Return to Video

Welcome! (05:35)

  • 0:00 - 0:04
    안녕하세요. 확률 그래픽 모델 수업에 오신것을 환영합니다.
  • 0:04 - 0:08
    제 이름은 Daphne Koller이고 스탠포드대학 교수입니다.
  • 0:08 - 0:10
    스탠포드대 학부생 수준의 강의를 제공할 수 있다는것이 참 흥미롭습니다.
  • 0:10 - 0:12
    스탠포드대 학부생 수준의 강의를 제공할 수 있다는것이 참 흥미롭습니다.
  • 0:12 - 0:15
    그것도 어느누구든지, 세계 어디든지 무료로 말이죠.
  • 0:15 - 0:18
    그럼, 확률적 그래픽 모델이라는 것이 무엇일까요?
  • 0:18 - 0:21
    좀 설명하기가 복잡할 수 있는데요.
  • 0:21 - 0:24
    앞으로 할 강의에서 그것을 이야기해보도록 하겠습니다.
  • 0:24 - 0:26
    앞으로 할 강의에서 그것을 이야기해보도록 하겠습니다.
  • 0:26 - 0:30
    이번 동영상에서는, 이 강의의 진행에 대해서 조금 이야기를 해보려고 합니다.
  • 0:30 - 0:33
    강의는 10주에 걸쳐서 제공될 것이고,
  • 0:33 - 0:35
    마지막에 시험도 있습니다.
  • 0:35 - 0:39
    강의는 여러개의 동영상으로 구성될 것이고,
  • 0:39 - 0:42
    이해를 돕기위해 퀴즈도 중간중간에 나갑니다.
  • 0:42 - 0:45
    추가적으로, 매주 문제를 내줄텐데요.
  • 0:45 - 0:50
    그 문제들은 전체 점수의 25%정도가 될 것이고,
  • 0:50 - 0:53
    총 9문제로 9주동안에 나갈겁니다.
  • 0:53 - 0:57
    그 문제들은 복수 제출도 가능하도록 되어 있어서
  • 0:57 - 1:01
    문항의 각 버젼은 조금씩 다를겁니다.
  • 1:01 - 1:04
    따라서, 그 강의를 충분히 이해하고 넘어갈 수 있도록 하기위해
  • 1:04 - 1:07
    몇번이고 다시 제출할 수 있습니다.
  • 1:07 - 1:11
    추가적으로, 매주 프로그래밍 과제가 나갈거고,
  • 1:11 - 1:14
    그 프로그래밍 과제는
  • 1:14 - 1:18
    강의에서 우리가 공부한 개념들을 좀더 탄탄하게 만들어 줄 수 있는걸로 골랐습니다.
  • 1:18 - 1:21
    그와 동시에 확률 그래픽 모델의 프레임 워크를 잘 적용할 수 있는
  • 1:21 - 1:25
    어플리케이션의 범위를 보여줄 수 있는 것으로 선택했습니다.
  • 1:25 - 1:27
    예를들어, 우리가 다룰것이
  • 1:27 - 1:30
    어떻게 확률 그래픽 모델을 사용하는지에 대한 문제인데
  • 1:30 - 1:34
    유전적인 질병의 유전 문제를 이해하는 문제가 있겠죠.
  • 1:34 - 1:36
    어떻게 필기문자를 보고 거기에 적혀있는것을 읽는지..
  • 1:36 - 1:39
    어떻게 필기문자를 보고 거기에 적혀있는것을 읽는지..
  • 1:39 - 1:41
    어떻게 필기문자를 보고 거기에 적혀있는것을 읽는지..
  • 1:41 - 1:44
    그리고, Kinect 센서로부터 출력 스트림을 보고 사람의 움직임을 인식하는지..
  • 1:44 - 1:48
    그리고, Kinect 센서로부터 출력 스트림을 보고 사람의 움직임을 인식하는지..
  • 1:48 - 1:50
    그리고, Kinect 센서로부터 출력 스트림을 보고 사람의 움직임을 인식하는지..
  • 1:50 - 1:52
    그리고, Kinect 센서로부터 출력 스트림을 보고 사람의 움직임을 인식하는지..
  • 1:52 - 1:56
    이러한 9 개의 프로그래밍 과제에서 각 과제는 전체 점수의 63%중에 점수의 7%를 차지합니다.
  • 1:56 - 1:58
    이러한 9 개의 프로그래밍 과제에서 각 과제는 전체 점수의 63%중에 점수의 7%를 차지합니다.
