AI 필수 수학

01 수 체계 (Numbers)
1.1 자연수 ?

1.2 정수

1.3 유리수

1.4 실수

1.5 거듭제곱과 제곱근수

1.6 허수와 복소수

1.7 수 체계의 인공지능 활용

02 집합 (Sets)
2.1 집합이란? ?

2.2 집합의 관계와 연산

2.3 데이터 집합과 학습

2.4 집합의 인공지능 활용

03 함수 (Functions)
3.1 함수의 정의 ?

3.2 직교좌표계

3.3 함수의 개념과 인공지능

3.4 다항함수와 유리함수

3.5 지수함수와 로그함수

3.6 삼각함수와 쌍곡선 함수

3.7 극좌표계

3.8 인공신경회로망의 활성화 함수

3.9 함수와 인공지능

04 함수의 극한과 연속 (Limits and Continuity of Functions)
4.1 함수의 극한 ?

4.2 함수의 연속

4.3 함수의 극한과 연속 그리고 인공지능

05 미분 (Differential)
5.1 도함수 ?

5.2 미분법

5.3 초월함수의 미분

5.4 편도함수

5.5 전미분

5.6 인공신경회로망과 오류 역전파 알고리즘

5.7 계산 그래프에 의한 미분과 오류 역전파 알고리즘

5.8 미분과 인공지능

06 적분 (Integral)
6.1 부정적분 ∬

6.2 정적분

6.3 미분과 적분 공식

6.4 적분과 인공지능

07 확률 (Probability)
7.1 확률 ?

7.2 확률변수와 확률분포

7.3 결합확률분포

7.4 활성화 함수와 오차함수의 확률론적 분석

7.5 인공지능모델의 오류 확률

7.6 확률과 인공지능

08 행렬과 벡터 (Matrix and Vector)
8.1 행렬과 행렬의 연산 ?

8.2 벡터와 벡터의 연산

8.3 벡터의 내적과 외적

8.4 행렬식과 역행렬

8.5 고유값과 고유벡터

8.6 주성분 분석 (PCA)

8.7 다층퍼셉트론의 행렬과 벡터 표현

8.8 선형대수와 인공지능

부록
A. 벡터와 행렬의 미분 ?

B. 정보이론

C. 신경회로망의 학습 문제 해결

오상훈