시간 주제 발표자
첫째 날 (7월 14일, 수요일)
09:30 - 12:30 선형대수의 기초 1 신오순
(숭실대)
개요:선형연립방정식의 행렬 표현 및 해에 대한 분석, Vector Space의 정의 및 Basis의 개념, Linear Mapping의 정의 및 행렬 표현 등 선형대수의 기본 개념을 소개한다.
12:30 - 14:00 휴식
14:00 - 17:00 선형대수의 기초 2 신오순
(숭실대)
개요:Norm, Inner Product의 정의와 Orthogonality의 개념, 행렬의 Eigenvalue와 Eigenvector의 정의, Singular Value Decomposition등 행렬 분해법을 설명한다.
둘째 날 (7월 15일, 목요일)
09:30 - 12:30 최적화의 기초 1 김홍석
(서강대)
개요:본 강좌에서는 컨벡스 최적화에 대해서 다룬다. 이를 위해 컨벡스 집합, 컨벡스 함수를 정의하고 제약 조건이 없는 경우의 컨벡스 최적화를 다룬다. 또한 제약 조건이 있는 컨벡스 최적화를 위해 라그랑지 승수를 이용한 KKT 조건에 대해서 다룬다.
12:30 - 14:00 휴식
14:00 - 17:00 최적화의 기초 2 김홍석
(서강대)
개요:본 강좌에서는 기초 1에서 다룬 KKT 조건에 기반한 라그랑지 방법을 발전시켜 다양한 응용에 적용하는 방법을 다루며 특히, ADMM이라는 분산 최적화 기법에 대해서 살펴본다.
셋째 날 (7월 16일, 금요일)
09:30 - 12:30 머신러닝의 원리와 기초 이론 석준희
(고려대)
개요:데이터에 기반한 학습의 원리와 기본적인 이론을 소개한다. 데이터의 일반적인 성격, 학습의 목적, 모델 선택 등의 기초가 되는 수학적 원리에 대해 설명한다.
12:30 - 14:00 휴식
14:00 - 17:00 다양한 머신러닝 기법 석준희
(고려대)
개요:현대 머신러닝에서 자주 사용되는 수학적 기법을 실제 방법론과 함께 설명한다. 규제화, 트리 모델, 앙상블, SVM, 인공신경망 등에 대하여 기초 원리를 설명한다.