Thumbnail
BEST 데이터 사이언스 인공지능

머신러닝/딥러닝으로 이어지는 선형대수 대시보드

(4.5)
24개의 수강평 ∙ 296명의 수강생

55,000원

지식공유자: 딥러닝호형
총 24개 수업 (3시간 4분)
수강기한: 무제한
수료증: 발급
난이도: 
입문
-
초급
-
중급이상
지식공유자 답변이 제공되는 강의입니다
폴더에 추가 공유
입문자를 위해 준비한
[수학, 인공지능] 강의입니다.

머신러닝/딥러닝 연구에 반드시 필요한 선형대수 내용을 다룹니다.

✍️
이런 걸
배워요!
머신러닝/딥러닝의 필요한 기초 수학
선형대수와 머신러닝의 관계
필수적인 수학 표현

머신러닝/딥러닝으로 이어지는
선형대수를 머신러닝과 연계해 학습해봐요 📖

안녕하세요, 현재 딥러닝/머신러닝 관련 유튜브를 운영하는 딥러닝 호형입니다.
수학/데이터 분석 전공 지식, 다수의 딥러닝/머신러닝 프로젝트 경험과 리서치 엔지니어 경력을 바탕으로
꼭 공부하셔야 하는 내용들을 짚어드립니다.

수학과 머신러닝/딥러닝 지식이
아직 따로 분리되어 있으신가요?

인공 신경망
제조, 자율 주행차, 의료, 생명공학, 로보틱스 등
광범위한 분야에서 적용되고 있는 강력한 인공지능 기술입니다.

실제로 논문 투고 수는 매년 증가하고 있으며 한국을 포함하여 전 세계적으로도 많은 대학들이 인공지능 관련 학과를 개설하고, 업계에서는 많은 투자를 하고 있습니다. 본 강의는 이런 흐름에 맞춰 딥러닝/머신러닝을 공부할 수 있도록 한 수학 강의입니다.



이 강의에서는 딥러닝/머신러닝/데이터 분석 공부에 필요한 선형 대수 내용을 담고 있습니다.
인공지능 혹은 데이터 분석 공부를 하면서 "수학"을 공부해야할지에 대한 생각을 해보셨나요?
혹은 기초적인 수학이 부족해 머신러닝 알고리즘 이해가 어려우셨던 적이 있으신가요?
수학/데이터 분석 전공자인 제가 수학이 '어디에' 그리고 '왜' 쓰이는지 알려드립니다.


이 강의에서 배우는 것들 ✏️

아직도 알고리즘에 대한 이해없이 그냥 라이브러리만 사용하시나요?
수학적인 이해가 있어야만 모델 최적화와 튜닝을 할 수 있답니다.
이 강의에서는 선형대수의 기본적인 내용과 머신러닝 내용을 연계하여 이야기를 풀어갑니다.


예상 질문에 미리 답해드려요 🙋🏻‍♂️

Q. 비전공자도 수강할 수 있나요?

네, 물론입니다. 전공과 무관하게 수강하실 수 있습니다!

Q. 선형대수를 배우면 무엇이 좋은가요?

모든 데이터는 행렬 형태로 변환되어 연산이 행해지는 방식입니다.
따라서 행렬을 처리할 수 있는 선형대수 내용을 알면 종국에는 데이터 처리까지 용이합니다.

Q. 이 강의만의 특별한 장점이 있을까요?

전 수학/데이터 분석 전공자로, 반드시 알아야 할 개념을 쉽고 컴팩트하게 전달하려는 목적으로 강의를 제작하였기에 수학을 어려워하시는 분들도 충분히 들으실 수 있습니다. 또한, 수학적인 증명에 초점을 두지 않고 실제 데이터 분석·인공 지능 분야에서 어떻게 수학이 사용되는지를 배우면서 전체적인 그림을 그려나가실 수 있습니다.
딥러닝에 입문하고 싶으시다면 실전 인공지능으로 이어지는 딥러닝 개념 잡기 강의를 참고하세요.


추천 로드맵 🚩

▲ [입문~초급] 빠르고 확실하게 딥러닝 입문하기 (클릭)

지식공유자가 알려주는
강의 수강 꿀팁!
🎓
이런 분들께
추천드려요!
머신러닝, 딥러닝에 입문 하시는 분
수학 기초가 부족하신 분
선형대수가 머신러닝/딥러닝에 어떻게 쓰이는지 궁금하신 분
📚
선수 지식,
필요한가요?
하고자 하는 열정

안녕하세요
딥러닝호형 입니다.
딥러닝호형의 썸네일

안녕하세요.

딥러닝/머신러닝 관련 유튜브를 운영하는 딥러닝 호형입니다.

수학/데이터 분석을 전공하고 다수의 딥러닝 프로젝트를 완료하고 수행하고 있습니다.