  • 1:58 - 2:01
    남은 12%는 시험으로 주어질 겁니다.
  • 2:01 - 2:04
    이 수업을 듣는데 어떤 배경지식이 필요할까요?
  • 2:04 - 2:08
    아마도 기본적인 확률 이론에 대한 이해가 없으면
  • 2:08 - 2:11
    이 수업은 아주 어려울겁니다.
  • 2:11 - 2:13
    그렇다고 고급적인 것이지 않아도 됩니다.
  • 2:13 - 2:16
    여기서는 독립성과 베이즈 규칙 그리고 이산 분포에 대한 기본적인 것만
  • 2:16 - 2:19
    이야기 할겁니다.
  • 2:19 - 2:21
    그리고, 몇가지 기본적인 개념을 다시 상기시킬수 있는
  • 2:21 - 2:24
    몇가지 기본적인 것들도 보여줄 겁니다.
  • 2:24 - 2:27
    프로그래밍 과제에서는 약간 경험이 필요할 겁니다.
  • 2:27 - 2:29
    프로그래밍 과제에서는 약간 경험이 필요할 겁니다.
  • 2:29 - 2:31
    왜냐하면 이 강의는 프로그래밍 강의가 아니니까,
  • 2:31 - 2:32
    이 강의에서는 어떻게 프로그램하는지 가르쳐 주지 않을겁니다.
  • 2:32 - 2:37
    이 강의는 확률 이론 및 컴퓨터 과학 학문을 합칠것이기 때문에
  • 2:37 - 2:41
    알고리즘이나 데이터 구조에 대한 기본지식을 아는것이 아주 중요합니다.
  • 2:41 - 2:44
    알면 좋겠지만, 아주 구체적으로 알아야하는 것은 아니고..
  • 2:44 - 2:47
    모두 필요로 하는것은 아니고,
  • 2:47 - 2:49
    진행하는데 필요한 기본적인 것들은
  • 2:49 - 2:52
    기계학습쪽에 약간의 경험,
  • 2:52 - 2:55
    gradient descent같은 간단한 최적화,
  • 2:55 - 2:57
    복잡한것은 없습니다..
  • 2:57 - 3:01
    그리고, MATLAB이나 Octave프로그래밍 경험이 있다면 도움이 될겁니다.
  • 3:01 - 3:04
    뭐, 강의에서 소개는 하겠지만
  • 3:04 - 3:08
    이전에 사용해본적이 없다면, 그 프로그래밍 언어를 배우는데에 도움이 될겁니다.
  • 3:10 - 3:12
    기타 다른 이슈들은 중요하지 않습니다.
  • 3:12 - 3:15
    이 강의에서는 명예규칙(honor code)이 있습니다.
  • 3:15 - 3:19
    스탠포드대 강의에 대해서 이야기할때 스탠포드대 학생들도 지켜줘야할 규범이죠.
  • 3:19 - 3:23
    그 명예규칙이라는 것은, 강의에 대한 토론을 허용한다는 것과..
  • 3:23 - 3:27
    학과 친구들과 함께 강의에 대한 토론을 하는것도 좋습니다.
  • 3:27 - 3:31
    심지어 문제들과 프로그래밍 과제에 대한 질문을 요청할 수도 있습니다.
  • 3:31 - 3:33
    하지만, 자신의 과제는 직접하시길 바랍니다.
  • 3:33 - 3:40
    또한, 프로그래밍 과제나 과제의 답을
  • 3:40 - 3:42
    웹 어디에도 올리지 마십시오.
  • 3:42 - 3:45
    그래야 다음 학생들이
  • 3:45 - 3:48
    그 프로그래밍 과제들을 스스로 할 수 있을테니까요..
  • 3:48 - 3:52
    마음에 새겨야 할 두번째 이슈는 시간 관리입니다.
  • 3:52 - 3:54
    이 강의는 학부생 수준의 스탠포드대 강의이고
  • 3:54 - 3:57
    스탠포드대에서 조차도 어려운 강의일 겁니다.
  • 3:57 - 3:59
    일반 스탠포드대 학생들은
  • 3:59 - 4:01
    이 강의로 1주일에 10~15시간정도를 보냈습니다.
  • 4:01 - 4:03
    그래서, 이 강의에 노력할 수 있는 만큼의 시간을
  • 4:03 - 4:06
    충분히 들이기를 권합니다.
  • 4:06 - 4:08
    그렇지 못하면, 제출 마감쯤에
