AIBS : AI Business Strategy

4 minute read

[1주차 (3/21)] What is AI

1) 강의자료

  • Lecture0-Course_introduction
  • Lecrure0-Project_guidelines
  • Lecture0-What_is_AI

2) 강의내용

  • URL링크Lecture0-Course_IntroductionURL링크
  • URL링크Lecture0-Project_GuidelinesURL링크
  • URL링크Lecture0-What_is_AI_part1URL링크
  • URL링크Lecture0-What_is_AI_part2URL링크
  • URL링크Lecture0-What_is_AI_part3URL링크
  • URL링크Lecture0-What_is_AI_part4URL링크

3) 강의정리

4) 실습 및 과제

1). 실습없음

2). 과제없음

[2주차 (3/28)] AI in Business

1) 강의자료

  • Lecture1 - AI_in_Business

2) 강의내용

  • Lecture1-AI_in_Business_part1 기간제한없음 ~ 2020-03-29 23:59:00, 23:46
  • Lecture1-AI_in_Business_part2 기간제한없음 ~ 2020-03-29 23:59:00, 19:50
  • Lecture1-AI_in_Business_part3 기간제한없음 ~ 2020-03-29 23:59:00, 17:46
  • Lecture1-AI_in_Business_part4 기간제한없음 ~ 2020-03-29 23:59:00, 08:26
  • Lecture1-AI_in_Business_part5 기간제한없음 ~ 2020-03-29 23:59:00, 11:21

3) 강의정리

4) 실습 및 과제

1). 실습없음

2). 과제없음

  • 과제HW1: Find three examples AI in business과제

[3주차 (4/5)] Plan & build AI

1) 강의자료

  • Lecture2-plan_and_build_AI
  • Lecture2-install_python

2) 강의내용

- Lecture2-plan_and_build_AI_part1 13:44

- Lecture2-plan_and_build_AI_part2 16:17

- Lecture2-plan_and_build_AI_part3 26:35

- Lecture2-plan_and_build_AI_part4 13:31

- Lecture2-plan_and_build_AI_part5 14:11

- Lecture2-plan_and_build_AI_part6 16:27

- Lecture2-install_python 12:07

3) 강의정리

4) 실습 및 과제

1). 실습없음

2). 과제없음

  • 과제HW2: Install Anaconda and submit the saved file과제

3). 솔루션

[4주차 4/12)] Python Basics

1) 강의자료

  • Lecture3-python_basics_intro

2) 강의내용

- Lecture3-python_basics_intro 11:57

- Lecture3-python-section1-numbers_and_strings 52:15

- Lecture3-python-section2-decisions_and_relational_operators 19:52

- Lecture3-python-section3-loops 37:51

- Lecture3-python-section4-functions 10:34

- Lecture3-python-section5-lists 43:26

- Lecture3-python-hw3_intro 02:51

3) 강의정리

4) 실습 및 과제

1). 실습

  • 파일Lecture3-python_basics.ipynb파일

2). 과제

  • 과제HW3-python_basics_exercises과제

3). 솔루션

  • 파일Lecture3-python_basics[SOLUTION].ipynb파일

[5주차 (4/18)] Python Data

1) 강의자료

  • Lecture4-python_data

    2) 강의내용

- Lecture4-python_data 11:36

- Lecture4-python_data-dataframe_part1 20:32

- Lecture4-python_data-dataframe_part2 22:13

- Lecture4-python_data-wrangling_part1 24:27

- Lecture4-python_data-wrangling_part2 16:33

- Lecture4-python_data-wrangling_part3 15:17

3) 강의정리

4) 실습 및 과제

1). 실습

  • 파일Lecture4-1-dataframe.ipynb파일
  • 파일Lecture4-2-data_wrangling.ipynb파일

2). 과제

  • 과제HW4-python_data_exercises과제
  • 파일covid20200416.csv파일
  • 파일covid20200416_part2.csv파일
  • 파일bigmart_data.csv파일

3). 솔루션

  • 파일Lecture4-1-dataframe[SOLUTION].ipynb파일
  • 파일Lecture4-2-data_wrangling[SOLUTION].ipynb파일

[6주차 4/25)] Visualization and EDA

1) 강의자료

  • 파일Lecture5-visualization_and_eda.pdf파일

2) 강의내용

- Lecture5-visualization_and_eda 19:16

- Lecture5-1-visualization-part1 24:05

- Lecture5-1-visualization-part2 17:52

- Lecture5-1-visualization-part3 21:50

- Lecture5-1-visualization-part4 21:57

- Lecture5-2-eda-part1 26:59

- Lecture5-2-eda-part2 10:05

3) 강의정리

4) 실습 및 과제

1). 실습

  • 파일Lecture5-1-data_visualization.ipynb파일
  • 파일bigmart_data.csv파일
  • 파일Lecture5-2-eda.ipynb파일
  • 파일sales.csv파일

