# 2-1 의미 대조 검수

이 검수는 이미 선별된 불확실 음성 653개 문맥 창의 원전사와 2차 전사를 읽어 대조한 것입니다. 강의 전체 8시간의 직접 청취 검증이 아닙니다. 창별 개수는 주된 판정으로 분류하며, 학습 보류 창에도 일부 자료 근거 정정이 포함될 수 있습니다. 두 모델이 같은 오류를 낼 수 있으므로 의미 차이 미발견은 정답 인증이 아닙니다. 교정은 자료에서 확인되는 내용 또는 명시한 수학적 보충이며 교수님의 실제 발언으로 재구성하지 않습니다. 창 경계에서 잘린 문장은 인식 오류와 구별했습니다.

## 2-1 창 0000 · 00:00:56–00:01:06 · 중요한 의미 차이 미발견

수학적 배경이 필요하다는 내용이 같으며 종결어미·경계 문장만 다르다. 두 출력의 중요차이가 없다는 판정이며 발화·내용의 정확성 확정은 아니다.

![[review/audio/2-1/clips/0000.m4a]]

근거 파일: [[review/audio/2-1/0000.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 우리가 생각했었던 시스템이 제대로 동작할 수 있을지를 보기 위한 부분입니다. 그런 기저에 있는 다양한 수학 정리, 백그라운드가 필요하기 때문에 그런 부분들을 이해한다고 보시면 좋을 것 같아요.

2차 전사:  동작할 수 있을지를 보기 위한 부분이기 때문에 그런 기저에 있는 다양한 수학적인 백그라운드가 필요하기 때문에 그런 부분들을 이해한다고 생각합니다.

## 2-1 창 0001 · 00:02:47–00:03:31 · 자료 근거 정정 있음

추론 세 유형의 명칭이 두 출력에서 모두 손상되어 자료의 연역·귀납 명칭으로 정리한다.

![[review/audio/2-1/clips/0001.m4a]]

근거 파일: [[review/audio/2-1/0001.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 우리가 그 추론을 정확하게 새로운 한 번도 보지 못했던 unseen 데이터셋 또는 unknown 이미지 이런 것들에 대해서 새로 유추해 볼 수 있도록 만들어주는 능력이 정말 필요합니다. 그래서 러닝이라는 경우 기억하고 새로운 것을 추론해낸다는 부분들이 포함되어 있고요. 이 추론이라는 것을 여러분들이 이미 알고 있는 세 가지 영역으로 생각해 볼 수 있겠습니다. 첫 번째로는 영역적인 추론인데요. 전제와의 논리적인 관계성을 기반으로 해서 추론하는 방법이겠죠. 예를 들어서 태풍이 한반도에 온다 이렇게 해서 큰 피해가 발생한다고 얘기한다면 태풍이 자주 온다 그리고 한반도에 오게 된다면 아주 큰 태풍 피해가 예상된다라는 것들을 추론할 수 있도록 만들어주는 겁니다. 위나적인 추론은 좀 창의한 추론 방식입니다. 이것은 다수의 데이터 세트를 보고 나서 경험에 기반하여 추론하는 방법이고요. 예를 들어서 어떤 A 태풍이 우리나라 한반도로 온다. 그래서 큰 피해가 있었었어. 또 B 태풍이 왔어. 그리고 또 큰 피해가 있었던 거야.

2차 전사:  수 있도록 만들어주는 능력이 정말 필요합니다. 그래서 러닝이라는 경우는 기억하고 새로운 것들을 추론해낸다라는 부분들이 포함되어 있고요. 이 추론이라는 것을 여러분들이 이미 알고 있는 세 가지 영역으로 생각해 볼 수 있겠습니다. 첫 번째로는 영역적인 추론인데요. 전제와의 논리적인 관계성을 기반으로 해서 추론하는 방법입니다. 방법이겠죠. 예를 들어서 태풍이 한반도에 온다. 이렇게 해서 큰 피해가 발생한다고 얘기한다면 태풍이 자주 온다. 그리고 한반도에 오게 된다면 아주 큰 태풍 피해가 예상된다라는 것들을 추론할 수 있도록 만들어주는 겁니다. 미나타겐 추론은 좀 창의한 추론 방식입니다.

