로그인이
필요합니다

도서를 검색해 주세요.

원하시는 결과가 없으시면 문의 주시거나 다른 검색어를 입력해보세요.

견본신청 문의
단체구매 문의
오탈자 문의

Introductory Mathematics for Artificial Intelligence 요약정보 및 구매

상품 선택옵션 0 개, 추가옵션 0 개

사용후기 0 개
지은이 이상구, 이재화, 함윤미, 박경은
옮긴이 Sang-Gu LEE, Youngju NIELSEN, Yoonmee HAM
발행년도 2021-01-25
판수 1판
페이지 208
ISBN 9791160734331
도서상태 구매가능
판매가격 15,000원
포인트 0점
배송비결제 주문시 결제

선택된 옵션

  • Introductory Mathematics for Artificial Intelligence
    +0원
위시리스트

관련상품

  • 일반인을 위한 K-MOOC* <인공지능을 위한 기초수학 입문> 출간
     

    <인공지능을 위한 기초수학 입문>은 인공지능이 어떤 수학적 원리로 작동하는지를 이해하는데 필요한 기본적인 수학을 고등학교 1학년 정도의 수학 지식을 갖춘 일반인은 누구라도 쉽게 관련된 행렬, 도함수, 통계 내용을 이해하고 실습할 수 있도록 서술하였다.
     

    인공지능이 도대체 무엇인지 그리고 어떻게 작동되는지 기본 원리를 이해하기 위한 취지에 이 책을 준비하였다. 즉, 고등학생과 일반인 누구라도 인공지능을 이해하는 것을 목표로, 주 저자가 쓴 수학동아 『주니어매스』 원고와 대학생용 교재 『인공지능을 위한 기초수학』을 활용하여 미국 일본 중국의 고등학교 인공지능 수학교수・학습 내용의 순서에 따라 우리나라 고등학교 2학년 이상이면 누구나 이해할 수 있도록 K-MOOC 교재와 강의록이 완성되었다. 그 결과 관심 있는 모든 고등학생과 일반인들이 인공지능에 필요한 전반적인 용어와 개념을 접하고, 직접 개발한 파이썬 코드를 활용하여 실제 문제해결 경험을 갖추어, 고급 AI 수학에 잘 준비되도록 저술하였다.
     

    * K-MOOC는 온라인을 통해서 누구나, 어디서나 원하는 강좌를 무료로 들을 수 있는 온라인 공개강좌 서비스로 2015년에 시작된 한국형 무크이다.
    http://www.kmooc.kr/courses/course-v1:SKKUk+SKKU_45+2020_T1/about

  • Preface 1 
    I. Basic Math for AI 7 
    1. Function, Graph and Solution of Equations 8 
    1.1 Functions and its Graph 8 
    1.2 Polynomial functions 9 
    1.3 Rational functions 10 
    1.4 Trigonometric functions 11 
    1.5 Exponential and Logarithmic functions 12 
    1.6 Solution of the equation 15

     

    II. Artificial Intelligence and Matrix 23 
    2. Data and Matrices 24 
    2.1 Ordered tuples and vectors 24 
    2.2 Vector operations 25 
    2.3 Matrices and Tensors 27 
    2.4 Matrix Operations 28 
    2.5 Rules for Matrix Operations 29

     

    3. Classification of Data 39 
    3.1 Data Similarity 39 
    3.2 Distance 40 
    3.3 Norm 41
    3.4 Similarity Measure using Norm 43 
    3.5 Comparison of Data using Angle 44 
    3.6 Cosine Similarity 44 
    3.7 Inner product 45 
    3.8 Angle between two vectors 46 
    3.9 Computing cosine similarity 46

     

    4. Solution Sets for System of Linear Equations 50 
    4.1 System of linear equations 50 
    4.2 Augmented matrices 52 
    4.3 Gauss-Jordan elimination 54 
    4.4 Solution Set for System of Linear Equations 57

     

    5. Orthogonal Projection and Least Squares Problem 61 
    5.1 Least Squares Problem 61 
    5.2 Meaning of the least-squares problem 62 
    5.3 Projection and least-squares solution 63 
    5.4 Finding a suitable curve for data (Curve Fitting) 66

