인공지능에 필요한 개념만 쏙쏙! 기초부터 응용까지! 인공지능은 사람이 생각하는 방식을 따라 하는 기술이다. 이는 알고리즘을 통해 구현되며 기계 스스로 사람처럼 생각할 수 있도록 한다. 인공지능 기술을 통해 정확하게 판단하기 위해서 알고리즘에 미적분, 선형대수, 확률과 통계와 같은 수학적 개념이 적용된다. 이는 인공지능 기초수학이 필요한 이유이다. 이 책은 수학적 기초 지식이 부족한 학습자들도 충분히 이해할 수 있도록 쉽게 풀어서 설명하고 있으며 수학적 계산과 프로그래밍을 통해 개념에 대한 이해와 응용력을 함께 기를 수 있도록 했다. 이 책을 통해 학습한 기초수학 개념을 바탕으로 머신러닝과 딥러닝의 원리를 보다 쉽게 이해할 수 있을 것이다.

Chapter 01 함수 1.1 함수와 그래프 1.2 합성함수 1.3 역함수 1.4 지수함수 1.5 로그함수 1.6 삼각함수 Chapter 02 미분 2.1 미분(도함수) 2.2 연쇄법칙 2.3 미분(도함수)의 응용 2.4 속도와 변화량 2.5 부정형과 L’Hopital의 법칙 Chapter 03 극한 3.1 극한의 정의 3.2 극한의 성질 3.3 지수함수의 극한 3.4 로그함수의 극한 Chapter 04 적분 4.1 부정적분 4.2 적분공식 4.3 치환적분법 4.4 부분적분법 4.5 정적분 Chapter 05 다변수함수 5.1 편미분(편도함수) 5.2 중적분(반복적분) Chapter 06 행렬과 행렬식 6.1 행렬의 정의 6.2 행렬의 연산 6.3 행렬식 6.4 역행렬 6.5 행렬과 행렬식의 응용 Chapter 07 벡터 7.1 벡터의 정의 7.2 벡터의 연산 7.3 벡터공간 7.4 벡터의 내적 7.5 벡터의 응용 Chapter 08 고윳값과 고유벡터 8.1 고윳값과 고유벡터 8.2 행렬의 대각화 8.3 고윳값과 고유벡터의 응용 Chapter 09 확률 9.1 확률 9.2 확률변수와 확률분포 9.3 모멘트생성함수 9.4 다변수 확률변수 9.5 공분산과 상관계수 Chapter 10 확률변수 10.1 이항분포 10.2 포아송 분포 10.3 일양분포 10.4 정규분포 10.5 지수분포 10.6 중심극한정리 Chapter 11 자료탐색 11.1 ggplot2 패키지 11.2 ggplot() 사용법