코스 검색 내 코스

딥러닝을 위한 기본 수학

김문엽
0.0

강의 설명

📐 딥러닝 공부, 수학 때문에 막막하셨나요?

딥러닝을 위한 기본 수학

– 가장 직관적인 설명으로 기초부터 탄탄히 다져드립니다!


🎯 이 강의가 필요한 이유!

딥러닝은 수학 없이는 깊게 이해하기 어렵습니다.
하지만 걱정 마세요!
이 강의는 딥러닝을 처음 접하거나, 수학이 어렵게 느껴지는 분들을 위해 쉽게 구성했습니다.


🧑‍💻 이런 분께 꼭 추천합니다!

  • 딥러닝 학습에 앞서 꼭 필요한 수학만 확실히 배우고 싶은 분

  • 미분, 선형대수, 확률의 개념이 어려웠던 분

  • 수학적 이해를 바탕으로 딥러닝 역량을 제대로 갖추고 싶은 분


🚀 실습 중심으로 이해가 쏙쏙!

  • 직관적인 설명과 시각 자료로 쉽게 이해

  • 수식뿐만 아니라 NumPy를 활용한 Python 코드 예제로 실습 제공

  • 수학 이론과 딥러닝 모델 구현을 연결해 이해력 향상


📈 이 강의를 통해 얻을 수 있는 것

  • 딥러닝을 위한 수학 개념을 명확히 이해하고 자신감 확보

  • 실제 딥러닝 논문과 코드에서 등장하는 수식에 대한 해석 능력 강화

  • 앞으로의 머신러닝·딥러닝 학습에 필요한 탄탄한 수학적 기초 완성

리뷰

0.0
첫 번째 리뷰를 남겨주세요.
공유
₩ 29,000

딥러닝을 위한 기본 수학

코스 및 디지털 콘텐츠 상품은 구매 즉시 적용되며, 환불이 불가합니다.

강의 목차

1.
벡터와 행렬 기초
벡터와 행렬 기초
30:00
2.
선형 변환과 고유값·고유벡터
선형 변환과 고유값·고유벡터
30:00
3.
미분의 기초: 스칼라 함수 미분
미분의 기초: 스칼라 함수 미분
30:00
4.
편미분과 그래디언트 벡터
편미분과 그래디언트 벡터
30:00
5.
행렬 미분
행렬 미분
30:00
6.
확률 기초 및 분포
확률 기초 및 분포
30:00
7.
조건부 확률과 베이즈 정리
조건부 확률과 베이즈 정리
30:00
8.
최적화 기본: convexity와 최적해
최적화 기본: convexity와 최적해
30:00
9.
행렬 분해 기법
행렬 분해 기법
30:00
10.
확률적 방법과 샘플링
확률적 방법과 샘플링
30:00