**자료·검토에 따른 정정:** 연역추론(deduction); 귀납추론(induction)

근거: PDF4의 Learning=Memorization+Inference 아래 deduction/induction/abduction 및 한국어 라벨을 실제 이미지에서 확인했다.

자료: 2.1_Linear_Algebra_(2) · 물리 페이지/슬라이드 4

[[pdf/2.1_Linear_Algebra_(2)/page-004.jpg|자료 화면 열기]]

## 2-1 창 0002 · 00:03:58–00:04:07 · 자료 근거 정정 있음

상정추론/영어명칭이 양쪽에서 손상되어 자료의 abduction으로 정리한다.

![[review/audio/2-1/clips/0002.m4a]]

근거 파일: [[review/audio/2-1/0002.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 그렇다면 X번째 태풍이 오더라도 큰 피해가 예상된다고 추론할 수 있게 되는 거죠. 마지막 상정 추론, 이렇게 얘기하는 벽션의 인프런스는 경험과 관련해서 관계 있는 증거들을 가장 잘 설명하는 어떤 가정을 취사 선택하도록 만들어주는 방법입니다.

2차 전사:  상장된다라고 추론할 수 있게 되는 거죠. 마지막 상정추론이라고 얘기하는 벽체원의 인플루언스는 경험과 관련해서 관계있는 증거들을 가장

**자료·검토에 따른 정정:** 가설적 추론(abduction; 자료의 상정추론 표기)

근거: PDF4 추론 목록의 abduction과 상정추론을 시각 확인했다. 정확한 발음 영어 문구는 확정하지 않는다.

자료: 2.1_Linear_Algebra_(2) · 물리 페이지/슬라이드 4

[[pdf/2.1_Linear_Algebra_(2)/page-004.jpg|자료 화면 열기]]

## 2-1 창 0003 · 00:05:22–00:05:31 · 자료 근거 정정 있음

통계적인 과정과 가정의 구분은 학습 범위의 가정을 뜻하는 슬라이드로 확인한다.

![[review/audio/2-1/clips/0003.m4a]]

근거 파일: [[review/audio/2-1/0003.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 두 번째로는 기계가 학습할 수 있도록 학습에 대한 범위를 특정되어야 할 텐데요. 사실 많이 들어갈 수밖에 없습니다. 결국은 가장 대표적인 케이스로 얘기한다면

2차 전사:  특정되어야 할 텐데요. 여기는 통계적인 과정이 사실 많이 들어갈 수밖에 없습니다. 결국은 가장 대표적인

**자료·검토에 따른 정정:** 통계적 가정

근거: PDF5 두 번째 항목에 학습의 범위를 특정 지어야 함(통계적 가정)이 보인다.

자료: 2.1_Linear_Algebra_(2) · 물리 페이지/슬라이드 5

[[pdf/2.1_Linear_Algebra_(2)/page-005.jpg|자료 화면 열기]]

## 2-1 창 0004 · 00:05:40–00:05:49 · 중요한 의미 차이 미발견

전수조사 여부의 질문과 그렇지 않다는 부정은 두 출력에 유지된다. 두 출력의 중요차이가 없다는 판정이며 발화·내용의 정확성 확정은 아니다.

![[review/audio/2-1/clips/0004.m4a]]

근거 파일: [[review/audio/2-1/0004.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 전 세계 인구의 모든 사람들을 조사함에 의해서 어떤 특징첩들을 뽑아냈나요? 그렇지 않습니다. 사실상 전수검사가 안 되기 때문에

2차 전사:  세계 인구의 모든 사람들을 조사함에 의해서 어떤 특징적들을 뽑아냈나요? 그렇지 않습니다. 사실상 전수검사...

## 2-1 창 0005 · 00:05:59–00:06:07 · 중요한 의미 차이 미발견

샘플에서 공통 특징을 얻는다는 뜻은 유지된다. 얻는/제공하는 동사만 다르다. 두 출력의 중요차이가 없다는 판정이며 발화·내용의 정확성 확정은 아니다.

