- 인공지능을 위한 수학 강의용 Repository입니다.
- 핵심 개념 위주로 설명하며, 강의 노트를 제공합니다.
- 본 Repository에서 다루게 될 내용들은 다음과 같습니다.
- 자연대수(Euler's Number)
- 미분과 편미분(Ordinary Derivative & Partial Derivative)
- 적분(Integral)
- 무한급수(Infinite Series)
- 테일러 급수(Taylor Series)
- 로피탈의 정리(L'Hospital's Rule)
- 리만 적분(Lehman Integral)
- 볼록 함수(Convex Function)
- 뉴턴 방법(Newton Method)
- 유사 뉴턴 방법(Quasi-Newton Method)
- 경사 하강(Gradient Descent)
- 선형 프로그래밍(Linear Programming)
- 듀얼 문제(Dual Problem)
- 라그랑주 듀얼 문제(Lagrange Dual Problem)
- 정수 계획법(Integer Linear Programming)
- 벡터(Vector)
- 코사인 유사도(Cosine Similarity)
- 기저(Basis)
- 행렬(Matrix)
- 행렬식(Determinant)
- 교유값과 교유벡터(Eigenvalue & Eigenvector)
- 고유값 분해(Eigen Decomposition)
- 특이값 분해(Singular Value Decomposition)
- 주성분 분석(Principal Component Analysis)
- 컨볼루션(Convolution)
- 삼각 함수(Trigonometric Functions)
- 복소수(Complex Number)
- 오일러 공식(Euler's Formula)
- 푸리에 급수(Fourier Series)
- 이산 푸리에 변환(Discrete Fourier Transform)
- 고속 푸리에 변환(Fast Fourier Transform)
- 이산 코사인 변환(Discrete Cosine Transform)
- 신호 압축(Signal Compression)
- 명제(Proposition)
- 수학적 귀납법(Mathematical Induction)
- 집합(Set)
- 벤 다이어그램(Venn Diagram)
- 기수(Cardinal Number)
- 순서수(Ordinal Number)
- 평균(Mean)과 분산(Variance)
- 확률분포(Probability Distribution)
- 신뢰구간(Confidence Interval)
- 가설검정(Hypothesis Test)
- 회귀분석(Regression Analysis)
- 베이즈 정리(Bayes' Theorem)
- 엔트로피(Entropy)
- 크로스 엔트로피(Cross Entropy)
- 쿨백 라이블러 발산(KL Divergence)
- 젠슨 섀넌 발산(Jensen-Shannon Divergence)
- 위상공간(Topological Space)
- 컴팩트 공간(Compact Space)
- 르베그 측도(Lebesgue Measure)
- 보렐(Borel)
- 가측함수(Measurable Function)
- 르베그 적분(Lebesgue Integral)
- 극대 함수(Maximal Function)