2). 과제

  • 과제HW5-visualization_and_eda과제
  • 파일covid20200416_rev.csv파일

[7주차 (5/2)] ML 1

1) 강의자료

  • Lecture6-machine_learning1.pdf

2) 강의내용

- Lecture6-machine_learning1_part1 06:37

- Lecture6-machine_learning1_part2 21:21

- Lecture6-machine_learning1_part3 08:07

- Lecture6-machine_learning1-linear_regression-part1 16:01

- Lecture6-machine_learning1-linear_regression-part2 12:41

- Lecture6-machine_learning1-linear_regression-part3 16:05

- Lecture6-machine_learning1-logistic_regression-part1 17:18

- Lecture6-machine_learning1-logistic_regression-part2 22:58

3) 강의정리

4) 실습 및 과제

1). 실습

  • 파일Lecture6-machine_learning1-linear_regression.ipynb파일
  • 파일USA_Housing.csv파일
  • 파일Lecture6-machine_learning1-logistic_regression.ipynb파일
  • 파일genders.csv파일
  • 파일diabetes.csv파일

2). 과제없음

3). 솔루션

  • 파일Lecture6-machine_learning1-linear_regression[SOLUTION].ipynb파일
  • 파일Lecture6-machine_learning1-logistic_regression[SOLUTION].ipynb파일

[8주차 (5/9)] ML 2 : CLASSIFICATION & CLUSTERING

1) 강의자료

  • Lecture7-machine_learning2

2) 강의내용

- Lecture7-machine_learning2-part1 16:28

- Lecture7-machine_learning2-part2 20:05

- Lecture7-machine_learning2-part3 14:10

- Lecture7-machine_learning2-classification 32:20

- Lecture7-machine_learning2-clustering 20:04

3) 강의정리

4) 실습 및 과제

1). 실습

  • 파일Lecture7-machine_learning2-classification.ipynb파일
  • 파일winequality-red.csv파일
  • 파일Lecture7-machine_learning2-clustering.ipynb파일
  • 파일samples.csv파일

2). 과제없음

3). 솔루션 Lecture7-machine_learning2-classification[SOLUTION].ipynb파일 파일Lecture7-machine_learning2-clustering[SOLUTION].ipynb파일 ———-

[9주차 (5/16)] ML 3 : Recommendation & NLP

1) 강의자료

  • Lecture8-machine_learning3.pdf

    2) 강의내용

    - week9_machine_learning3-recommendation_NLP 02:59:24

3) 강의정리

4) 실습 및 과제

1). 실습

  • 파일Lecture8-machine_learning3-Recommendation.ipynb파일
  • 파일movies.csv파일
  • 파일ratings.csv파일
  • 파일Lecture8-machine_learning3-NLP.ipynb파일
  • 파일SMS_Spam.tsv파일

2). 과제없음

3). 솔루션

  • 파일Lecture8-machine_learning3-Recommendation[SOLUTION].ipynb파일
  • 파일Lecture8-machine_learning3-NLP[SOLUTION].ipynb파일

[10주차 5/23)] Time series Analysis & DL 1

1) 강의자료

  • Lecture9-time_series_analysis
  • Lecture10-deep_learning1

2) 강의내용

- week10_deep_learning1 02:36:36

3) 강의정리

4) 실습 및 과제

1). 실습 2). 과제 3). 솔루션

  • 파일Lecture8_machine_learning_NLP_KOR.ipynb파일
  • 파일Lecture9_time_series_analysis.ipynb파일
  • 파일Lecture10_deep_learning1.ipynb파일

[11주차 (5/30)] DL 2 : CNN

1) 강의자료

  • Lecture11-deep_learning2

2) 강의내용

- week11-deep_learning2 02:59:12

3) 강의정리

4) 실습 및 과제

1). 실습 2). 과제 3). 솔루션

  • 파일Lecture11-deep_learning2_CNN.ipynb파일

[12주차 (6/6)] DL 3 : RNN

1) 강의자료

  • Lecture12-deep_learning3.pdf

2) 강의내용

- Lecture12-deep_learning3_part1 19:37

- Lecture12-deep_learning3_part2 23:40

- Lecture12-deep_learning3_part3 20:34

- Lecture12_deep_learning3-RNN_practice1 12:29

- Lecture12_deep_learning3-RNN_practice2 11:05

- Lecture12_deep_learning3-RNN_practice3 09:38

3) 강의정리

4) 실습 및 과제

1). 실습

  • 파일Lecture12_deep_learning3_RNN.ipynb파일

2). 과제없음

[13주차 (6/13)]

1) 강의자료

  • Lecture13-ai_platforms.pdf
  • Lecture14-ai_and_society.pdf

2) 강의내용

- Lecture13-?????

