![]() |
일반
모바일
탄탄한 인공지능 기초수학
![]() |
||
[강의목차]
01. 인공지능이란?
02. 인공지능의 수학적 표현 03. 벡터와 행렬의 발명 04. 벡터와 행렬의 정의, 용어 및 표기 05. 벡터와 좌표 06. 벡터의 덧셈/뺄셈 07. 벡터의 내적 08. 행렬의 연산 09. 행렬의 연산 법칙 10. 역행렬 11. 행렬식 12. 블록 계산 13. 인공지능에의 활용 1 14. 인공지능에의 활용 2 15. 데이터 행렬의 특성 16. 벡터공간 17. 열공간/행공간 18. 영공간 19. 행렬공간과 계수 20. 데이터의 차원 21. 선형변환과 인공지능 모델 22. 선형변환 23. 차원축소 24. 좌표계 변환 25. 좌표계 변환의 활용 26. 투영 27. 투영의 활용 28. LU 분해 29. QR 분해 30. 고유값과 고유벡터 31. 고유값 분해 32. 대칭행렬의 고유값 분해 33. 특이값 분해 1 34. 특이값 분해 2 35. 특이값 분해의 활용 36. 미적분의 역사 37. 함수의 극한 38. 미분 39. 미분 법칙 40. 연쇄법칙 41. 특수함수의 미분 42. 고차미분과 최대값/최소값 43. 인공지능에서의 최대값/최소값 44. 편미분 45. 편미분의 연산 법칙 46. 편미분을 이용한 최대값/최소값 47. 편미분에서의 경사하강법 48. 벡터와 행렬을 이용한 미분의 표현 49. 행렬 미분 50. 행렬 미분의 연산 법칙 1 51. 행렬 미분의 연산 법칙 2 52. 행렬 미분을 이용한 최대값/최소값 53. 인공지능에의 활용 54. 적분의 개념과 법칙 55. 이중적분 56. 확률 변수 57. 확률 분포 1 58. 확률 분포 2 59. 기대값 60. 분산 61. 결합 확률 62. 공분산 63. 독립 64. 조건부 확률 65. 나이브 베이지안 분류기 66. 통계란? 67. 표본 평균과 표본 분산 68. 신뢰구간과 가설검정 69. 인공지능에서의 통계적 추정 |
[평가기준]
|
[강사소개]
|
[수강후기]![]() 총 0건의 수강후기
|