Probability & Statistics
AI와 머신러닝의 수학적 기초, 확률론과 통계학을 인터랙티브하게 학습
학습 진도
전체 진도0%
챕터 학습0 / 8
시뮬레이터 실습0 / 5
20시간
난이도: 중급
8개 챕터
5개 시뮬레이터
학습 목표
1
확률과 통계의 기본 개념을 이해하고 실제 문제에 적용
2
다양한 확률분포의 특성을 파악하고 상황에 맞게 선택
3
통계적 추론을 통한 가설 검정과 신뢰구간 계산
4
베이지안 통계의 원리와 MCMC 샘플링 방법 이해
5
회귀분석과 시계열 분석을 통한 예측 모델 구축
6
머신러닝을 위한 통계적 개념과 검증 방법론 습득
챕터 목록
Chapter 1: 확률의 기초
확률의 개념, 조건부 확률, 베이즈 정리
Chapter 2: 확률 분포
이산/연속 확률분포, 정규분포, 이항분포, 포아송분포
Chapter 3: 기술 통계
평균, 분산, 표준편차, 상관계수, 데이터 시각화
Chapter 4: 추론 통계
가설검정, 신뢰구간, p-value, t-test, ANOVA
Chapter 5: 베이지안 통계
베이지안 추론, 사전/사후 분포, MCMC
Chapter 6: 회귀 분석
선형회귀, 다중회귀, 로지스틱 회귀, 정규화
Chapter 7: 시계열 분석
ARIMA, 계절성, 추세 분석, 예측
Chapter 8: ML을 위한 통계
교차검증, 과적합, 편향-분산 트레이드오프, A/B 테스트
시뮬레이터
진로 방향
데이터 사이언티스트
빅데이터 분석을 통한 인사이트 도출 및 예측 모델 구축
머신러닝 엔지니어
AI 모델 개발과 배포, 통계적 기법을 활용한 모델 최적화
퀀트 애널리스트
금융 상품 개발, 위험 관리, 알고리즘 트레이딩 전략 수립
바이오통계학자
임상시험 설계, 의학 연구 데이터 분석 및 해석
품질관리 전문가
통계적 품질관리, 식스시그마, 공정 최적화