머신러닝 활용을위한 비전공자/전공자 Linear Algebra 주말 오프라인 스터디
✅ 스터디 소개
안녕하세요!
데이터사이언스와 AI분야로의 진출을 목표로 하시는 분들과 머신러닝의 기초수학 선형대수학을 함께 공부할 분들을 모집합니다.
새로이 학습하는 비전공자/복습을 위해 함께 공부하는 전공자 모두 환영합니다.
AI가 발전할수록 활용지식에 대한 더욱 더 '정교하고 깊은 이해'가 필요하다고 생각합니다.
단순 계산 방법을 넘어 선형대수학에서 '수'가 조작되는 메커니즘에 대하여 탐구하려합니다.
깊이 이해하고, 서로 질문하고, 문제를 풀어보는 시간을 가집니다.
AI가 아직은 제대로 하지 못하는 의미의 분해와 재조합은 우리가,
우리의 생각대로 짜여진 논리에 대한 상세한 계산과 구현은 AI에게 맡기게 되길 희망합니다.
✅ 학습 내용
AI와 머신러닝에 필수인 Linear Algebra를 학습합니다.
과목: 선형대수학
교재 : Linear Algebra and Its Applications 4th edition (온라인에 pdf존재)
✅ 학습 계획
최소 4~5개월 소요 예상 (변동가능)
✅ 운영 방식
일정 : 토요일 정기 미팅 (질문 & 문제풀이)
시간 : 협의 (오후 시간, 약 4시간소요 예상)
장소 : 강남역 인근 스터디카페
✅ 진행 방식:
평일 : 할당 섹션 개인 학습 & 학습 내용 업로드
토요일 : 문제 풀이 & 질문
질문 디스코드 or 카톡방 운영 (학습 내용 업로드 및 질의응답)
✅ 모집 요강
모집 인원 : 6명
모집 기간 : 상시
필수 조건 :
해당 분야로의 진지한 진출 의지가 있으신 분
학습에 충분한 시간을 할애하실 수 있는 분
✅ 지원 Form
✅ 기타 사항
1. 월 참여비 8만원 매주 참여완료시 2만원씩 환급 - 매월 최종 100% 환급 목표
('무책임한 이탈 방지용'으로 상업적목표는 일절 없습니다)
2. 학습미흡시 및 정기모임 불참시 규칙에따라 스터디 참여가 제한될 수 있습니다.
*계산상 6개월정도로 나오지만 정확한 계산은 아니므로 참고만 해주시길 바랍니다.
챕터·섹션 | 예상 난이도 | 예상 소요 일수 |
Chapter 1 Matrices and Gaussian Elimination || | ||
1.1 Introduction | 7 | 1.4일 |
1.2 The Geometry of Linear Equations | 11 | 2.2일 |
1.3 An Example of Gaussian Elimination | 14 | 2.8일 |
1.4 Matrix Notation and Matrix Multiplication | 17 | 3.4일 |
1.5 Triangular Factors and Row Exchanges | 17 | 3.4일 |
1.6 Inverses and Transposes | 21 | 4.2일 |
1.7 Special Matrices and Applications | 20 | 4.0일 |
Chapter 2 Vector Spaces || | ||
2.1 Vector Spaces and Subspaces | 20 | 4.0일 |
2.2 Solving Ax = 0 and Ax = b | 26 | 5.2일 |
2.3 Linear Independence, Basis & Dimension | 22 | 4.4일 |
2.4 The Four Fundamental Subspaces | 26 | 5.2일 |
2.5 Graphs and Networks | 24 | 4.8일 |
2.6 Linear Transformations | 20 | 4.0일 |
Chapter 3 Orthogonality || | ||
3.1 Orthogonal Vectors and Subspaces | 17 | 3.4일 |
3.2 Cosines & Projections onto Lines | 16 | 3.2일 |
3.3 Projections and Least Squares | 23 | 4.6일 |
3.4 Orthogonal Bases & Gram–Schmidt | 22 | 4.4일 |
3.5 The Fast Fourier Transform | 26 | 5.2일 |
Chapter 4 Determinants || | ||
4.1 Introduction | 4 | 0.8일 |
4.2 Properties of the Determinant | 9 | 1.8일 |
4.3 Formulas for the Determinant | 17 | 3.4일 |
4.4 Applications of Determinants | 22 | 4.4일 |
Chapter 5 Eigenvalues and Eigenvectors || | ||
5.1 Introduction | 23 | 4.6일 |
5.2 Diagonalization of a Matrix | 27 | 5.4일 |
5.3 Difference Equations & Powers Aᵏ | 18 | 3.6일 |
5.4 Differential Equations & e^{At} | 23 | 4.6일 |
5.5 Complex Matrices | 25 | 5.0일 |
5.6 Similarity Transformations | 31 | 6.2일 |
Chapter 6 Positive Definite Matrices || | ||
6.1 Minima, Maxima & Saddle Points | 23 | 4.6일 |
6.2 Tests for Positive Definiteness | 20 | 4.0일 |
6.3 Singular Value Decomposition (SVD) | 31 | 6.2일 |
6.4 Minimum Principles | 20 | 4.0일 |
6.5 The Finite Element Method | 22 | 4.4일 |
Chapter 7 Computations with Matrices || | ||
7.1 Matrix Norm & Condition Number | 22 | 4.4일 |
7.2 Computation of Eigenvalues | 30 | 6.0일 |
7.3 Iterative Methods for Ax = b | 25 | 5.0일 |
Chapter 8 Linear Programming & Game Theory || | ||
8.1 Linear Inequalities | 18 | 3.6일 |
8.2 The Simplex Method | 19 | 3.8일 |
8.3 The Dual Problem | 30 | 6.0일 |
8.4 Network Models | 18 | 3.6일 |
8.5 Game Theory | 25 | 5.0일 |
