jhim21

미들 (4~8년)

강의가 도움이 되신다니 감사 합니다. 자료는 2.2확률변수의 평균에 올려습니다.^^

섹션 2 확률변수 자료 문의

강의 마지막 파일에 ZIP 파일 형식으로 올려 놨습니다. 그래도 필요하신 분들은 메일 주시면 ZIP으로 보내 드립니다. 감사 합니다

구현 코드

안녕하세요 최적화이론 Bible을 수강해 주셔서 감사 합니다. 최적화이론을 제대로 공부 하시면 반드시 한번쯤은 도움이 된다는 말씀을 먼저 드리고 싶고요. 선형대수를 좀 깊게 공부하시는 것도 추천드립니다. 혹시 AI에 관심이 있으시면 정말 꾸준히 확률공부를 하셔야 한다고 말씀 드리고 싶습니다. 질문 내용이 좀 광범위 해서 jang_hwan_im@naver.com으로 본인의 상황을 좀 자세히 적어 주시면 좀 더 자세한 답변이 드릴 수 있을 것 같습니다. 필요 하시면 메일 부탁 드려요. &nbsp;

추가로 공부하면 좋은 수학 내용 및 최신 연구 추천

강의가 도움이 되셨다고 하니 감사드립니다. 최적화이론 2를 작업 중 입니다. 좀 더 자세한 주제를 강의할여고 합니다. 생각보다 시간이 좀 걸릴 것 같습니다. 가능하면 빠른시간에 강의를 오픈해 보겠습니다. 그럼 좋은하루 되세요.^^

최적화이론 2

순서에 문제 지적해 주셔서 감사 하니다. 교정 했어요 . 좋은 하루 되세요^^

확인부탁합니다_부록1의 순서

오타 맞습니다. 감사 합니다. 좋은 하루 되세요^^

그램슈미트 예제3 오타

일반적으로 라그랑주 승수 (Lagrange Multiplier)를 사용할때는 기호 람다를 사용합니다. 나머지는 사용하는 맥락에 따라 달라지며, 특정 모델이나 문제에 따라 그 정의가 결정된다고 해야 할 것 같습니다.

람다

선형 연립방정식의 목적은 주어진 방정식에 맞는 x,y,z에 알맞은 값을 얻는것 입니다. 아주 쉬운예로 x+y=1, x+3y =2인 연립방정식을 푼다면 처음식에서 x=1-y로 만들고 이를 두번째 식에 넣으면 1-y+3y=2식 이되고 여기서 y값을 구할 수 있습니다. 즉, 미지수를 줄여나가는 방법입니다. 이는 좀 생각해보면 두번째 식에서 첫번째 식을 빼도 같은 결과을 얻습니다. 이를 좀더 관찰하면 숫자들을 빼는 것으로 생각 할 수 있습니다. 가우스 소거법은 이러한 원리를 설명하고 있습니다.질문하신것 중에서 " 1 식에 3을 곱하여 2식에 더하면" 대신 " 1 식에 -3을 곱하여 2식에 더하면"으로 바꾸시면 나머지는 해결될 것 같습니다.가우스 소거 방법의 원칙은 이 문제의 경우 3개의 미지수에서 마지막 1개의 미지수의 1차방정식으로 만들어 z값을 구하고 그 다음 y값 마지막으로 x값을 구한다를 설명하는 것입니다. 이 원칙만 가지고 순서를 다르게 풀어도 괜찬습니다. 좀 더 의문사항이 있스시면 <a target="_blank" rel="noopener noreferrer nofollow" href="mailto:jang_hwan_im@naver.com">jang_hwan_im@naver.com</a>의로 메일 주세요 유선으로 설명하면 좀 더 쉬울 수 있습니다. 유선통화 원하시면 전화번호와 통화가능 시간 주세요. 좋은 하루 되세요^^

행렬연산 가우스 조던소거

강의를 녹화하다 보니 Group Theory 까지 넣어서 한달분량으로 공부하기에는 좀 무리가 있어서 생략했습니다. 필요한 부분이 어딘 신지 제 이메일 <a target="_blank" rel="noopener noreferrer nofollow" href="mailto:jang_hwan_im@naver.com">jang_hwan_im@naver.com</a>로 좀 자세히 보내 주시면 좀 더 좋은 답변을 들일 수 있을 것 같습니다. 감사 합니다.

jhim21

Posts