인공지능을 위한 기초 확률 및 통계
- 국립금오공과대학교
- 이원재
페이스북
트위터
카카오톡
네이버밴드
링크복사
-
- 주제분류
- 공학 >산업 >산업공학
-
- 강의학기
- 2025년 2학기
-
- 조회수
- 36
-
- 강의계획서
- 강의계획서
본 강좌는 인공지능 및 데이터 분석을 이해하기 위한 기초 확률과 통계를 다룬다. 확률과 통계의 개념, 분포, 추정과 가설검정을 중심으로 AI 및 데이터 분석에서의 활용 기반을 학습한다.
- 수강안내 및 수강신청
- ※ 수강확인증 발급을 위해서는 수강신청이 필요합니다
확률과 통계의 개요
차시별 강의
| 1. | |
확률과 통계의 개요 | 확률과 통계의 차이, 모집단과 표본, 모수와 통계량, 데이터 분석에서의 역할을 개괄적으로 소개한다. |  |
| 2. | |
중심경향과 산포 | 평균, 중앙값, 최빈값과 분산, 표준편차, IQR을 통해 데이터의 대표성과 변동성을 이해한다. | |
| 3. | |
데이터 시각화 | 줄기-잎 그림, 스캐터 플롯, 히스토그램, 박스 플롯을 활용한 데이터 시각화 방법을 학습한다. | |
| 4. | |
이산 확률변수와 분포 | 이산 확률변수, 확률질량함수(pmf), 누적분포함수(CDF)의 정의와 성질을 다룬다. | |
| 5. | |
연속 확률변수와 분포 | 연속 확률변수, 확률밀도함수(pdf), 누적분포함수(CDF)의 개념과 기댓값·분산을 설명한다. | |
| 6. | |
지수분포와 정규분포 | 지수분포의 성질과 포아송 과정과의 관계, 정규분포의 정의와 파라미터를 다룬다. | |
| 7. | |
표준정규분포와 Z-score | 표준정규분포의 개념과 표준화, Z-score 및 Z표 활용 방법을 학습한다. | |
| 8. | |
확률·통계 용어와 표본분포 | 확률변수, 랜덤 샘플, 통계량, 표본분포 개념과 확률분포와의 차이를 설명한다. | |
| 9. | |
중심극한정리 | 중심극한정리의 의미와 중요성, 표본평균 분포의 성질을 학습한다. | |
| 10. | |
카이제곱분포 | 카이제곱분포의 정의와 자유도, 표본분산과의 관계를 설명한다. | |
| 11. | |
t-분포와 신뢰구간 | t-분포의 성질과 평균에 대한 신뢰구간 추정을 다룬다. | |
| 12. | |
F-분포와 분산 비교 | F-분포의 정의와 두 분산 비교 문제에의 적용을 학습한다. | |
| 13. | |
가설검정 I | 귀무가설과 대립가설, 검정통계량, 단측·양측 검정 개념을 다룬다. | |
| 14. | |
가설검정 II | 점추정과 구간추정, 신뢰구간의 구성과 해석 방법을 설명한다. | |
| 15. | |
가설검정 III | p-value 해석과 신뢰구간을 활용한 통계적 의사결정을 다룬다. | |
연관 자료