     

    6. Matrix decompositions (LU, QR, SVD) 69 
    6.1 LU decomposition 69 
    6.2 QR decomposition 71
    6.3 SVD(Singular Value Decomposition) 75

     

    III. AI and Optimal solution (Calculus) 83
    7. Limits of Functions 84 
    7.1. Limits of Functions 84 
    7.2. Derivative and Differentiation 92

     

    8. Local Maximum and Minimum, Absolute Maximum and Minimum 98 
    8.1. Applications of Derivatives 98 
    8.2. Applications of the second derivative 100 
    8.3. Local Maximum and Minimum, Absolute Maximum and Minimum 103

     

    9. Gradient descent method 107 
    9.1. Gradient Descent Method 107 
    9.2. Application of the Gradient Descent Method 113

     

    IV. AI and Statistics 121 
    10. Permutation, combination, probability, random variable,probability distribution, Bayes' theorem 122 
    10.1 Permutations and combinations 122 
    10.2 Probability 125 
    10.3 Conditional probability 129 
    10.4 Bayes' theorem 131 
    10.5. Random variables 133 
    10.6 Discrete probability distributions 134 
    10.7 Continuous probability distributions 135

     

    11. Expectation, variance, covariance, correlation coefficient, covariance matrix 137 
    11.1 Expectation, variance, standard deviation 137 
    11.2 Joint probability distribution 140 
    11.3 Covariance, correlation coefficient 144 
    11.4 Covariance matrix 145

     

    V. PCA and ANN 149 
    12. Principal Component Analysis 150 
    12.1 Dimension reduction 150 
    12.2 Principal Component Analysis (PCA) 151 
    12.3 How to Compute principal component 153 
    12.4 Examples of PCA 156 
    12.5 PCA and Covariance matrix 160 
    12.6 PCA and Linear Regression 162

     

    13. Artificial Neural Network 164 
    13.1 Artificial Neural Network 164 
    13.2 How artificial neural network works 166 
    13.3 How the neural network study 170 
    13.4 Backpropagation (BP) 171

     

    14. Hand Writing Numbers detection using ANN on MNIST Dataset 178 
    14.1 Hand Writing Numbers detection using ANN 178

     

    VI. References and Appendix 191 
    A1. References 192 
    A2. Appendix 193 


    Final PBL Report [Week 14] [TakeHome/OpenBook Exam] PBL report Form (Download): 193
    Web resources 193 Index 195

  • Original Book by Sang-Gu LEE
    with Jae Hwa LEE, Yoonmee HAM, Kyung-Eun PARK
    Translated by the main author from the original Korean text

    Sang-Gu LEE
    Professor of Mathematics, Sungkyunkwan University
    http://matrix.skku.ac.kr/sglee/vita/LeeSG.htm

    Youngju NIELSEN
    Professor of Graduate School of Business, Sungkyunkwan University
    https://www.skku.ac.kr/new_home/205_eng/newsletter/V154/html/sub7.html

    Yoonmee HAM
    Professor of Mathematics, Kyonggi University
    https://www.researchgate.net/profile/Yoonmee_Ham

  • 학습자료


    등록된 학습자료가 없습니다.

    정오표


    등록된 정오표가 없습니다.

  • 상품 정보

    상품 상세설명

    02245efcca30d890bc4903420bd24862_1653889509_339.jpg
    02245efcca30d890bc4903420bd24862_1653889511_0619.jpg
    02245efcca30d890bc4903420bd24862_1653889512_424.jpg
     

    상품 정보 고시

  • 사용후기

    등록된 사용후기

    사용후기가 없습니다.

  • 상품문의

    등록된 상품문의

    상품문의가 없습니다.

  • 배송/교환정보

    배송정보

    cbff54c6728533e938201f4b3f80b6da_1659402509_9472.jpg

    교환/반품 정보

    cbff54c6728533e938201f4b3f80b6da_1659402593_2152.jpg
     

선택된 옵션

  • Introductory Mathematics for Artificial Intelligence
    +0원