Part 1. 인공지능과 선형대수학

제1장 선형대수학 개요
1.1 인공지능과 선형대수학
1.2 AI를 위한 선형대수의 기본 구조

제2장 벡터와 공간
2.1 벡터의 개념
2.2 벡터의 연산
2.3 머신러닝에서의 벡터화 기법

제3장 행렬과 선형변환
3.1 행렬 연산과 선형변환
3.2 선형 시스템의 구조
3.3 가중치 행렬과 신경망에서의 활용

제4장 고윳값과 고유벡터
4.1 고윳값과 고유벡터의 정의
4.2 고윳값 분해

제5장 특이값 분해
5.1 특이값 분해의 정의와 성질
5.2 특이값 분해의 해석

제6장 선형회귀와 최소제곱법
6.1 선형회귀모형의 행렬 표현
6.2 최소제곱법과 정규방정식
6.3 경사하강법

제7장 그래프와 신경망
7.1 그래프의 행렬 표현
7.2 신경망과 가중치 행렬

Part 2. 인공지능을 위한 확률과 통계

제8장 확률 기초
8.1 확률의 기본 개념
8.2 확률의 기본 연산법칙
8.3 확률변수

제9장 확률분포
9.1 주요 이산형 확률분포
9.2 주요 연속형 확률분포

제10장 다변량 확률분포
10.1 결합분포와 주변분포
10.2 조건부 분포
10.3 다변량 분포의 중심과 산포
10.4 조건부 모멘트와 독립
10.5 변수변환

제11장 다변량 정규분포 응용
11.1 다변량 정규분포 기초
11.2 다변량 데이터의 차원 축소

제12장 인공지능 응용
12.1 이진 분류기
12.2 젠센 부등식
12.3 마코프 의사결정 과정
12.4 강화학습