![[review/audio/2-1/clips/0005.m4a]]

근거 파일: [[review/audio/2-1/0005.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 어떠어떠한 유병 증상이 있었는지를 특정 샘플로부터 우리가 옮는 거죠. 이 샘플들을 기반으로 해서 우리가 어떠어떠한 공통적인 특징들을

2차 전사:  유병 증상이 있었는지를 특정 샘플로부터 제공하는 거죠. 이 샘플들을 기반으로 해서 우리가 어떠어떠한

## 2-1 창 0006 · 00:06:13–00:06:22 · 중요한 의미 차이 미발견

5년·7년이라는 숫자는 동일하다. 현재 사실 여부까지 검증했다는 뜻은 아니다. 두 출력의 중요차이가 없다는 판정이며 발화·내용의 정확성 확정은 아니다.

![[review/audio/2-1/clips/0006.m4a]]

근거 파일: [[review/audio/2-1/0006.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 이해할 수 있는지 지금 코로나는 이미 먼 얘기처럼 보지만 사실은 몇 년 지나지 않았습니다. 그래서 5년, 7년 정도밖에 지나지 않았지만 결국은 이 코로나로부터 우리가 어떻게 공통적인 특징을 파일럿할 수 있을지에 대한 부분들을 이해하려면

2차 전사:  사실은 몇 년 지나지 않았습니다. 5년, 7년 정도밖에 지나지 않았지만 결국은 이 코로나로부터 우리가

## 2-1 창 0007 · 00:06:53–00:07:11 · 중요한 의미 차이 미발견

강아지 생김새·크기·코·귀·눈으로 패턴을 학습한다는 설명은 같고 경계 이후 데이터 확보가 생략된다. 두 출력의 중요차이가 없다는 판정이며 발화·내용의 정확성 확정은 아니다.

![[review/audio/2-1/clips/0007.m4a]]

근거 파일: [[review/audio/2-1/0007.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 이 학습 모델이 어떻게 학습할 수 있을 것이냐이 일반적으로 학습에 대한 어떤 방향성을 얘기해주는 건데요. 자, 강아지라는 걸 구분하려면 결국은 전반적인 생김새와 함께 전반적인 크기와 어떤 코의 길이 또는 귀의 길이, 눈 이런 부분들을 좀 유사하게 봐야 한다라고 얘기한다면 그런 패턴들을 우리가 명시적으로 알려주지 않더라도 다양한 강아지에 대한 어떤 데이터셋을 확보하게 된다면

2차 전사:  대한 어떤 방향성을 얘기해주는 건데요. 자 강아지라는 걸 구분하려면 결국은 전반적인 생김새와 함께 전반적인 크기와 어떤 코의 길이 또는 귀의 길이 눈 뭐 이런 부분들을 좀 유사하게 봐야 한다라고 얘기 한다면 그런 패턴들을 우리가 명시적으로 알려주지 않더라도

## 2-1 창 0008 · 00:07:18–00:07:26 · 중요한 의미 차이 미발견

특징점과 학습 방향을 마련한다는 뜻이 같다. 두 출력의 중요차이가 없다는 판정이며 발화·내용의 정확성 확정은 아니다.

![[review/audio/2-1/clips/0008.m4a]]

근거 파일: [[review/audio/2-1/0008.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 학습할 수 있도록 마련해주셔야 된다는 거죠. 또 디렉션을 줘야 하기 때문에 이런 특징점들을 기준으로 해서 내가 강아지의 특징점을 가야겠다

2차 전사:  학습할 수 있도록 마련해 주셔야 된다는 거죠. 좀 디렉션을 줘야 하기 때문에 아 이런 특징점들을 기준으로 해서 내가 강아지 특징점을

## 2-1 창 0009 · 00:07:58–00:08:10 · 중요한 의미 차이 미발견

그림은 최소화이고 목적에 따라 maximize/minimize한다는 방향은 동일하다. 두 출력의 중요차이가 없다는 판정이며 발화·내용의 정확성 확정은 아니다.