 

머신러닝, 고급 머신러닝, 딥러닝, 최적화 이론, 강화 학습 등의 인공지능 내용과 선형 대수학, 미적분, 확률과 통계, 해석학, 수치해석 등의 수학 내용까지 여러분들과 공유할 수 있는 지식을 가지고 있습니다. 

 

모두 만나서 반갑습니다!

 

* 최근 이력

SCI(E) 논문, 국제 학회 발표 다수

인공지능 관련 대학교 자문 다수

"딥러닝을 위한 파이토치 입문" 저서 (세종도서 학술부문 2022 우수도서로 선정)

 

도서 내용은 아래 링크를 통해 확인하실 수 있습니다.

교보문고: https://bit.ly/3351kvV

예스24: https://bit.ly/3n2gXeG

 

 

 

커리큘럼 총 24 개 ˙ 3시간 4분의 수업
이 강의는 영상, 첨부 파일이 제공됩니다. 미리보기를 통해 콘텐츠를 확인해보세요.
섹션 0. 일차 방정식과 행렬
선형대수 입문 미리보기 02:40 일차방정식(Linear Equation) 미리보기 06:22
행렬의 연산(Matrix Operations) - (1) 07:01
행렬의 연산(Matrix Operations) - (2) 04:36
행렬의 연산(Matrix Operations) - (3) 02:44
일차 방정식과 행렬(Linear Equation and matrix) 02:58
섹션 1. 행렬
행렬 연산의 성질(Properties of Matrix Operation) 05:53
행렬의 종류(Types of Matrices) 07:05
역행렬(Inverse of a Matrix) 11:23
행렬 변환(Matrix Transformations) 03:31
행렬식의 풀이(Echelon Form of a Matrix) 05:44
섹션 2. 벡터 공간
벡터 공간(Vector Space) 15:56
일차 독립(Linear Independence) 08:59
기저와 공간(Basis and Dimension) 07:52
랭크(Rank) 07:07
섹션 3. 내적 공간
내적 공간(Inner Product Space) 11:33
그람-슈미트 프로세스(Gram-Schmidt Process) 08:26
최소제곱해(Least Square Solutions) 06:23
섹션 4. 고유값과 고유벡터
고유값과 고유벡터(Eigenvalues and Eigenvectors) 10:44
대각화(Diagonalization) 10:15
특이값 분해(Singular Value Decomposition) 08:12
양의 정부호(Positive Definite) 06:09
섹션 5. 선형대수 응용
차원 축소 기법 - 주성분 분석(Principal Component Analysis) 14:14
영화 추천 알고리즘 - Factorization Machines 09:06
강의 게시일 : 2021년 02월 23일 (마지막 업데이트일 : 2022년 09월 30일)
수강평 총 24개
수강생분들이 직접 작성하신 수강평입니다. 수강평을 작성 시 300잎이 적립됩니다.
4.5
24개의 수강평
5점
4점
3점
2점
1점
VIEW 좋아요 순 최신 순 높은 평점 순 낮은 평점 순 평점 순 높은 평점 순 낮은 평점 순
Chansu Shin thumbnail
듣고 있어요 이해가 잘 되게 설명해줍니다
2021-05-26
지식공유자 딥러닝호형
수강평 감사드려요 :) 열공하세요!!
2021-05-27
gerisa thumbnail
초보자에게는 설명이 너무 빠르고 기본 개념을 생략한 것 같아요
2021-05-25
지식공유자 딥러닝호형
지루 하시지 않도록 숨소리까지 컷편집 하여 수업을 질질 끄는 것 없이 영상을 만들었습니다..ㅠㅠ 빠르게 느끼셨다면 속도 조절을 통해 강의를 들으실 것을 권장드립니다. 궁금한 내용에 대해서는 질문란에 남겨주세요 :) 수강평 감사해요!
2021-05-25
휴식중인 오랑우탄 thumbnail
선형대수를 처음배웠는데 잘 정리되어있는 것 같습니다
2021-05-06
지식공유자 딥러닝호형
감사합니다!! 열공하세요 :)
2021-05-06
한밭구장 thumbnail
좋은강의 감사합니다. 모두에게 되었으면 좋겠습니다.
2021-03-21
지식공유자 딥러닝호형
감사합니다!!
2021-03-28
종이 thumbnail
데이터와 연결해서 사용되는 이론을 바로 연결해서 볼 수 있어서 매우 좋았던 것 같습니다. 다만 관련 뒤로 갈수록 제가 부족해서 그런지, 이론설명을 스르륵 넘어가거나, 필기가 좀 알아보기 힘들다는 느낌을 종종받았습니다ㅠㅠ 중간중간 멈추고 관련 내용을 더 찾아보게되는것같아요
2022-10-13
지식공유자 딥러닝호형
수강평 감사합니다:) 궁금하신 것 있으면 질문 주세요!
2022-10-18
연관 로드맵
이 강의가 포함된 잘 짜여진 로드맵을 따라 학습해 보세요!