104 수학,통계
| parent_topic | 100-데이터분석 & AI |
| types | 레퍼런스 |
| tags |
104 수학,통계
AI 및 머신러닝에 필요한 수학과 통계 관련 학습 내용을 담는 SubTopic이다.
What is AI/ML에서의 수학,통계
머신러닝과 딥러닝은 본질적으로 수학적 최적화 문제다. 모델이 어떻게 학습하고 예측하는지 이해하려면 기본적인 수학과 통계 지식이 필요하다.
왜 필요한가
모델의 동작 원리 이해
- 손실 함수, 경사하강법 등은 미적분 기반
- 신경망의 가중치 업데이트는 선형대수 연산
- 확률과 통계로 불확실성을 다룬다
하이퍼파라미터 튜닝
- 통계적 검정으로 모델 성능 비교
- 분포를 이해해야 데이터 특성을 파악할 수 있다
논문 이해
- 최신 AI 논문은 수학 기호로 가득하다
- 기본 개념 없이는 논문을 읽기 어렵다
주요 분야
확률과 통계
- 확률 분포 (정규분포, 베르누이, 포아송 등)
- 통계적 검정 (p-value, 가설검정)
- 베이즈 정리
선형대수
- 벡터와 행렬 연산
- 고유값, 고유벡터
- 행렬 분해 (SVD, PCA 등)
미적분
- 편미분
- 경사하강법
- 체인룰 (역전파에 사용)
최적화 이론
- 손실 함수 최소화
- 제약 조건이 있는 최적화
- Gradient Descent, Adam 등