을 인식하는지..

이러한 9 개의 프로그래밍 과제에서 각 과제는 전체 점수의 63%중에 점수의 7%를 차지합니다.

이러한 9 개의 프로그래밍 과제에서 각 과제는 전체 점수의 63%중에 점수의 7%를 차지합니다.

남은 12%는 시험으로 주어질 겁니다.

이 수업을 듣는데 어떤 배경지식이 필요할까요?

아마도 기본적인 확률 이론에 대한 이해가 없으면

이 수업은 아주 어려울겁니다.

그렇다고 고급적인 것이지 않아도 됩니다.

여기서는 독립성과 베이즈 규칙 그리고 이산 분포에 대한 기본적인 것만

이야기 할겁니다.

그리고, 몇가지 기본적인 개념을 다시 상기시킬수 있는

몇가지 기본적인 것들도 보여줄 겁니다.

프로그래밍 과제에서는 약간 경험이 필요할 겁니다.

프로그래밍 과제에서는 약간 경험이 필요할 겁니다.

왜냐하면 이 강의는 프로그래밍 강의가 아니니까,

이 강의에서는 어떻게 프로그램하는지 가르쳐 주지 않을겁니다.

이 강의는 확률 이론 및 컴퓨터 과학 학문을 합칠것이기 때문에

알고리즘이나 데이터 구조에 대한 기본지식을 아는것이 아주 중요합니다.

알면 좋겠지만, 아주 구체적으로 알아야하는 것은 아니고..

모두 필요로 하는것은 아니고,

진행하는데 필요한 기본적인 것들은

기계학습쪽에 약간의 경험,

gradient descent같은 간단한 최적화,

복잡한것은 없습니다..

그리고, MATLAB이나 Octave프로그래밍 경험이 있다면 도움이 될겁니다.

뭐, 강의에서 소개는 하겠지만

이전에 사용해본적이 없다면, 그 프로그래밍 언어를 배우는데에 도움이 될겁니다.

기타 다른 이슈들은 중요하지 않습니다.

이 강의에서는 명예규칙(honor code)이 있습니다.

스탠포드대 강의에 대해서 이야기할때 스탠포드대 학생들도 지켜줘야할 규범이죠.

그 명예규칙이라는 것은, 강의에 대한 토론을 허용한다는 것과..

학과 친구들과 함께 강의에 대한 토론을 하는것도 좋습니다.

심지어 문제들과 프로그래밍 과제에 대한 질문을 요청할 수도 있습니다.

하지만, 자신의 과제는 직접하시길 바랍니다.

또한, 프로그래밍 과제나 과제의 답을

웹 어디에도 올리지 마십시오.

그래야 다음 학생들이

그 프로그래밍 과제들을 스스로 할 수 있을테니까요..

마음에 새겨야 할 두번째 이슈는 시간 관리입니다.

이 강의는 학부생 수준의 스탠포드대 강의이고

스탠포드대에서 조차도 어려운 강의일 겁니다.

일반 스탠포드대 학생들은

이 강의로 1주일에 10~15시간정도를 보냈습니다.

그래서, 이 강의에 노력할 수 있는 만큼의 시간을

충분히 들이기를 권합니다.

그렇지 못하면, 제출 마감쯤에

시간이 부족할 겁니다.

이 강의에서 제출 마감기일에 약간 여유를 뒀기때문에

혹시라도 원래 기한까지 제출하지 못하면

일주일의 유예기간을 가질 수 있습니다.

하지만 확실히 다음주 과제에 영향을 줄겁니다.

그러니, 이 과정을 통해서 과제를

미루지 말기를 바랍니다.

안그러면 마지막에 고생합니다.

마지막으로, 이 강의에서 배운 일부분들을

학과 친구들과 교류하세요.

다른 강의에서도 보여줬던 토론 포럼을 만든 목적이 그런겁니다.

다른 강의에서도 보여줬던 토론 포럼을 만든 목적이고,

다른 학생들과 서로 질문에 대답하고, 강의에 대해 좀더 깊이있게

이해할 수 있게 교류하는것이 아주 큰 도움이 될겁니다.

또한, 스터디 그룹을 만드는 것도 장려합니다.

같은 지역에 있는 사람들과 함께 그룹을 만들거나

강의에 대해서 서로 토론할 수 있는 온라인 스터디 그룹을 만드세요.

이렇게 하는 것은

강의에 대해서 좀더 이해를 잘되게 해줄것이고

이 과정을 상당히 재미있게 만들어 줄겁니다.

요약하자면

여기에 있는 모든 컨텐츠들과 예제들을 통해서

확률적 그래픽 모델 분야에서 사용되는

기본적인 방법들을 배울수 있을거라 생각합니다.

그리고, 실제 사용되는 어플리케이션이

어느곳에 사용될 수 있는지 볼 수 있을거고,

희망컨데 지금 하고있는 일에 사용하거나 어떻게 아이디어를

얻을지를 이해할 수 있을겁니다.

어떻게 사용될 수 있을지에 대한 아이디어를 얻어보세요.

앞으로 이 강의에서 계속 만날수 있기를 기대하겠습니다.