인공지능을 위한 확률통계

인공지능을 위한 확률통계 Certificate

Class Introduction

강의 소개 및 개요입니다.

성명

이일구

소속기관

팜캐드

과목명

인공지능을 위한 확률통계

강의시간

5시간

학습목표

인공지능을 위한 기초수학인 기초 확률통계를 학습한다.

기초 확률통계에서는 확률변수와 확률분포가 무엇인지 아는 것 부터

머신러닝에서 많이 쓰이는 Cross entropy, KL divergence까지 학습한다.

그리고 실제 코딩을 통해 이론에서 실습까지 진행한다.

강의 선수과목 및 준비사항입니다.

Course Introduction

인공지능을 위한 확률통계 강의 과정입니다.

1	기초 확률통계 1 - 확률변수란 무엇인지 - 확률분포란 무엇이고 어떤 것이 있는지 - Expectation, Variance가 무엇인지 알아본다.
2	기초 확률통계 2 - Joint probability distribution이 무엇인지 - Conditional probability, Independence가 무엇인지 - Multiple random variable에서 어떻게 되는지 알아본다.
3	기초 확률통계 3 - Bayes’ Theorem - Prior, Likelihood, Prior 등이 무엇인지 - Maximum likelihood estimation이 무엇인지 알아본다.
4	기초 확률통계 4 - 정보란 무엇인지 - entropy, KL divergence, cross entropy 등이 무엇인지 알아본다.
5	기초 확률통계 1 ~ 4 에서 배운 이론에 대한 실습

Classification

Professor