칼만필터 2: EKF(확장 칼만), UKF(엔센티드 칼만), Particle Filter(파티클 필터)

머신러닝,AI, Robotics, 컴퓨터 비젼 등 공학전공자를 위한 깊이 있는 선형대수학 입니다. 깊이 있게 선형대수학을 공부하실 분들에게 권합니다. 가능한 쉽게 설명하면서 주제의 선택과 집중을 통하여 깊은 내용들을 다루고 있습니다.

AI나 머신러닝 공부에서 확률 이론 습득은 필수 입니다. 좀 더 깊게 확률이론 공부를 원하시는 분들에게 추천합니다.

모든 AI/딥러닝의 핵심은 결론적으로 최적화입니다. 물론 AI/딥러닝 에서만 최적화이론이 필요한 것은 아님니다. 컴퓨터 비젼, 로보틱스 & 제어시스템, 금융공학 & 퀀트, 데이터 과학, 신호 처리...아마 어느 분야를 공부하던 좀 더 깊이 들어가면 꼭 만나게 되는 주제 중 하나가 최적화이론 입니다. 이 강의에서는 수학적인 기초 이론부터 시작하여 깊이있는 내용들까지 체계적으로 다루고 있습니다. 국내에 개설된 최적화 이론 강의 중 단연 최고라 생각 합니다.

AI/딥러닝, 컴퓨터 비젼, 컴퓨터 그래픽 등에 필요한 최적화이론 입니다. 최적화이론1에서는 중점적으로 다변수함수의 정의와 다변수함수의 미분을 다루고 있습니다. 왜 그럴까요! 모든 최적화 문제는 다변수 함수 형태로 표현되기 때문입니다. 정확한 다변수 함수의 정의와 미분개념을 습득하시면 위 분야의 이론적 접근이 상당히 쉬워집니다.

AI/딥러닝에 필요한 선형대수 내용을 하루 10분 투자 한 달 완성으로 마스터 해봐요

쉬운 예제를 통한 칼만 필터(Kalman Filter)의 이론적인 동작 원리를 이해할 수 있습니다.

본 과정은 파이썬을 이용한 머신러닝 수학 및 통계의 기본 내용을 실습하는 과정입니다. 기계 학습과 딥러닝은 프로그래밍 역량도 필요하지만 원리를 파악히기 위해서 수학적 배경을 필요로 합니다. 본 과정을 통해 인공지능에 필요한 기초 수학을 차근차근 익힐 수 있습니다!

이 과정은 복소변수, 미분방정식, 선형대수를 심도 있게 다루며, 이러한 필수적인 수학적 개념들에 대한 포괄적인 이해를 제공합니다. 학습자들은 수학 및 공학 분야의 심화 학습에 필수적인 기초 이론과 응용 분야를 탐구하게 됩니다.

이 과정은 컴퓨터 과학과 공학을 위한 이산 수학의 상호작용적인 소개를 제공합니다. 학습자는 기본 수학 개념, 이산 구조, 이산 확률 이론을 배우며, 이를 통해 컴퓨터 과학의 다양한 분야에 적용할 수 있는 능력을 기르게 됩니다.

게임에서 사용되는 중요한 수학개념들을 쉽게 배우는 강의입니다. 수학을 잘 알고 있는 사람은 해당 지식들을 당연하게 여기기 때문에 아무것도 모른다는 가정하에 가르킬 수 없습니다. 정말 비전공자라고 생각하고 초보자 관점에서 설명합니다.

실습보다 이론과 맥락에 집중하여, 딥러닝을 깊이 있게 정리하고 큰 그림을 잡고 싶은 분들에게 도움이 되는 강의입니다. 딥러닝의 뿌리가 되는 수학·통계적 배경을 쉽게 이해할 수 있으며, 현대 딥러닝의 주요 모델인 AutoEncoder, GAN, Transformer, AlphaGo 등의 원리를 개발자 관점에서 직관적으로 해석해 드립니다.