본문 바로 가기

로고

  • 회원가입
  • 로그인
통합검색

강좌 신청

교재 신청

총 주문 금액

강좌(0)
0원
교재(0)
0원
0원

강좌 정보

강좌 정보
강좌 범위
1
제 1강
✓ 미분과 최적화가 인공지능 학습에 있어 왜 중요한지 알아봅니다.
✓ 미분의 기초 이론부터 학습합니다. 미분학이 어려우시다면 1강은 필수!
2
제 2강
✓ Gradient Descent에 대하여 학습합니다.
✓ 미분과 최적화 강좌에서 가장 비중이 높은 단원입니다.
✓ Optimization의 종류 및 다양한 기법에 대하여 알아봅니다.
3
제 3강
✓ Convex Optimization에 대하여 알아봅니다.
강좌 특징
인공지능 입문자를 위한
[AI를 위한 미분과 최적화] 강의입니다.
인공지능 수학의 모든 것을 이 강의에 담았습니다.
🏅
이렇게 이미
검증됐어요!
✓ 인공지능 완벽 이해를 위한 필수 강좌
✓ 통계 강의 18만 조회수로 검증된 강의력
✓ 데사 현직자 커리어특강 435명 신청
다양한 기업의 임직원들도 수강하고 있어요
기업에서도 선택한 AI 수학 강의
삼성
SK
카카오
구글
네이버
토스
당근
더현대
미래에셋
우리금융그룹
현대오토에버
KT
현지 데이터분석가 강사님
✓ (졸) 고려대학교 통계학 전공
✓ (현) 금융 대기업 데이터 분석가
✓ (전) 크래프트테크놀로지스 AI Researcher
✓ (보유 자격증) SQLD, ADsP, Tensorflow Developer Certificate
▶ 유튜브 통계학에 관심 있는 사람들 18만 조회수로 검증되었습니다.
현지 데이터분석가 강사님
🥇
대학교 미분학 시험 준비 하시는 분들!
데이터 / AI 취업 준비 하시는 분들!
인공지능 기초 학습 희망하시는 분들!
이 강의로 모두 해결됩니다! 😊
인공지능 완벽 이해를 위한 미분과 최적화 강좌입니다.
AI 심화 학습을 희망하신다면 이 강좌는 필수입니다.
💡 이번 강좌는 인공지능 이해에 필요한 미분학, 그리고 최적화 프로세스에 대하여 다룹니다. 미분과 최적화 방법을 잘 알고 있어야 AI 심화과정을 이해할 수 있습니다. 미분의 기초부터 차근차근 다루니 반복 학습해보세요.
[이론]
미분학 기초부터
이 강좌는 미분의 기초부터 다루므로 미분을 잘 모르시는 분들은 1강의 강좌 내용부터 차근차근 반복 학습을 하시는 걸 추천드립니다.
[이론]
최적화에 대하여 알아보기
미분을 완벽 이해하였다면 최적화 프로세스에 대하여 알아봅니다. 함수 최적화의 방식이 여러 개가 있으며, 미분을 제대로 이해하고 있어야 최적화 또한 이해할 수 있습니다.
[이론]
Gradient Descent
이번 강좌 가장 비중이 높은 단원입니다. Backtracking Line Search, Wolfe Condition 등의 이론들을 그래프를 활용하여 이해하기 쉽게 설명합니다.
수강 대상

✅ 인공지능에 관심이 많은 분

✅ AI 심화 학습을 희망하는 대학생

✅ 인공지능 분야 커리어 쌓기를 희망하는 직장인

✅ 미분학 이해를 높이고 싶은 분

참고사항

교재 정보

교재 선택

첨부파일 이미지

교재가 필요없는 강의로, 강의자료 첨부파일 제공

강의 목차

강의 목차
차시 강의명 강의시간
맛보기 강의개요 12분
맛보기 [Chapter1] 미분 들어가며 17분
3강 [Chapter1] 미분가능성 19분
4강 [Chapter1] 함수의 미분 - 도함수 법칙 31분
5강 [Chapter1] Chain Rule 13분
6강 [Chapter1] 미분과 최적화 12분
7강 [Chapter1] 고차 미분 / 다변수 함수의 미분 10분
8강 [Chapter1] Gradient Descent 알아보기 14분
9강 [Chapter1] Jacobians 9분
10강 [Chapter1] Hessians 13분
11강 [Chapter1] 미분 예제 12분
12강 [Chapter1] 딥러닝에서의 chain rule 11분
13강 [Chapter1] 테일러 급수 11분
14강 [Chapter2] 최적화 들어가며 17분
15강 [Chapter2] Gradient Descent 21분
16강 [Chapter2] Gradient Descent - step size part 1 11분
17강 [Chapter2] Gradient Descent - step size part 2 18분
18강 [Chapter2] Descent Direction 27분
19강 [Chapter2] Constrained Optimization 6분
20강 [Chapter2] Log Barrier Method 17분
21강 [Chapter2] Squared Penalty Method 5분
22강 [Chapter2] 라그랑주 승수법 24분
23강 [Chapter3] Convex Optimization 19분