트랙

확률·통계적 추론

불확실한 데이터에서 무엇을, 얼마나 확신하며 추론할 수 있는가?

11부 확률론

• 11.1 확률공간과 확률변수
• 11.2 주요 분포와 지수족
• 11.3 결합·주변·조건부분포와 독립성
• 11.4 다변량 가우시안
• 11.5 기댓값·부등식·극한정리
• 11.6 Monte Carlo와 샘플링
• 11.7 확률과정 기초

12부 통계적 추론

• 12.1 추정량의 성질
• 12.2 우도와 최대우도
• 12.3 분포 기반 문제 정의
• 12.4 구간 추정·가설 검정·부트스트랩
• 12.5 모델 비교의 통계
• 12.6 회귀모형의 통계적 관점

13부 베이지안 추론

• 13.1 베이지안 사고방식
• 13.2 켤레 모델과 베이지안 선형회귀
• 13.3 계층 모델
• 13.4 잠재변수 모델과 EM
• 13.5 근사 추론 I: MCMC
• 13.6 근사 추론 II: 변분추론과 Laplace 근사
• 13.7 Gaussian Process
• 13.8 베이지안 워크플로

14부 정보이론과 학습이론

• 14.1 엔트로피·교차엔트로피·KL
• 14.2 상호정보량과 표현
• 14.3 목적함수 설계의 원리
• 14.4 일반화의 기초
• 14.5 현대 딥러닝의 일반화와 스케일링