온라인

탄탄한 AI 기초수학

인공지능 · 초급

석준희

레슨 69개 · 60일 수강

동영상 69개 · 14시간 34분

수강생 238명

4.9 / 39명

정상가
299,000원

할인액
- 60,000원(20% 할인)

판매가
239,000원

3개월 할부시
월 79,667원

클래스 신청하기

클래스 신청하기

소개

커리큘럼

강사

수료증

리뷰

질문답변

선수지식

・ 고등학교 1학년 수준의 수학 실력

무엇을 배울 수 있나요?

・ 인공지능을 배우는데 필요한 기초 수학 - 선형대수, 미적분, 확률

누가 들으면 좋나요?

・ 인공지능을 배우는데 필요한 기초 수학 핵심만 정리하고 싶은 학생 및 직장인
・ 딥러닝을 배우려는데 수학을 배운지 오래되어서 총정리가 필요한 직장인
・ 인공지능 기초수학 신규 교과목으로 고민하는 고등학생
・ 문과 출신이지만 데이터 사이언스를 공부하기 위해 꼭 필요한 수학만 듣고 싶은 사람

클래스 소개

커리큘럼

레슨 69개, 수강기간 60일

1. 소개 - 인공지능과 수학

레슨 2개

1-1 인공지능이란?

맛보기 16:28

1-2 인공지능의 수학적 표현

맛보기 15:08

2. 선형대수 - 행렬과 벡터

레슨 12개

2-1 벡터와 행렬의 발명

맛보기 14:07

2-2 벡터와 행렬의 정의, 용어 및 표기

12:14

2-3 벡터와 좌표

9:56

2-4 벡터의 덧셈/뺄셈

11:07

2-5 벡터의 내적

13:44

2-6 행렬의 연산

14:47

2-7 행렬의 연산 법칙

7:18

2-8 역행렬

13:47

2-9 행렬식

11:40

2-10 블록 계산

15:47

2-11 인공지능에의 활용 1

12:26

2-12 인공지능에의 활용 2

9:12

3. 선형대수 - 벡터 공간

레슨 6개

3-1 데이터 행렬의 특성

맛보기 8:39

3-2 벡터 공간

15:41

3-3 열공간/행공간

16:56

3-4 영공간

14:24

3-5 행렬공간과 계수

12:18

3-6 데이터의 차원

15:48

4. 선형대수 - 선형변환

레슨 7개

4-1 선형변환과 인공지능 모델

맛보기 7:02

4-2 선형변환

10:18

4-3 차원축소

7:10

4-4 좌표계 변환

13:11

4-5 좌표계 변환의 활용

9:17

4-6 투영

15:03

4-7 투영의 활용

11:15

5. 선형대수 - 행렬분해

레슨 8개

5-1 LU 분해

11:13

5-2 QR 분해

14:19

5-3 고유값과 고유벡터

8:27

5-4 고유값 분해

14:18

5-5 대칭행렬의 고유값 분해

10:52

5-6 특이값 분해 1

12:50

5-7 특이값 분해 2

12:10

5-8 특이값 분해의 활용

12:54

6. 미적분 - 미분

레슨 8개

6-1 미적분의 역사

6:45

6-2 함수의 극한

5:58

6-3 미분

9:37

6-4 미분 법칙

10:20

6-5 연쇄 법칙

6:43

6-6 특수함수의 미분

15:12

6-7 고차미분과 최대값/최소값

14:10

6-8 인공지능에서의 최대값/최소값

12:10

7. 미적분 - 편미분

레슨 4개

7-1 편미분

11:06

7-2 편미분의 연산 법칙

10:30

7-3 편미분을 이용한 최대값/최소값

16:47

7-4 편미분에서의 경사하강법

10:15

8. 미적분 - 행렬미분

레슨 6개

8-1 벡터와 행렬을 이용한 미분의 표현

8:06

8-2 행렬 미분

14:17

8-3 행렬 미분의 연산 법칙 1

13:46

8-4 행렬 미분의 연산 법칙 2

10:05

8-5 행렬 미분을 이용한 최대값/최소값

13:39

8-6 인공지능에의 활용

8:27

9. 미적분 - 적분

레슨 2개

9-1 적분의 개념과 법칙

14:39

9-2 이중적분

13:15

10. 확률 - 확률과 확률 변수

레슨 5개

10-1 확률 변수

17:47

10-2 확률 분포 1

16:30

10-3 확률 분포 2

16:48

10-4 기대값

17:48

10-5 분산

11:42

11. 확률 - 조건부 확률

레슨 5개

11-1 결합 확률

19:26

11-2 공분산

15:59

11-3 독립

13:08

11-4 조건부 확률

17:29

11-5 나이브 베이지안 분류기

12:17

12. 확률 - 통계와 추정

레슨 4개

12-1 통계란?