  • 4:08 - 4:10
    시간이 부족할 겁니다.
  • 4:10 - 4:13
    이 강의에서 제출 마감기일에 약간 여유를 뒀기때문에
  • 4:13 - 4:18
    혹시라도 원래 기한까지 제출하지 못하면
  • 4:18 - 4:19
    일주일의 유예기간을 가질 수 있습니다.
  • 4:19 - 4:23
    하지만 확실히 다음주 과제에 영향을 줄겁니다.
  • 4:23 - 4:25
    그러니, 이 과정을 통해서 과제를
  • 4:25 - 4:29
    미루지 말기를 바랍니다.
  • 4:29 - 4:31
    안그러면 마지막에 고생합니다.
  • 4:32 - 4:36
    마지막으로, 이 강의에서 배운 일부분들을
  • 4:36 - 4:39
    학과 친구들과 교류하세요.
  • 4:39 - 4:41
    다른 강의에서도 보여줬던 토론 포럼을 만든 목적이 그런겁니다.
  • 4:41 - 4:43
    다른 강의에서도 보여줬던 토론 포럼을 만든 목적이고,
  • 4:43 - 4:47
    다른 학생들과 서로 질문에 대답하고, 강의에 대해 좀더 깊이있게
  • 4:47 - 4:50
    이해할 수 있게 교류하는것이 아주 큰 도움이 될겁니다.
  • 4:50 - 4:52
    또한, 스터디 그룹을 만드는 것도 장려합니다.
  • 4:52 - 4:56
    같은 지역에 있는 사람들과 함께 그룹을 만들거나
  • 4:56 - 5:00
    강의에 대해서 서로 토론할 수 있는 온라인 스터디 그룹을 만드세요.
  • 5:00 - 5:02
    이렇게 하는 것은
  • 5:02 - 5:04
    강의에 대해서 좀더 이해를 잘되게 해줄것이고
  • 5:04 - 5:07
    이 과정을 상당히 재미있게 만들어 줄겁니다.
  • 5:07 - 5:09
    요약하자면
  • 5:09 - 5:15
    여기에 있는 모든 컨텐츠들과 예제들을 통해서
  • 5:15 - 5:18
    확률적 그래픽 모델 분야에서 사용되는
  • 5:18 - 5:20
    기본적인 방법들을 배울수 있을거라 생각합니다.
  • 5:20 - 5:22
    그리고, 실제 사용되는 어플리케이션이
  • 5:22 - 5:26
    어느곳에 사용될 수 있는지 볼 수 있을거고,
  • 5:26 - 5:29
    희망컨데 지금 하고있는 일에 사용하거나 어떻게 아이디어를
  • 5:29 - 5:32
    얻을지를 이해할 수 있을겁니다.
  • 5:32 - 5:34
    어떻게 사용될 수 있을지에 대한 아이디어를 얻어보세요.
  • 5:34 -
    앞으로 이 강의에서 계속 만날수 있기를 기대하겠습니다.
Title:
Welcome! (05:35)
Description:

Probabilistic Graphical Models 강의
more » « less
Video Language:
English
Byunghun Hwang edited Korean subtitles for Welcome! (05:35)
Byunghun Hwang edited Korean subtitles for Welcome! (05:35)
Byunghun Hwang edited Korean subtitles for Welcome! (05:35)
Byunghun Hwang edited Korean subtitles for Welcome! (05:35)
Byunghun Hwang edited Korean subtitles for Welcome! (05:35)
Byunghun Hwang edited Korean subtitles for Welcome! (05:35)
Byunghun Hwang edited Korean subtitles for Welcome! (05:35)
Byunghun Hwang edited Korean subtitles for Welcome! (05:35)
Show all

Korean subtitles

Revisions

Our website uses cookies for analysis purposes.