음성 검색
QR/바코드 검색
품목정보
| 출간일 | 2020년 12월 05일 |
|---|---|
| 쪽수, 무게, 크기 | 208쪽 | 188*257*20mm |
| ISBN13 | 9791160734171 |
| ISBN10 | 1160734178 |
eBook이 출간되면 알려드립니다.
eBook 출간 알림 신청
- 이미 소장하고 있다면 판매해 보세요! 이 상품 팔기 더보기/감추기
.jpg)
1
2
3
4
5
관련분류
책소개 책소개 보이기/감추기
|
일반인을 위한 K-MOOC* 『인공지능을 위한 기초수학 입문』 출간 『인공지능을 위한 기초수학 입문』은 인공지능이 어떤 수학적 원리로 작동하는지를 이해하는데 필요한 기본적인 수학을 고등학교 1학년 정도의 수학 지식을 갖춘 일반인은 누구라도 쉽게 관련된 행렬, 도함수, 통계 내용을 이해하고 실습할 수 있도록 서술하였다. 인공지능이 도대체 무엇인지 그리고 어떻게 작동되는지 기본 원리를 이해하기 위한 취지에 이 책을 준비하였다. 즉, 고등학생과 일반인 누구라도 인공지능을 이해하는 것을 목표로, 주 저자가 쓴 수학동아 『주니어매스』 원고와 대학생용 교재 『인공지능을 위한 기초수학』을 활용하여 미국 일본 중국의 고등학교 인공지능 수학교수?학습 내용의 순서에 따라 우리나라 고등학교 2학년 이상이면 누구나 이해할 수 있도록 K-MOOC 교재와 강의록이 완성되었다. 그 결과 관심 있는 모든 고등학생과 일반인들이 인공지능에 필요한 전반적인 용어와 개념을 접하고, 직접 개발한 파이썬 코드를 활용하여 실제 문제해결 경험을 갖추어, 고급 AI 수학에 잘 준비되도록 저술하였다. |
목차 목차 보이기/감추기
| 서문 · 1 읽을거리 · 3 I. 인공지능에 필요한 기초수학 · 11 1. 함수의 그래프와 방정식의 해 · 12 1.1 함수와 그래프 · 12 1.2 다항함수 · 12 1.3 유리함수 · 13 1.4 삼각함수 · 14 1.5 지수함수와 로그함수 · 16 1.6 방정식의 해 · 19 II. 인공지능과 행렬 · 25 2. 데이터와 행렬 · 26 2.1 순서쌍과 벡터 · 26 2.2 벡터 연산 · 27 2.3 행렬과 텐서 · 29 2.4 행렬 연산 · 30 2.5 행렬의 연산법칙 · 31 3. 데이터의 분류 · 41 3.1 데이터의 유사도 · 41 3.2 거리 · 41 3.3 노름 · 42 3.4 노름(크기, 거리)을 활용한 데이터의 유사도 비교 · 44 3.5 사잇각을 활용한 데이터의 비교 · 44 3.6 코사인 유사도의 개념 · 45 3.7 내적 · 46 3.8 사잇각 · 46 3.9 코사인 유사도의 계산 · 47 4. 선형연립방정식의 해집합 · 51 4.1 선형연립방정식 · 51 4.2 첨가행렬 · 53 4.3 가우스 소거법 · 56 4.4 연립방정식의 해집합 · 58 5. 정사영과 최소제곱문제 · 63 5.1 최소제곱문제 · 63 5.2 최소제곱문제의 의미 · 64 5.3 정사영과 최소제곱해 · 65 5.4 데이터에 적합한 곡선 찾기 · 69 6. 행렬분해(특잇값 분해) · 71 6.1 LU 분해 · 71 6.2 QR 분해 · 73 6.3 SVD (특잇값 분해) · 77 - 과제 (열린문제) · 82 III. 인공지능과 미분(최적해) · 85 7. 극한과 도함수 · 86 7.1 함수의 극한 · 86 7.2 도함수와 미분 · 94 8. 극대, 극소, 최대, 최소 · 100 8.1 도함수의 응용 · 100 8.2 2계 도함수의 응용 · 102 8.3 극대, 극소, 최대, 최소 · 104 9. 경사하강법, 최소제곱문제의 해 · 109 9.1 경사하강법 · 109 *9.2 응용(최소제곱문제) · 115 - 과제 (열린문제) · 122 IV. 인공지능과 통계 · 123 10. 순열, 조합, 확률, 확률변수, 확률분포, 베이지안 · 124 10.1 순열과 조합 · 124 10.2 확률 · 127 10.3 조건부확률 · 131 10.4 베이즈 정리 · 133 10.5 확률변수 · 136 10.6 이산확률분포 · 136 10.7 연속확률분포 · 138 11. 기댓값, 분산, 공분산, 상관계수, 공분산 행렬 · 140 11.1 기댓값, 분산, 표준편차 · 140 11.2 결합 확률분포 · 143 *11.3 공분산, 상관계수 · 149 11.4 공분산 행렬 · 150 - 과제 (열린문제) · 153 V. 주성분 분석과 인공신경망 · 155 12. 주성분 분석 · 156 12.1 차원 축소 · 156 12.2 주성분 분석(PCA) · 156 12.3 주성분 분석의 계산 · 159 12.4 주성분 분석 사례 · 161 *12.5 주성분 분석과 공분산 행렬 · 165 *12.6 주성분 분석과 선형회귀 · 167 13. 인공신경망 · 169 13.1 신경망 · 169 13.2 신경망의 작동 원리 · 170 13.3 신경망의 학습 · 175 13.4 오차 역전파법 · 176 - 과제 (열린문제) · 182 14. MNIST 데이터 숫자인식 실습 · 183 14.1 인공신경망을 활용한 손 글씨 숫자 인식 사례 · 183 - Final PBL 보고서 · 194 VI. 읽을거리, 참고문헌, 기타 · 195 |
| I. 인공지능에 필요한 기초수학 1. 함수의 그래프와 방정식의 해 II. 인공지능과 행렬 2. 데이터와 행렬함수의 그래프와 방정식의 해 3. 데이터의 분류 4. 선형연립방정식의 해집합 5. 정사영과 최소제곱문제 6. 행렬분해(특잇값 분해) III. 인공지능과 미분(최적해) 7. 극한과 도함수 8. 극대, 극소, 최대, 최소 9. 경사하강법, 최소제곱문제의 해 IV. 인공지능과 통계 10. 순열, 조합, 확률, 확률변수, 확률분포, 베이지안 11. 기댓값, 분산, 공분산 상관계수 공분산행렬 V. 주성분 분석과 인공신경망 12. 주성분 분석 13. 인공신경망 14. MNIST 데이터 숫자인식실습 VI. 읽을거리, 참고문헌, 기타 |