14:06

12-2 표본 평균과 표본 분산

17:30

12-3 신뢰구간과 가설검정

19:20

12-4 인공지능에서의 통계적 추정

6:46

최근 업데이트 날짜 2021.11.09 09:48

지식과 경험을 여러분과 공유하고 싶습니다

학력
- KAIST 전기전자공학부 졸업 (학사)
- 미국 Stanford 대학 졸업 (박사)

주요경력
- 미국 Stanford 대학 통계학과 박사후연구원
- 미국 Northwestern 대학 의생명정보학 조교수
- 고려대학교 전기전자공학부 부교수
- 미래에셋 인공지능금융연구소 소장

관심분야
- 인공지능과 기계학습
- 빅데이터 및 통계 분석

소개
이 세상에서는 다양하고 복잡한 데이터가 매 순간 생성되어 축적되고 있습니다.
이러한 빅데이터 속에서 새로운 가치와 정보를 찾기 위한 연구를 수행하고 있습니다.
복잡한 데이터의 분석을 위하여 새로운 통계 분석 방법 및 기계학습 방법을 개발하여 적용하고 있고, 결국에는 하나의 인공지능 서비스로 만드는 것을 목표로 하고 있습니다.
이와 같은 연구 과정에서 얻어진 많은 지식과 경험을 교육을 통해 여러분과 공유하고 싶습니다.

석준희

현직 대학교수

포트폴리오 보러가기

머신러닝 인공지능 수학 통계학

수료증

수료증 발급을 원하시는 회원님은
채널톡 또는 전화로 문의해주세요.

수강생 리뷰

4.92 (39)

프로필 사진

코쟁이 Jinwoo10 ・2022.03.16

좋은 강의 감사합니다.

프로필 사진

박정운 ・2022.01.18

왜 인공지능을 공부할 때 수학을 배워야 되는지 쉽게 알 수 있었습니다!

프로필 사진

미래의 CTO ・2022.01.17

좋은 강의 감사합니다!

프로필 사진

사이먼리 ・2021.12.10

고등학교 수학이 정리되어서 좋았어요.
만족합니다. 석준희 교수님이 깔끔하게 강의해주시네요.

프로필 사진

테스트계정 ・2021.11.27

좋은 강의 감사합니다.

더보기

실력 상승 질문답변

강의 구매하고 질문하러 가기

고유값 분해 전 고유 벡터 도출 질문입니다.

동영상에서 6분 40초 경 부터 진행되는 예제 1번 문제의 고유벡터 에 대한 질문입니다.

행렬

-5 4

0 1

에 대한 문제에서

고유값 1일 때의 고유벡터 질문입니다.

고유값 1의 경우의 고유 벡터를 [-1 1] 이라고 하셨는데,

제가 풀이했을 때는 다음과 같습니다.

고유값이 1인 경우, 고유벡터를 구하기 위해 고유값을 대입하면

-6 4

0 0 행렬이 도출되고,

이 행렬에서 -6x_1+4x_2 = 0 식을 풀면,

결국 x_1 = 2/3x_2 이므로, x_2 [ 2/3, 1]

즉 [ 2/3, 1 ] 이 고유값 1의 고유 벡터 인 것 같아 질문드려봅니다.

제 설명이 장황하고 보기가 어려우실 것 같지만

제가 고유 벡터에 대한 이해가 부족한 것 같아

고유 벡터 도출에 대한 자세한 설명을 부탁드려도 될까요?

읽어주셔서 감사합니다.

선형대수 - 행렬분해 > 고유값 분해

답변 1개
2021.10.13

편미분 최대 최소값 연립방정식 Q&A입니다.

안녕하세요.

교수님 강의를 수강중인 수강생 입니다.

Loss Function을 편미분 한 결과에서 연립방정식 넘어갈 때 식 질문입니다.

Loss Function을 w와 b로 편미분 한 뒤 식을 정리한 결과

28w + 12b - 22

12w + 6b - 10 이라는 식이 도출되었습니다.

그 후 연립방정식을 풀이 하실 때 w = 3/2, b = -5/3 이라고 하셨는데,

저의 경우 해당 연립방정식을 풀이한 결과

w = 1/2

b = 2/3 가 나오는데, 아무리 풀이를 해봐도 해당 값으로 나와서요.

혹시 제가 잘못 푼 것인지,

해당 값이 맞다면 이 모델은 y = 1/2 x + 2/3 식의 갖게 되는 게 맞는 걸까요?

읽어주셔서 감사합니다.

미적분 - 편미분 > 편미분을 이용한 최대값/최소값

답변 1개
2021.10.13

클래스 질문 전체보기