인프런 - 최대 AI, AX 강의 학습 플랫폼

데이터 분석 전문가로 거듭나기 위한 시계열 강의! 이론과 실기에 강한 분석가가 되어 봅시다!

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

드디어 모두를 위한 확률과 통계 강의가 왔습니다! 이론과 코딩 실습을 통해서 차근차근 확률과 통계의 원리에 대해서 배워봅니다. 참고서적 "모두의 확률과 통계" https://wikidocs.net/book/18165

수학 좋아하는 사람 손! 확률과 통계 배우고 싶은 사람 손!

이 과정은 이산 응용 수학의 핵심 주제를 다루며, 계수, 생성 함수, 확률 등에 초점을 맞춥니다. 학습자들은 수학적 개념을 익히는 동시에 작문 과제를 통해 효과적인 의사소통 능력을 기르게 됩니다.

이 과정은 확률 이론과 통계적 추론의 도구를 다루며, 데이터 분석 및 이해에 필수적인 내용을 제공합니다. 학습자들은 다양한 분야에서의 데이터 활용 방법을 익힐 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!

쉬운 예제를 통한 EKF(확장 칼만), UKF(엔센티드 칼만), Particle Filter(파티클 필터) 이론적인 동작 원리를 이해할 수 있습니다.

이 과정은 금융 산업에 필수적인 수학적 개념과 기술을 탐구하며, 이론 수학과 실무 적용을 결합합니다. 학습자들은 MIT 수학자들과 업계 전문가들의 지도 아래 선형 대수학, 확률, 통계 및 확률 과정과 같은 주제를 공부하게 됩니다.

이 과정은 학생들에게 금융 산업에서 필수적인 수학적 개념과 기술을 소개하며, 이론적 수학과 실무적 응용을 결합합니다. 학습자들은 금융의 맥락 내에서 확률, 통계, 선형 대수학과 같은 주제들을 탐구하게 됩니다.

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 통계적 추론과 확률적 사고를 강조하며, 무작위 현상 및 프로세스의 모델링과 분석에 중점을 둡니다. 학습자는 수학적 엄밀함과 개념적 이해를 결합한 필수 모델 및 도구를 탐구하게 됩니다.

이 과정은 조합론과 이론 컴퓨터 과학의 근본적이고 강력한 기법인 확률론적 방법론에 대한 대학원 수준의 입문 과정입니다. 학습자들은 조합론적 대상의 존재를 증명하는 방법과 양의 확률을 가진 무작위 구조를 검증하는 방법을 탐구하게 됩니다.

이 과정에서는 이산 확률 과정의 수학적 원리와 직관을 배우고, 다양한 모델을 만들고 분석하는 방법을 익힐 수 있습니다. 공학, 물리학, 생물학 등 여러 분야에서 유용한 이산 확률 모델을 탐구합니다.

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.

이 과정은 컴퓨터 과학과 공학을 위한 기초 이산 수학을 다룹니다. 수학적 정의와 증명, 그리고 적용 가능한 방법에 중점을 두며, 논리 기호, 증명 방법, 집합, 관계, 그래프 이론 등 다양한 주제를 학습합니다.

이 과정은 그래프 이론과 가법 조합론의 고전적 및 현대적 발전을 다루며, 두 주제를 연결하는 주제와 테마에 중점을 둡니다. 또한 현재 연구 주제와 미해결 문제에 대한 소개도 포함됩니다.

통계적 추론의 핵심 방법론인 베이즈 추론(Bayesian Inference)과 범주형 데이터 분석에 특화된 하야시 수량화 방법을 학습합니다. SPSS Bayesian Statistics를 활용하여 이항 비율, 평균 차이, 상관계수, 회귀모형, 분산분석 등 다양한 통계 분석을 실습하며, 범주형 변수의 내면적 통찰을 끌어내는 수량화 방법 1~4를 마스터합니다.

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.