1). AI Platform

  • Google ‘AI Platform’
  • Microsoft ‘Azure’
  • Amazon ‘AWS SageMaker’

2). Processing of large datasets

  • Hadoop (https://hadoop.apache.org/)
    • a framework that allows for the distributed processing of large datasets across clusters of computers using simple programming models.
    • is designed to scale up from single servers to thousands of machines, each offering local computation and storage.
    • Hadoop Distributed File System (HDFS): a distributed file system that provides high-throughput access to application data.
    • Hadoop YARN: a framework for job scheduling and cluster resource management.
    • Hadoop MapReduce: a YARN-based system for parallel processing of large datasets.
    • Hadoop Common: the common utilities that support the other Hadoop modules
    • High Level Architecture of Hadoop image
    • Hadoop ecosystem image

PC까지 가는 Bottle neck 이 존재 따라서 최근엔 메모리가격도 낮아졌기 때문에 연산도 memory 위에서

  • Apache Spark (https://spark.apache.org/)
    • an open-source distributed general-purpose cluster-computing framework.
  • Provides an interface for programming entire clusters with implicit data parallelism and fault tolerance.

rdbms

  • Spark vs. MapReduce
    • MapReduce requires to be stored in HDFS, but Spark does not.
    • Spark can perform operations up to 100x faster than MapReduces.
  • Tasks MapReduces is good for
    • Linear processing of huge datasets.
    • Economical solution, if no immediate results are expected.
  • Tasks Spark is good for
    • Fast data processing
    • Iterative processing
    • Near real-time processing
  • The core of Spark is the idea of a Resilient Distributed Dataset (RDD)
    • Distributed collection of data
    • Fault-tolerant
    • Parallel operation - partitioned
    • Ability to use many data sources
  • RDDs are immutable, lazily evaluated, and cacheable.
  • There are two types of RDD operations
    • Transformations
    • Actions

3) 강의정리

4) 실습 및 과제

1). 실습

2). 과제없음

[14주차 (6/20)]

1) 강의자료

2) 강의내용

3) 강의정리

4) 실습 및 과제

1). 실습

2). 과제없음

실습내용

[4주차 4/12)] Python Basics

  • 파일Lecture3-python_basics.ipynb파일
  • 파일Lecture3-python_basics[SOLUTION].ipynb파일

[5주차 (4/18)] Python Data

  • 파일Lecture4-1-dataframe.ipynb파일
  • 파일Lecture4-2-data_wrangling.ipynb파일
  • 파일Lecture4-1-dataframe[SOLUTION].ipynb파일
  • 파일Lecture4-2-data_wrangling[SOLUTION].ipynb파일

[6주차 4/25)] Visualization and EDA

  • 파일Lecture5-1-data_visualization.ipynb파일
  • 파일Lecture5-2-eda.ipynb파일
  • data_visualization[SOLUTION].ipynb파일
  • 파일Lecture5-2-eda[SOLUTION].ipynb파일

[7주차 (5/2)] ML 1

  • 파일Lecture6-machine_learning1-linear_regression.ipynb파일
  • 파일Lecture6-machine_learning1-logistic_regression.ipynb파일
  • 파일Lecture6-machine_learning1-linear_regression[SOLUTION].ipynb파일
  • 파일Lecture6-machine_learning1-logistic_regression[SOLUTION].ipynb파일

[8주차 (5/9)] ML 2 : CLASSIFICATION & CLUSTERING

  • 파일Lecture7-machine_learning2-classification.ipynb파일
  • 파일Lecture7-machine_learning2-clustering.ipynb파일
    Lecture7-machine_learning2-classification[SOLUTION].ipynb파일 파일Lecture7-machine_learning2-clustering[SOLUTION].ipynb파일

[9주차 (5/16)] ML 3 : Recommendation & NLP

  • 파일Lecture8-machine_learning3-Recommendation.ipynb파일
  • 파일Lecture8-machine_learning3-NLP.ipynb파일
  • 파일Lecture8-machine_learning3-Recommendation[SOLUTION].ipynb파일
  • 파일Lecture8-machine_learning3-NLP[SOLUTION].ipynb파일

[10주차 5/23)] Time series Analysis & DL 1

  • 파일Lecture8_machine_learning_NLP_KOR.ipynb파일
  • 파일Lecture9_time_series_analysis.ipynb파일
  • 파일Lecture10_deep_learning1.ipynb파일

[11주차 (5/30)] DL 2 : CNN

  • 파일Lecture11-deep_learning2_CNN.ipynb파일

[12주차 (6/6)] DL 3 : RNN

  • 파일Lecture12_deep_learning3_RNN.ipynb파일

This post lives in the future and is dated Thu Dec 31 00:00:00 2020. When building Jekyll with the --future flag it should appear.

Tags: ,

Categories:

Updated:

Leave a comment

You may also enjoy

ML : MLMLMLML

2 minute read

머신러닝 알고리즘 총 정리 by 머신러닝 도감