Mathematics 63
- [신호 처리] 푸리에 변환 (Fourier Transform)
- [전자기학] 편광 (Polarization)
- [칼만 필터] Kalman Filter 3 - 확률 분포 관점
- [칼만 필터] Kalman Filter 2 - 알고리즘
- [칼만 필터] Kalman Filter 1 - 개요
- [논리학] 논리 프로그래밍 (Logic Programming, LP)
- [논리학] 1차 논리 (First-Order Logic, FOL)
- [논리학] 명제 논리 (Proposition Logic, PL)
- [논리학] 논리학 기호
- [3차원 기하학] Epipolar Geometry
- [3차원 기하학] 사원수 회전 (Quaternion Rotation)
- [3차원 기하학] 2D ↔ 3D 좌표계 변환
- [3차원 기하학] 카메라 캘리브레이션 (Camera Calibration)
- [3차원 기하학] 동차 좌표계 (Homogeneous Coordinate)
- [최적화] 수학적 최적화 (Mathematical Optimization)
- [최적화] 라그랑주 쌍대 문제 (Lagrange Dual Problem)
- [최적화] 부등식 제약 최적화와 KKT 조건
- [최적화] 등식 제약 최적화와 라그랑주 승수법 (Lagrange Multiplier Method)
- [확률] 마르코프 체인 (Markov Chain)
- [최적화] 비제약 최적화 문제
- [최적화] 최적화 문제
- [선형대수] 최소 제곱법 (Least Square Method)
- [확률] 최대 사후 추정 (MAP)
- [확률] 최대 우도법 (MLE)
- [선형대수] Hessian
- [선형대수] Gradient & Jacobian
- [확률] 중심 극한 정리 (Central Limit Theorem)
- [확률] 가우시안 분포
- [확률] 공분산과 상관 계수
- [선형대수] 행렬의 Norm
- [확률] 기대값과 분산
- [확률] 베이즈 정리 (Bayes' Theorem)
- [확률] 독립
- [선형대수] 머신러닝에서의 SVD: 데이터와 가중치 관점
- [확률] 결합 확률 / 주변 확률 / 조건부 확률
- [선형대수] 머신러닝에서의 EVD: 공분산 행렬과 PCA
- [확률] 확률 분포
- [선형대수] 특이값 분해 (SVD)
- [확률] 확률 변수 (Random Variable)
- [선형대수] 고유값 분해 (EVD)
- [확률] 확률 공간과 확률의 기본 규칙
- [선형대수] 고유값과 고유벡터
- [선형대수] Qudratic Form과 Positive Definite
- [선형대수] Trace
- [선형대수] LU Decomposition
- [선형대수] 선형 사상과 차원 정리
- [선형대수] 크래머의 법칙 (Cramer's rule)
- [선형대수] 행렬식과 역행렬
- [선형대수] 연립 선형 방정식
- [선형대수] 선형 변환 (Linear Transformation)
- [선형대수] 행렬의 네 가지 주요 부분공간 (Four Fundamental Subspaces)
- [선형대수] Rank
- [선형대수] 행렬의 기본 연산
- [선형대수] 행렬의 종류
- [선형대수] QR Decomposition
- [선형대수] 그람-슈미트 과정 (Gram-Schmidt Process)
- [선형대수] 사영 (Projection)
- [선형대수] 내적과 외적
- [선형대수] Norm & Distance
- [선형대수] 기저와 차원
- [선형대수] 선형 독립 (Linear Independence)
- [선형대수] 벡터 공간
- [선형대수] 벡터의 기본 개념과 연산