Thumbnail
학문 · 외국어 수학

임장환의 칼만 필터(Kalman Filter) 1 대시보드

21명이 수강하고 있어요.
220,000원

월 44,000원

5개월 할부 시
지식공유자: 임장환
총 34개 수업 (5시간 10분)
수강기한: 
무제한
수료증: 발급
난이도: 
입문
-
초급
-
중급이상
지식공유자 답변이 제공되는 강의입니다
폴더에 추가 공유

초급자를 위해 준비한
[수학] 강의입니다.

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

✍️
이런 걸
배워요!
쉬운 예제를 통한 칼만 필터(Kalman Filter)의 정확한 동작 원리의 이해
튼튼한 수학적 이론접근

어렵고 어려운 칼만 필터,
예제와 함께 확실하게 이해해보세요 ✨

예제로 공부하는
Kalman Filter의 동작 원리 💡

칼만 필터 (Kalman Filter)?

칼만 필터(Kalman filter)는 1660년대에 미국의 제어이론 과학자인 Rudolf. E. Kalman에 의해 개발된 알고리즘입니다. 그는 NASA에서 로켓 및 항공기 비행 제어 문제의 해결을 위해 이 필터를 개발했는데, 이후 제어공학, 로봇공학, 신호처리 등 다양한 분야에 응용되고 있습니다. 지금도 사용범위가 많은 알고리즘입니다.

칼만필터는 수학적으로 꽤 복잡한 알고리즘이기 때문에 이해하는 진입장벽이 높은 편입니다. 칼만필터를 학습하기 위해서는 선형대수학과 확률론, 통계학 등 상당히 많은 기초지식이 필요합니다. 쉽지 않죠! 저도 그랬습니다. 공부하다 벽에 부딪히기를 여러 번 했습니다. 수많은 양의 강의가 있음에도 칼만 필터를 제대로 이해하지 못했습니다. Kalman Filter를 사용하는 곳은 다양해서 모든 칼만 필터를 설명할 수는 없습니다. 그럴 필요도 없고요.

그래서 단순한 예제 몇 개로 Kalman Filter의 동작 원리를 설명해 보기로 했습니다. Kalman Filter를 이해하시면 이를 가지고 자기의 전문 분야에 적용하시면 됩니다. 이론을 모르고 적용하는 것과 이론과 원리를 알고 적용하는 것 어느 쪽이 좋을까요? 현명한 선택은 여러분의 몫입니다.


강의 특징 ✨

이 강의에서는 가능한 한 직관적인 이해를 돕기 위해서 단순한 예제들을 가지고 아주 구체적인 칼만 필터(Kalman filter)의 동작 원리를 설명할 것입니다. 강의를 잘 활용하신다면 Klaman Filter를 이해하는 데 걸리는 시간을 확 줄여주리라 생각합니다.

칼만 필터의 동작 원리를 수학적으로 이해할 수 있어요.

쉬운 예제부터 칼만 필터의 완전한 이해를 돕는 예제까지 학습해요. 

이론 설명에 필요한 확률통계 이론을 제시해요.


이런 분들께 추천해요 🙆‍♀️

칼만 필터가 뭔지 조금 알고 있는 분

제어공학, 로봇공학, 신호처리, 컴퓨터 비전 전공자

칼만 필터를 확실하게 익히고 싶은 대학원생


학습 내용 📚

     

       


예상 질문 Q&A 💬

Q. 칼만 필터(Kalman Filter) 정말 제대로 이해할 수 있을까요?

사실 Kalman Filter를 아주 제대로 깊이 있게 이해하려면 쉬지 않고 꾸준히 공부하셔야 된다고 말씀드리고 싶습니다. 이 강의를 만든 것은 칼만 필터를 이해하도록 제가 도와드릴 수 있다고 생각해서입니다.

Q. 확률통계에 대한 어느 정도의 선지식이 있어야 하나요?

저는 일단 지르고 보는 식이라 약간의 지식이 있으시다면 도전할 수 있으리라 생각합니다. 그리고 꾸준히 확률통계를 공부하셔야 합니다. 또한 모든 분야를 알아야 하는 것은 아니기에 부록으로 필요한 양을 만들었습니다.

Q. 수학의 어떤 지식이 선수지식으로 필요하나요?

선형대수, 확률통계, 최적화이론 지식이 필요합니다.


수강 전 확인해주세요 📢

  • 기본적으로 Python으로 이론 내용들을 구현했습니다. 저의 필요에 의해서 MatLab 프로그램도 일부 있습니다. 제가 구현한 프로그램들은 올려드리나, 구현은 각자 수강생 몫임을 말씀드리고 싶습니다.
    • 참고로 저는 쉬운 Matlab으로 프로그래밍하고 그다음 파이참을 이용하여 프로그래밍하였습니다. 
    • 이 강의의 목적은 Kalman Filter의 이론적 설명에 초점을 두고 있습니다. 따라서 구현은 각자 수강생분들의 몫임을 알려드립니다.
  • 수업 자료는 pdf, 프로그램 파일은 text 형태로 올려뒀습니다.

