로그인 바로가기
하위 메뉴 바로가기
본문 바로가기
검색
로그인 / 회원가입
[MIT]인공지능개론
커넥트재단
edwith
공유하기
URL복사
밴드
페이스북
트위터
[MIT]인공지능개론
[MIT]인공지능개론
http://www.edwith.org/mitai/lecture/38022
좋아요
61
수강생
2784
전체 메뉴 열기
하위 메뉴
강의목록
강좌 전체목록보기
CHAPTER 1
1. 소개 및 범위
2. 추론 : Goal Tree와 문제 해결
3. 추론 : Goal Tree와 규칙 기반 전문가 시스템
4. 검색 : 깊이 우선 탐색, 언덕 오르기 탐색, 빔 탐색
5. 검색 : Optimal, 분기 한정법, A*
6. 검색 : 게임, Minimax, 그리고 Alpha-Beta
7. 조건 : 선의 조합
8. 조건 : 검색, Domain Reduction
9. 조건 : 시각적 객체 인식
CHAPTER 2
10. 학습에 대한 소개, Nearest Neighbors
11. 학습 : Identification Trees, Disorder
12a: 신경망
12b: 깊은 신경망
13. 학습: Genetic Algorithms
14. 학습: 희소 공간, 음운론
15. 학습: Near Misses, Felicity Conditions
16. 학습: Support Vector Machines
17. 학습: Boosting
18. 표현 : Classes, Trajectories, Transitions
19. 아키텍처: GPS, SOAR, Subsumption, Society of Mind
20. 확률 추론 I
21. 확률 추론 II
22. 모델 병합, 크로스 모달 커플링, 코스 요약
공지게시판
21. 확률 추론 II
공유하기
URL복사
밴드
페이스북
트위터
21. 확률 추론 II 학습 목표 지난 강의에 이어 확률적 접근 방식을 위해 확률의 기본적인 정의들을 학습합니다. 핵심 키워드 인과변수 Bayesian Inference 학습하기 - 커넥트재단
21. 확률 추론 II 학습 목표 지난 강의에 이어 확률적 접근 방식을 위해 확률의 기본적인 정의들을 학습합니다. 핵심 키워드 인과변수 Bayesian Inference 학습하기 - 커넥트재단
좋아요 1
수강완료
수강이 완료되었습니다.
닫기
수강이 완료되었습니다.
이제
다음 강의
를 확인하세요.
닫기
닫기
20. 확률 추론 I
22. 모델 병합, 크로스 모달 커플링, 코스 요약