2022년도 수업을 위한 코멘트

[unizard]

• 데이터 로드 관련

  • 2D 데이터의 경우 1D 로 눌러서 가공하여 제공할 것
  • 특히 영상데이터 로더와 관련된 부분은 수업시간에 별도로 다루고 있지 않으므로 학생들에게는 csv 파일 형태로 제공하는 것이 좋을 것

• 실습 코드 관련

  • 과제가 캐글로 진행되고 있으니, 실습 역시 캐글로 제공할 것
  • 캐글 데이터 로더를 실습에서 연습하는 것이 학생들 과제 해결시 일관성을 유지하는 것이 좋을 것으로 판단됨
  • 랜덤시드는 동일한 조건으로 설정하여 실습/과제/시험이 진행될 수 있도록 하는 것이 좋을 것으로 판단됨

• 기초와 심화 단계 관련

  • 수업은 C언어/자료구조/알고리즘과 같이 기초, 심화 단계로 나누어 진행
  • 기초 과정을 통해 인공지능/기계학습 교과에 대한 감을 익히고
  • 심화 과정을 통해 교내외 인공지능 챌린지에 참여할 수 있도록 가이드라인

[unizard]

• 다양한 응용에 대한 사전학습 데이터 활용법 관련
  • 센서데이터, 영상, 텍스트, 음성 도메인에 대한 사전학습 모델 전이학습 내용으로 변경을 고민해 보아야함
  • 그러나 현실적으로 하드웨어리소스가 뒷받침 될 수 있는지 알수가 없음.

[unizard]

• 슬랙 질의응답을 OFF 해도 됨. 반드시 필요한 공지는 음성으로 지원되므로 웹엑스 소리만 켜둬도 된다는 것을 학생들에게 안내 할 것
• OJ 에 주의사항은 공지하지 말고, 주의사항을 하나로 배포할 것

[unizard]

• 2학기 인공지능의 경우 기계학습을 이수하지 않았거나 파이썬기반 프로그램을 직접 수행해본 학생이 아니라면 수강신청을 하지 않도록 안내 할 것
• 코랩을 사용을 허용하되 기본적으로 수업 및 과제, 시험른 캐글 노트북으로 제한할 것

[unizard]

TM 프로젝트를 CNN 본인만의 모델로 변경하기 도입 검토

[unizard]

모든 실습과 과제 및 시험에서 랜덤시드 고정할 것

[unizard]

[ 2022년 강의 개선 포인트 ] - 강의의견 반영포인트

1. 전처리 수업을 보강할 것
2. 인공지능 수업의 대상자를 기계학습 이수자로 한정할 것
3. 시험방식의 복잡도를 내리는 방법을 고안할 것
4. submit.csv 파일에 예시를 넣을 것
5. 데이터 로더 부분을 강의에 포함시킬 것
6. 조교들이 제공한 실습 솔루션의 복잡도를 내릴 것