Skip to main content
인공지능을 위한 기초수학 입문 (High school) 동영상

인공지능을 위한 기초수학 입문 (High school)




강의소개 - Course Description
본 강좌는 인공지능이 어떤 수학적 원리로 작동하는지를 이해하는데 필요한 기본적인 수학 내용을, 고등학교 1학년 정도의 수학 지식을 갖춘 일반인이라면 누구라도 쉽게 학습하고, 이해한 후, 실습할 수 있도록 한다. 또한 Math & Coding 접근으로 <인공지능에 필요한 개념과 용어 및 기초수학 지식 및 실습 경험>을 제공한다.

 

강의구성 - Configuration
* 구성: 총 14강 + 중간평가 + 기말평가
* 개설: 순차적 개설 - 해당 주차일에 강의가 열리며, 지나간 강의는 언제든지 볼 수 있음

[인공지능을 위한 기초수학 입문 맛보기 강의]

 

강의일정-Syllabus

 

강의 일정
주차 주차명 차시명
1주차 인공지능에 필요한 기초수학 1) 함수 그래프와 방정식의 해 1
2) 함수 그래프와 방정식의 해 2와 실습
2주차 인공지능과 행렬 1 1) 데이터와 행렬 1
2) 데이터와 행렬 2와 실습
3주차 인공지능과 행렬 2 1) 데이터의 분류 1
2) 데이터의 분류 2와 실습
4주차 인공지능과 행렬 3 1) 선형연립방정식의 해집합 1
2) 선형연립방정식의 해집합 2와 실습
5주차 인공지능과 행렬 4 1) 정사영과 최소제곱문제 1
2) 정사영과 최소제곱문제 2와 실습
6주차 인공지능과 행렬 5 1) 행렬분해 (특잇값 분해) 1
2) 행렬분해 (특잇값 분해) 2와 실습
7주차 인공지능과 최적해 1 1) 극한과 도함수 1
2) 극한과 도함수 2와 실습
8주차 중간 평가 중간고사/보고서/제안서
9주차 인공지능과 최적해 2 1) 극대, 극소, 최대, 최소 1
2) 극대, 극소, 최대, 최소 2와 실습
10주차 인공지능과 최적해 3 1) 경사하강법(gradient descent method)
2) 경사하강법을 이용한 최소제곱문제의 해와 실습 :
11주차 인공지능과 통계 1 1) 순열, 조합, 확률
2) 확률변수, 확률분포, 베이지안(Bayesian)과 실습
12주차 인공지능과 통계 2 1) 통계, 기댓값, 분산
2) 공분산, 상관계수, 공분산 행렬과 실습
13주차 주성분 분석 1) 주성분 분석(Principal Component Analysis) 1
2) 주성분 분석(Principal Component Analysis) 2와 실습
14주차 인공신경망 1) 인공신경망 (Artificial Neural Network)
2) 오차역전파법과 실습
15주차 MNIST (숫자인식) 1) MNIST (숫자인식)
2) MNIST (숫자인식) 실습
16주차 기말평가 기말고사/보고서/발표
* 평가점수 및 이수증 발급기준
평가점수 및 이수증 발급기준
구분 퀴즈 10회 평가(중간) 평가(기말) 합계
점수 40점 30점 30점 100점
이수기준 : 총점 70점 이상

교수소개-Professor
이상구 교수 사진 이상구 교수

[프로필]
미국 유타주립대학교, PhD (이학박사)
現 성균관대학교 자연대 학장
現 성균관대학교 수학과 정교수
前 한국수학교육학회 회장
前 국제 선형대수학회 교육위원
TA소개-Teaching Assistant
박경은 튜터 사진

[수업지원]

박경은 튜터
성균관대학교 수학교육과 겸임교수
E-mail : postmedu@skku.edu(24시간 이내에 답변을 드리도록 하겠습니다.)

유관열 직원 사진

[기술지원]

유관열 직원
성균관대학교 교무처 교육콘텐츠개발팀
E-mail : yky5749@skku.edu

 

관련 강좌

현재 강좌와 관련있는 강좌를 찾을 수 없습니다.
  1. Subject

    Engineering
    (Computers & Communication)
  2. 강좌를 개발하고 운영하는 기관입니다. 컨소시엄으로 운영 시, 대표기관의 명칭이 나타납니다

    Institution

    SUNGKYUNKWAN UNIVERSITY
  3. 강좌의 구성 주차 수를 의미합니다. (강좌를 충실히 학습하기 위해 필요한 주당 학습시간을 의미합니다.)

    Course Week
    (Estimated Effort)

    16week
    (주당 02시간 00분)
  4. 본 강좌 이수자에게 인정되는 학습시간으로 해당 강좌의 동영상, 과제, 시험, 퀴즈, 토론 등의 시간을 포함합니다. (강의 내용과 관련된 동영상 재생 시간의 총 합계입니다.)

    Accredited learning time
    (Video Duration)

    32시간 00분
    (07시간 00분)
  5. 수강신청이 가능한 기간으로 해당 기간 내에만 수강신청이 가능합니다.

    Registration Period

    2020.11.16 ~ 2021.01.17
  6. 강좌가 운영되고 교수지원이 이루어지는 기간입니다. 이수증은 강좌운영기간이 종료된 이후에 발급받을 수 있습니다.

    Classes Period

    2020.11.16 ~ 2021.01.24
Enroll