[강좌] 딥러닝/머신러닝을 위한 수학
SALE
BEST
180,000 300,000원

* 회원가입(1천 포인트 제공) 후에 결제하시면 결제확인, 입금확인, 수강안내 등의 중요 SMS를 받으실 수 있습니다. 

* 결제액의3%로 포인트 적립. 5천 포인트부터 사용가능. 

세금계산서 요청시  manager@mycampus.io 로 사업자등록증 첨부 부탁 드립니다.

( 카드영수증으로  세금계산서 필요없이  부가세 증빙 가능합니다. )

문의 카카오 채팅 - http://pf.kakao.com/_PxfxkxcC/chat ( 카카오 플러스친구 마이캠퍼스 )

* 문의 메일 - manager@mycampus.io

* 문의 전화/SMS - 010-2101-0255


딥러닝/머신러닝을 위한 수학


[강좌 내용]

주교재 + 강사의 딥러닝 경험을 바탕으로 진행.  

1) 머신러닝/딥러닝(인공지능 기술)에 녹아있는 미분, 행렬 관련 수학식

2) 회귀분석(Regression), 자연어처리(NLP) 구현에 녹아있는 수학식

3) 이런 수학식을 python 코드로 구현한 것


[주교재]

주교재는 "인공지능을 위한 수학 - 꼭 필요한 것만 골라 배우는 인공지능 맞춤 수학" 입니다.

교재와 별도로 강사의 딥러닝 경험을 기반으로 한 설명 및 코드가 추가됩니다.

 http://www.yes24.com/24/goods/66913718


[ 참여 대상]

머신러닝/딥러닝을 좀 잘 이해하고 싶은 학생,직장인,...


[스터디 리더]

이준호: 중앙대 컴퓨터공학 졸업, 자연어처리 딥러닝

한대희: 포스텍 컴퓨터공학 졸업, 컴퓨터공학 석사(Neural Network 전공), 딥러닝 강의


[일자]


  •  1기: 수토(2018년 12월 진행)
  •  2기: 주2회x3주 -화/목 저녁 (저녁 8:00~10:30), 1월8일~1월24일. (Early Bird 할인중)
  •  3기: 주2회x3주 -화/목 저녁 (저녁 8:00~10:30), 2월12일~2월28일  (Early Bird 할인중)


[ 참가비]

리더 강의형:  30만원 할인 중

정원: 5~10명 

중도 환불 관련: 일반적 학원 규정과 동일하게 적용합니다

1. 스터디 개시 이전   → 수강료 전액 환불
2. 스터디 1/3경과 전 → 수강료 2/3 해당액 환불
3. 스터디 1/2경과 전 → 수강료의 1/2 해당액 환불


[ 장소]

강남역 12번 출구 마이캠퍼스


[ 목차]

1회 - 2장 (미분)

2회 - 3장 (선형대수)

3회 - 4장 (확률통계)

4회 - 5장 (선형회귀 관련 수학)

5회 - 6장 (자연어처리 관련 수학)

6회 - 7장 (딥러닝 관련 수학)









마이캠퍼스 찾아오시는 길

  • 위치: 강남역 12번 출구 30초 거리
  • 12번출구에서 맥도널드,다이소 지나 대건빌딩 (1층에 LGU+)
  • 대건빌딩 입구쪽 엘리베이터 아니고, 주차장쪽 엘리베이터 (준경타워)



[책 소개]

이 책은 처음부터 끝까지 인공지능(머신러닝, 딥러닝)에 사용하는 수학적 개념을 재조명하는 데 집중하고 있다.

기본편(1장~4장)에서는 인공지능을 이해하는 데 필요한 최소한의 수학 개념을 고교, 대학 수학 과정의 수준으로 설명한다.

응용편(5장~7장)에서는 앞서 배운 개념들이 실제로 인공지능을 개발할 때 어떻게 쓰이는지, 잘 알려진 알고리즘을 이용하여 쉽게 다가갈 수 있게 설명한다.

이 책을 통해 인공지능 관련서에 나오는 복잡한 수식에 대한 거부감을 줄이고, 인공지능 관련서를 읽을 때 필요한 수학적인 맷집과 기초 체력을 키울뿐 아니라 주요 인공지능 알고리즘과 수식의 의미를 이해할 수 있다.


소스 코드:

https://github.com/freelec/ai-math-book.git

이 책에서 코드를 다루지는 않지만, 응용편(5, 6, 7장) 내용은 소스 코드를 내려받아 직접 실습해 보면서 확인할 수 있습니다.


목차:

책 한권에 기본편(1~4장), 응용편(5~7장) 포함


기본편 | 인공지능 프로그래밍에 쓰이는 수학

CHAPTER 01 기초 수학

1-1 변수와 상수

1-2 1차식과 2차식

1-3 함수의 개념

1-4 제곱근

1-5 거듭제곱과 거듭제곱근

1-6 지수함수와 로그함수

1-7 자연로그

1-8 시그모이드 함수

1-9 삼각함수

1-10 절댓값과 유클리드 거리

1-11 수열

1-12 집합과 원소


CHAPTER 02 미분

2-1 극한

2-2 미분의 기초

2-3 상미분과 편미분

2-4 그래프 그리기

2-5 함수의 최댓값과 최솟값

2-6 초등함수와 합성함수의 미분, 그리고 곱의 법칙

2-7 특수 함수의 미분


CHAPTER 03 선형대수

3-1 벡터

3-2 덧셈과 뺄셈, 그리고 스칼라배

3-3 유향선분

3-4 내적

3-5 직교 조건

3-6 법선벡터

3-7 벡터의 노름

3-8 코사인 유사도

3-9 행렬의 덧셈과 뺄셈

3-10 행렬의 곱셈

3-11 역행렬

3-12 선형 변환

3-13 고윳값과 고유벡터


CHAPTER 04 확률과 통계

4-1 확률

4-2 확률변수와 확률분포

4-3 결합확률과 조건부확률

4-4 기댓값

4-5 평균과 분산, 그리고 공분산

4-6 상관계수

4-7 최대가능도추정


응용편 | 인공지능 알고리즘에 응용하는 수학

CHAPTER 05 선형회귀

5-1 회귀 모델로 주택 가격 추정하기

5-2 데이터 세트 ‘Boston Housing Dataset’

5-3 선형회귀 모델

5-4 최소제곱법으로 파라미터 도출하기

5-5 정규화로 과학습 줄이기

5-6 완성된 모델 평가하기


CHAPTER 06 자연어 처리

6-1 자연어 처리로 문서의 카테고리 알아맞히기

6-2 카테고리별 데이터 세트

6-3 자연어 처리의 작동 원리

6-4 문장에서 품사 분석하기

6-5 단어 필터링하기

6-6 문서를 단어 벡터로 변환하기

6-7 단어 벡터에 가중치 주기

6-8 문서 분류하기

6-9 완성된 모델 평가하기


CHAPTER 07 이미지 인식

7-1 딥러닝으로 손글씨 인식하기

7-2 데이터 세트 ‘MNIST’

7-3 신경망이란? - 기초

7-4 신경망이란? - 심화

7-5 심층 신경망이란?

7-6 순전파

7-7 손실 함수

7-8 경사하강법 사용하기

7-9 오차역전파법 사용하기

7-10 완성된 모델 평가하기




Q&A