지식공유자 소개 ✒️

  • 현) 3D Computer Vision 연구자
  • 현) 유튜브 채널 운영: 임장환: 3D Computer Vision
  • 현) Face book: SLAM KR 그룹(수학전문위원)
  • 전) 독일 Kile대학 이학박사(위상기하학 전공)
  • 전) 중앙대학교 첨단영상 대학원 연구교수(3D Computer Vsion연구)
  • 저서: 최적화이론 

이런 분들께 추천드려요!

🎓
학습 대상은
누구일까요?
칼만 필터(Kalman Filter)의 작동 원리를 이해하고 싶은 분들
로봇공학, 제어공학, 신호처리 공부하시는 분들
머신러닝, 인공지능 공부하시는 분들
📚
선수 지식,
필요할까요?
MatLab, Python 언어 기본 지식
확률통계 기초이론 , 선형대수, 미적분학

안녕하세요
임장환 입니다.
임장환의 썸네일

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

 

 

 

 

 

 

커리큘럼 총 34 개 ˙ 5시간 10분의 수업
이 강의는 영상, 첨부 파일이 제공됩니다. 미리보기를 통해 콘텐츠를 확인해보세요.
섹션 1. 칼만 필터(Kalman Filter)동작을 이해하기 위해 알아야 할 몇 가지 전제 조건들
Kalman Filter 동작을 이해하기 위해 알아야 할 몇 가지 전제 조건 16:36
문제제기: Kalman filter를 사용한다는 것은 어떤 의미인가? 미리보기 04:24
섹션 2. 칼만 필터(Kalman Filter) 예제 1
Kalman Filter 예제 1 미리보기 14:57
재귀식(Recurrence Equation) 05:37
섹션 3. 칼만 필터(Kalman Filter)알고리즘의 구성 요소
Kalman Filter알고리즘의 구성요소 미리보기 05:27
Kalman Filter예제 1를 Kalman Filter형식으로 바꿔 쓰기 11:40
Kalman Filter 예제 1 의 Python 코딩 07:50
섹션 4. 칼만 필터(Kalman Filter) 예제 2
Kalman Filter 예제 2 08:39
Kalman Filter예제 2 Python 코딩 11:13
섹션 5. 칼만 필터(Kalman Filter) 예제 3
Kalman Filter 예제 3-1 15:44
Kalman Filter 예제 3-2 11:38
Kalman Filter 예제 3 Python 코딩 06:12
Kalmam Filter 예제 3의 변형 미리보기 02:57
Kalman Filter 예제 3 변형의 Python 코딩 02:27
이산 선형 칼만 필터1/2(The Discrete Linear Kalman Filter) 14:15
이산 성형칼만 필터2/2(The Discrete Lonear Kalman Filter) 05:21
섹션 6. 부록: 1 확률기초
부록 : 1 확률기초 미리보기 11:50
부록 : 1 확률의 메저이론(Measure Theory) 05:20
부록 : 1 조건부확률 베이지안 이론 (Bayes's Theorem) 14:02
부록 : 1 사전확률 &사후확률 미리보기 07:05
부록 : 1 MLE & MAP 11:25
부록 : 1 베이즈 정리(Bayes Theorem) 11:59
섹션 7. 부록 : 2 확률변수
부록 : 2 확률변수 미리보기 08:57
부록 : 2 기댓값 09:02
부록 : 2 적률생성함수(Moment generating function: MFG) 04:08
섹션 8. 부록 : 3 결합확률 분포
부록 : 3 결합확률분포 11:36
부록 : 3 확률변수의 독립 08:46
부록 : 3 상관계수 05:21
섹션 9. 부록 : 4 확률벡터
부록 : 4확률벡터 08:17
섹션 10. 부록 : 5 다변량 가우시안 분포(Multivariate Gaussian Normal Distribution)
섹션 11. 부록 : 6 중심극한 정리와 통계적 추정
부록 : 6 중심극한 정리와 통계적 추정 08:04
섹션 12. 부록 : 7 행렬과 행렬함수의 미분
부록 : 7 행렬과 행렬 함수의 미분 07:04
강의 게시일 : 2023년 06월 14일 (마지막 업데이트일 : 2023년 06월 14일)
수강평
수강생분들이 직접 작성하신 수강평입니다.
아직 평가를 충분히 받지 못한 강의 입니다.
모두에게 도움이 되는 수강평의 주인공이 되어주세요!😄️️