youtube channel
[올바른 수학교육 연구소] X [서울대 아싸tv] X [AI Holic] 
세 채널의 특별한 콜라보 지금 시작됩니다.

“ 기계학습/머신러닝이 무엇일까요? “
“ 머신러닝과 딥러닝에서 사용되는 수학 개념은 무엇일까요? “
어렵게만 다가왔던 기계학습에 대해서 하나씩 설명해드리겠습니다.

머신러닝과 딥러닝을 잘 하기 위해서는 어떤 능력이 필요할까요?
과연 코드를 구현해내는 능력만 있으면 될까요?

코딩 능력도 중요하지만 당연히 기본 개념이 필요하고
실제로 기계학습과 딥러닝에 사용되는 수학 개념들에 대해 이해를 하고 있어야겠죠?

기계 학습에 사용되는 통계적 기법의 핵심인 로지스틱 회귀분석과 서포팅 벡터 머신 등!
주어진 데이터 셋을 잘 분류해내기 위해서 
수학적으로 어떻게 구성해내는지 1부터 10까지 하나씩 차근차근 알아 가봅시다 :)

어떤 내용을 배우는지
살펴볼까요?
대단원 : [딥러닝/머신러닝의 수학]

• Introduction
  기계학습/머신러닝이 무엇이고 흐름이 어떻게 되는지 수학과는 어떠한 연관이 있는지 알려드릴게요.
  

• 선형대수
  가장 기본적인 개념인 선형대수에 대해 기초부터 알려드리겠습니다.
  그 후에는 머신러닝에 실제로 쓰이는 개념인 L1, L2 그리고 최소제곱법에 대해서 공부해봐요.
  

• 회귀 분석
  선형회귀와 로지스틱 회귀로 나누어서 설명을 드리고 있습니다. 
  회귀의 개념부터 알려드리고 있으니 어렵지 않게 학습하실 수 있어요!
  
• 주성분 분석
  주성분 분석도 회귀분석과 마찬가지로 개념부터 설명해드리고 있으며 수식적,  직관적으로 설명하고 있습니다.
  
• 머신러닝 수학
  서포팅 벡터 머신 (SVM), 가능도 (Likelihood), 베이지안 vs 빈도주의 등 머신러닝/딥러닝에 쓰이는 핵심적인 개념들을 한 번에 모았습니다.