강좌 소개 수업내용/목표 본 강의는 인공지능 (Artificial Intelligence - AI) 연구자들을 위한 것으로 인공 신경망 모형의 연구에 반드시 필요한 통계적 이론을 다루게 됩니다. 본 강의는 대학원 석사 수준의 강의로서 대학 수학, 행렬대수 등의 사전 지식이 요구되며, 학부수준 수리통계학 (Hogg, McKean, and Craig level)과 회귀분석 (Draper and Smith level)에 대한 사전 지식이 있으면 강의의 효율성이 더 증대될 것입니다. 강좌 운영 계획 강의계획서 주차 주제 소주제 1주차 1. Introduction 1.0 Prerequisites 1.1 About This Lecture - 1.2 History on AI 1.3 Dataset 2주차 2. Preliminaries 2.1 Matrix Alebra 2.2 Model Assessment and Selection I 2.2 Model Assessment and Selection II 3주차 2. Preliminaries 2.3 Taylor Expansion 2.4 Maximum Likelihood Methods 2.5 The EM Algorithm 4주차 2. Preliminaries 2.6 Bayesian Methods 3. Regression 3.1 Parametric Regression / Linear Regression 3.1 Parametric Regression / Subset Selection 5주차 3. Regression 3.1 Parametric Regression / Ridge Regression 3.1 Parametric Regression / Lasso 3.1 Parametric Regression / Other Shrinkage Methods 6주차 3. Regression 3.2 Nonparametric Regression / Smoothing Splines I 3.2 Nonparametric Regression / Smoothing...