ESC

2020 Spring: 학술부
2020 Summer: 총무(임원)
2020 Fall: 총무(임원)
2020 Winter: 학술부

주차	세션 주제
1	Ch01 Introduction
2	Ch03 Linear Models for Regression
3	Ch04 Linear Models for Classification
4	Ch07 Sparse Kernel Machines
5	Ch09 Mixture Models and EM
6	CH12 Continuous Latent Variables
7	Ch14 Combining Models
8	Final Project
9	Final Project

주차	세션 주제
1	코드 구현능력 기르기
2	탐색 & 시뮬레이션
3	이분탐색(결정 알고리즘) & 그리디 알고리즘
4	자료구조(스택, 큐, 해쉬, 힙)
5	완전탐색(백트랙킹, 상태트리와 CUT EDGE) DFS 기초)
6	깊이, 넓이 우선탐색 활용

NS Shop+편성데이터(NS홈쇼핑) 를 활용하여 방송편성표에 따른
판매실적을 예측하고, 최적 수익을 고려한 요일별/ 시간대별 / 카테고리별 편성
최적화 방안(모형) 제시

3-1) 방송노출시간 합치기

대부분의 홈쇼핑 방송들이 20분 단위로 방송하는데, 많은 경우 2번에서 3번 연속 방송을 하게 된다. 이때, 2부 또는 3부 방송으로 갈수록 매출량이 커지는 것을 발견하여 추가적으로 변수를 만듦으로써 모델의 정확도를 높임.
배운 점: 원본 데이터를 면밀하게 들여다보는 과정의 중요성

3-2) Bayesian Optimization

3-3) 상품명 전처리

교재: Youtube Stanford Online 동영상 (cs224n)

주차	세션 주제
1	L1. Intro and Word Vectors L2. Word Vectors and Wrod Senses
2	L3. Neural Network L4. Backpropagation
3	L6. Language Models and RNN L7. Fancy RNN
4	L8. Seq2Seq, Attention
5	중간과제발표 L11. Convnets for NLP
6	L12. Subword Models
7	L13. Contextual Word Embeddings
8	L14. Transformers
9	파이널 프로젝트 준비
10	파이널 프로젝트 발표

주차	세션 주제	과제
1	Full Probability Model의 의미: Likelihood와 Prior (Reading: FCB ch01~02)	BDA 연습문제 + $\alpha$
2	One-Parameter and Normal Model (Reading: FCB ch03~05)	BDA 연습문제 + 증명문제
3	Multivariate Normal Model (Reading: FCB ch07)	FCB 코드 + 증명 문제
4	Bayesian Hierarchical Models (Reading: FCB ch08)	BDA 연습문제 + 증명문제
5	MCMC and Diagnosis (Reading: FDB ch06, ch10)	FCB 코드 + BDA 연습문제
6	Bayesian Linear Regression (Reading: FCB ch09)	FCB 코드 + 실습
7	Stan으로 간편하게 베이지안 모델 학습하기	-