기계학습 스터디 노트

목차

0장. 학습이란 무엇인가

• 학습의 정의
• 문제 구조 (Problem Setup)
• 학습의 유형 (지도 / 비지도 / 강화 학습)
• 세 유형 비교

---

1장. 선형대수학

• 벡터 이론 (기본 개념, 기초 연산)
• 벡터 곱셈 (스칼라 곱, 내적, 외적)
• 선형대수 핵심 개념 (선형 결합/종속/독립, 기저 집합, Span, 투영)
• 행렬 대수 (특수 행렬, 행렬 곱셈, Rank, 역행렬, 선형 변환)

---

2장. 확률

• 확률 공간의 수학적 구조
• 확률변수와 분포 (CDF, PMF, PDF)
• 결합, 조건부, 독립 (베이즈 정리 포함)
• 기댓값과 분산

---

3장. 기초 통계 및 확률 이론

• 기초 통계 (평균, 분산, 표준편차, 바이어스, 공분산, 상관계수, 왜도/첨도)
• Bias-Variance Tradeoff
• 회귀 분석, 정규분포, 중심극한정리
• 확률 이론 (MLE, MAP, 확률 분포, 생성 vs 판별 모델)