본문 영역으로 바로가기
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. 분야

    공학
    (컴퓨터ㆍ통신)
  2. 강좌를 개발하고 운영하는 기관입니다. 컨소시엄으로 운영 시, 대표기관의 명칭이 나타납니다

    운영기관

    성균관대학교
  3. 운영 기관의 전화번호 입니다.

    전화번호

    -
  4. 강좌의 구성 주차 수를 의미합니다. (강좌를 충실히 학습하기 위해 필요한 주당 학습시간을 의미합니다.)

    주차
    (주간 학습 권장 시간)

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

    학습인정시간
    (총 동영상시간)

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

    수강 신청 기간

    2020.09.23 ~ 2030.02.28
  7. 강좌가 운영되고 교수지원이 이루어지는 기간입니다. 이수증은 강좌운영기간이 종료된 이후에 발급받을 수 있습니다.

    강좌 운영 기간

    2020.09.23 ~ 2030.02.28
  8. 강의 언어

    한국어
등록