강좌 소개 수업내용/목표 본강좌는인공지능기술의핵심의핵심이되는기계학습이론과이론을이해하는데도움이되는수학적인내용을학습합니다.또한기계학습알고리즘중에서최근가장주목받고있는신경망네트워크에대한이론적인내용과응용알고리즘에대해서학습합니다. 홍보/예시 영상 강좌 운영 계획 lecture table 주차 차시명 주차별 학습목표 1 Vector Vectors 벡터에 대한 이해와 벡터와 관련된 연산에 대해서 이해한다 Linear functions 2 Vector Operations Norm and Distance 벡터 기반의 크기와 선형독립에 대해서 이해한다 Linear Independence 3 Matrix Matrices 행열과 일차방정식의 관계에 대해서 이해한다 Linear equations 4 Matrix Operations Matrix multiplication 행열을 기반으로 하는 연산에 대해서 이해한다 Matrix inverses 5 Least Square Problem Least Squares 최소자승법에 대해서 이해하고 실제 데이터에 적용하는 것에 대해서 이해한다 Leaast Squares Data Fitting 6 Linear Regression Problem Definition 선형회기분석을 위한 모델 생성과 학습 과정에 대해서 이해한다 Gradient Descent Vectorization 7 Classification Logistic Regression 로지스틱 회기분석을 기반으로 하는 분류자에 대해서 이해한다 Cross Entropy 8 Model Generalization Feature Engineering 기계학습 기반의 모델과 데이터의 관계에 대해서 이해한다 Generalization 9 Developing Machine Learning Project Cross Validation 기계학습을 기반으로 하는 어플리케이션을 개발하는 과정에 대해서 이해한다 Learning Curve 10 Unsupervised Learning K-means Clustering...