본문 바로가기

Discover Courses

Recommended Courses

    Multilingual settings

    General course details page | K-MOOC

    Related Series Course
    • 인공지능 수학

      고등학생과 일반인이 인공지능을 이해하는데 필요한 입문, 기초수준의 수학내용을 학습하고 코드 및 알고리즘을 이용하여 실습한다. 나아가 활용, 고급수준의 데이터 활용 및 분석 기법을 이용하여 실제 인공지능에서 자주 사용되는 알고리즘을 실습한다.

      Total Weeks 56 Courses 4
    Course Introduction
    강의소개 - Course Description
    본 강좌를 통해 인공지능을 이해하는데 필요한 수학(기초) 및 기본 알고리즘을 자세히 학습하고 코드를 활용하여 실습해본다.

     

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

    [인공지능 수학 기초 맛보기 강의]

     

    강의일정-Syllabus

     

    강의 일정
    주차주차명차시명
    1주차벡터1) 강좌 소개
    2) 벡터 예습 및 실습
    3) Big Picture
    4) 벡터
    5) 내적
    6) 정사영
    7) 벡터 복습
    2주차선형연립방정식1) 선형연립방정식 예습 및 실습
    2) 선형연립방정식
    3) Gauss 소거법과 Gauss-Jordan 소거법
    4) 선형연립방정식 복습
    3주차행렬과 행렬식1) 행렬과 행렬식 예습 및 실습
    2) 행렬 연산
    3) 역행렬
    4) 기본행렬
    5) 선형연립방정식의 해집합, 특수행렬
    6) 행렬식
    7) 행렬과 행렬식 복습
    4주차일차독립과 기저 및 차원1) 일차독립과 기저 및 차원 예습 및 실습
    2) 일차독립
    3) 기저와 차원
    4) 정사영과 최소제곱해
    5) 일차독립과 기저 및 차원 복습
    5주차선형변환1) 선형변환 예습 및 실습
    2) 선형변환
    3) 표준행렬
    4) 핵과 치역
    5) 선형변환 복습
    6주차고윳값, 고유벡터, 대각화1) 고윳값, 고유벡터, 대각화 예습 및 실습
    2) 고윳값과 고유벡터
    3) 닮음 행렬과 행렬의 대각화
    4) 직교 대각화
    5) 고윳값, 고유벡터, 대각화 복습
    7주차SVD(특잇값 분해), 이차형식1) SVD(특잇값 분해), 이차형식 예습 및 실습
    2) 특잇값 분해(SVD)
    3) 일반화된 역행렬
    4) 이차형식
    5) SVD(특잇값 분해), 이차형식 복습
    중간중간 평가중간 평가
    8주차일변수 함수와 미적분1) 일변수 함수와 미적분 예습 및 실습
    2) 함수
    3) 극한
    4) 도함수와 미분
    5) 미분의 응용
    6) 적분
    7) 일변수 함수와 미적분 복습
    9주차다변수 함수와 미적분(극대, 극소)1) 다변수 함수와 미적분(극대, 극소) 예습 및 실습
    2) 벡터와 공간 기하
    3) 벡터함수
    4) 편도함수와 그래디언트
    5) 함수의 극대, 극소
    6) 경사하강법(gradient descent method)
    7) 다변수 함수와 미적분(극대, 극소) 복습
    10주차순열, 조합, 확률1) 순열, 조합, 확률 예습 및 실습
    2) 통계학
    3) 용어 소개
    4) 순열, 조합
    5) 확률
    6) 베이즈 정리
    7) 순열, 조합, 확률 복습
    11주차확률변수1) 확률변수 예습 및 실습
    2) 확률변수
    3) 기댓값
    4) 분산과 표준편차
    5) 확률변수 복습
    12주차확률분포1) 확률분포 예습 및 실습
    2) 이산확률분포
    3) 연속확률분포
    4) 결합확률분포, 공분산과 상관계수
    5) 확률분포 복습
    13주차주성분 분석1) 주성분 분석 예습 및 실습
    2) PCA 개관과 PC의 유도
    3) PC 스코어
    4) PCA 예제
    5) 주성분 분석 복습
    14주차인공신경망1) 인공신경망 예습 및 실습
    2) 인공신경망(ANN)
    3) 오차 역전파법(Back propagation)
    4) MNIST 사례
    5) 인공신경망 복습
    기말기말평가기말평가
    * 평가점수 및 이수증 발급기준
    평가점수 및 이수증 발급기준
    구분 퀴즈/과제평가(중간)평가(기말)합계
    점수50점25점25점100점
    이수기준 : 총점 70점 이상


    [성균관대학교 K-MOOC 홍보영상]
    교수소개-Professor
    이상구 교수 사진이상구 교수

    [프로필]
    미국 유타주립대학교, PhD (이학박사)
    現 성균관대학교 자연대 학장
    現 성균관대학교 수학과 정교수
    前 한국수학교육학회 회장
    前 대한수학회 부회장
    前 BK21 수학적모델링사업단 단장
    前 국제 선형대수학회 교육위원
    TA소개-Teaching Assistant
    박경은 튜터 사진

    [수업지원]

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

    진채은 직원 사진

    [기술지원]

    진채은 직원
    성균관대학교 교무처 교육개발센터
    E-mail : wlsco97@skku.edu

     

    Preview

    Field Natural (Mathematics, Physics, Astronomy & Geography)

    Difficulty -

    Operating Institute SUNGKYUNKWAN UNIVERSITY

    Certificate Unissued

    Week 18 Week

    Learning recognition time 32Hour 00Minute (08Hour 47Minute)

    Course Registration Period 23.08.21 ~ 23.12.02

    Course Duration 23.08.28 ~ 23.12.04

    Phone Number 031-290-5245

    Subtitle language -

    Course language 한국어(ko)

    Recommended Courses
    Same institution course