1日10分1ヶ月完成線形代数学

Name: 1日10分1ヶ月完成線形代数学
Price: 55000 KRW

AI/ディープラーニングに必要な線形代数の内容を1日10分投資して1ヶ月完成でマスターしてみましょう。

（4.6）受講レビュー 5件

受講生 71名

jhim21

벡터

행렬분해

최적화

이론 중심

Linear Algebra

Procession

Deep Learning(DL)

こんなことが学べます

AI/ディープラーニング必要な核心内容のみ集中勉強
数学理論が必要な部分は細かく
具体的な例を使う理論の説明

多次元データ表現：画像、テキスト、音声などのさまざまなデータは、多次元のベクトルで表されます。線形代数は、これらの多次元データを扱い変換するために不可欠です。

画像処理：コンピュータビジョンの分野では、画像は行列で表されます。行列演算を使用して画像を変換してフィルタリングします。これは、畳み込みニューラルネットワーク（CNN）で主に使用されます。

線形変換：ニューラルネットワークなどの機械学習モデルは、主に線形変換（行列乗算）を使用して入力データを変換および処理します。線形代数は、これらの変換を効果的に扱うためのツールを提供します。

行列分解：特異値分解（SVD）や固有値分解などの線形代数的手法は、主成分分析（PCA）などの次元縮小技術に使用され、重要な特性を抽出するのに役立ちます。

最適化の問題：機械学習でよく使用される最適化の問題は、線形代数的な概念に基づいています。たとえば、損失関数を最小限に抑えるためのパラメータ更新は、行列微分と勾配の下降に関連しています。

上記の内容を勉強するには、多くの時間と労力が必要です。今何を見せるには、プログラミングの実装にも多くの時間が入ります。もし大学院に入って勉強してもらうと、数学で足首をつかむ場合もたくさんあります。

私は数学を専攻し、工科大学で何年もの間、大学学生と一緒に研究し、勉強しながらどうすれば数学を少し簡単にしますが、数学らしく勉強する方法をたくさん悩んでみました。

そこで今回の講義では具体的な例を解いて、これを利用して理論を勉強する方法を選びました。

そして内容が多すぎると始める前に疲れることも多いです。本当に内容は簡単ですが、必ず必要な内容は充分に勉強できるようにカリキュラムを作成してみました。

忙しいですが、1日10分から20分着実に投資して頑張れるように努力してみました。

こんな方に
おすすめです

学習対象は
誰でしょう？

機械学習、ディープラーニング、コンピュータビジョン、コンピュータグラフィックス、理工系の方
ドアと勉強した方にもおすすめです。
数学の基礎が不足している人にもおすすめです。

前提知識、
必要でしょうか？

しようとする意志は必須
着実に一ヶ月投資できる方

こんにちは
です。

177

受講生

受講レビュー

回答

4.7

講座評価

講座

박사 졸업 후 5년 정도 Computer vision를 공부하고 가르치는 계기가 돼서

지금까지 수학전공과 공학이론을 연결한 공부들을 하고 있습니다.

전문분야(공부 분야)

전공: 수학(Topological Geometry), 부전공(컴퓨터 공학)

현) 3D Computer Vision(3D Reconstruction) , Kalman Filter, Lie-group(SO(3)),

Stochastic Differential Equation 연구자

현) 유튜브 채널 운영: 임장환: 3D Computer Vision

현) facebook Spatial AI KR 그룹 (수학전문위원)

출신학교

독일 Kile 대학 이학박사 (Topological Geometry & Lie-group 전공, 컴퓨터 공학 부전공)

중앙대 수학과 학사, 석사(Topology 전공)

경력

전) 대성그룹 자회사 두비비젼 CTO

전) 중앙대학교 첨단영상 대학원 연구교수(3D Computer Vsion연구)

저서:

최적화이론: https://product.kyobobook.co.kr/detail/S000200518524

링크

유튜브: https://www.youtube.com/@3dcomputervision520

블로그: https://blog.naver.com/jang_hwan_im

カリキュラム

全体

31件 ∙ (5時間 42分)

講座資料（こうぎしりょう）:

授業資料

セクション 1．0.1 行列の定義と行列の演算、線形方程式の紹介

4件 ∙ (42分)

セクション 2．1. ベクトル空間紹介

7件 ∙ (1時間 35分)

5. ベクトル概念の始まり (The Beginning of Vector Concepts )
08:51
6. 部分空間: ベクトル空間のベクトル空間( Subspace: closed Vector space within a Vector Space)
12:00
7. 一次結合一次独立(Linear combination & linear independence)
09:27
8. 基底とベクトル空間次元 (Basis and Vector Space Dimension )
16:32
9. 内積（Inner product）
17:27
10. グラムシュミット直交化プロセス(Gram-Schmidt Orthogonalization Process)
19:38
11. クリーンアップ1.30の詳細な証明
11:23

セクション 3．行列を見る3つの視点

8件 ∙ (1時間 13分)

12. 行列を見る3つの観点（Three Perspectives on Viewing Matrices
14:24
13. 行列: ベクトル空間間の関数 (Matrix: Function between Vector Spaces)
13:39
14. ベクトル空間連結関数の例
06:54
15. 行列の積は線形関数の合成関数です（The multiplication of matrices is a composition of linear functions
03:22
16. 行列のランク(rank of matrix)
11:35
17. 行列式
14:58
18. 直交行列(orthogonal matrix)
05:23
19. ベクトル積(cross product)
03:33

セクション 4．固有値固有ベクトル

6件 ∙ (1時間 11分)

セクション 5．マハラノビス通り

1件 ∙ (7分)

セクション 6．行列の分解

3件 ∙ (30分)

セクション 7．線形方程式を解く方法

2件 ∙ (22分)

講座掲載日:

最終更新日:

受講レビュー

全体

5件

4.6

5件の受講レビュー

손일웅
受講レビュー 1
∙
平均評価 5.0
5
61% 受講後に作成
쉽고 재밌어요!
장재원
受講レビュー 1
∙
平均評価 3.0
3
100% 受講後に作成
lsk212
受講レビュー 1
∙
平均評価 5.0
5
32% 受講後に作成
팔요한 강의 분야를 수강하게 되어서 효율적이며 강의내용도 아주좋습니다.
강동준
受講レビュー 1
∙
平均評価 5.0
5
100% 受講後に作成
송태림
受講レビュー 1
∙
平均評価 5.0
5
32% 受講後に作成

￥6,579

jhim21の他の講座

知識共有者の他の講座を見てみましょう！

하루 10분 한달완성 최적화이론 1

임장환

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.