![[review/audio/2-1/clips/0009.m4a]]

근거 파일: [[review/audio/2-1/0009.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 그 해당되는 목적이 가장 maximize 되거나 지금 이 그림은 maximize 되기 아니라 minimize 된 방식을 봐주겠죠. 그래서 maximize 시키거나 minimize 되는 방식으로 가장 좋은 조합의 파라미터들을

2차 전사:  지금 이 그림은 Maximize deck이 아니라 Minimize 방식으로 가죠. Maximize 시키거나 Minimize 방식으로 가장 좋은 조합의 파라미터들을 착두

## 2-1 창 0010 · 00:08:51–00:09:00 · 자료 근거 정정 있음

선형방정식·선형시스템·변환이라는 같은 항목이며 발음 표기만 손상되어 있다.

![[review/audio/2-1/clips/0010.m4a]]

근거 파일: [[review/audio/2-1/0010.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 벡터와 행렬 연산, 성형 당정식과 선형 시스템이 무엇인지 그리고 선형 변환 처리, 트랜스메이션이라고 보통 얘기하는 또는 프로젝션이라고 얘기하는데 이 변환 처리가 왜 중요한지

2차 전사:  성형 방정식과 성형 시스템이 무엇인지 그리고 성형 변환 처리, 트랜스메이션이라고 보통 얘기하는데 프로젝션이라고 얘기하는데

**자료·검토에 따른 정정:** 선형방정식·선형시스템·선형변환

근거: PDF7의선형방정식&선형시스템,선형변환&좌표공간변환목록을 실제이미지에서확인했다.

자료: 2.1_Linear_Algebra_(2) · 물리 페이지/슬라이드 7

[[pdf/2.1_Linear_Algebra_(2)/page-007.jpg|자료 화면 열기]]

## 2-1 창 0011 · 00:09:07–00:09:26 · 학습 보류

x와 ξ로 보이는 실수 기호 열거가 달라 정확한 기호 발화는 확정하기 어렵다.

![[review/audio/2-1/clips/0011.m4a]]

근거 파일: [[review/audio/2-1/0011.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 선형 대수는 다음과 같이 이런 로테이션들로 표현할 수가 있어요. 일반적으로 x, y, z 이런 선형 대수에 대한 벡토라이즈 돼 있는 정보들로 우리가 얘기할 수도 있고요. 또는 x, lambda 이런 실수값들을 표현하는 표시도 같이 사용하게 되면 됩니다. 또 이거는 셋이겠죠. 집합으로 이루어져 있는데 u1부터 un까지에 대한 벡토라이즈가 있는

2차 전사:  이런 로테이션들로 표현할 수가 있어요. 예를 들어서 x, y, z 이런 선형 대수에 대한 벡토라이즈 돼 있는 정보들로 우리가 얘기할 수도 있고요. 또는 t사이, 람다 이런 실수값들을 표현하는 이런 표시도 같이 사용하게끔 됩니다. 또 이거는 set이겠죠.

## 2-1 창 0012 · 00:09:34–00:09:50 · 학습 보류

벡터/데이터와 손상된 전문어가 다르나 좌표계 변화의 정확한 문장 복원이 어렵다.

![[review/audio/2-1/clips/0012.m4a]]

근거 파일: [[review/audio/2-1/0012.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 그 정보들의 셋들로 미디피셜일 수도 있겠습니다. 일단 변화는 일반적으로 좌표계의 변화 어떤 뭐라고 해야 될까요? 코디네이트 돼 있는 어떤 벡터들이 있겠죠? 그런 좌표계의 정보가 있었을 때 좌표계에 대한 정보를

2차 전사:  그 정보들의 세트로 미디퓨저가 될 수 있겠습니다. 세트의 변화는 일반적으로 좌표계의 변화, 어떤 뭐라고 해야 될까요? 코디네이트 돼 있는 어떤 데이터들이 있겠죠? 그런 좌표계의 정보가 있었을 때

## 2-1 창 0013 · 00:09:59–00:10:09 · 학습 보류

R^D에서 R^d로 가는 대·소문자 차원 표기가 두 출력에서 불안정하여 정확한 방향 기호는 미확정이다.

![[review/audio/2-1/clips/0013.m4a]]

근거 파일: [[review/audio/2-1/0013.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 자, 사원축소의 개념은 뭐냐면 R의 D의 큰 차원으로부터 어디로 이동해? R의 d의 차원으로 이동해. 근데 이때 왜요?

2차 전사:  이 개념은 뭐냐면, 보다 큰 차원으로부터 아래 D의 큰 차원으로부터 어디로 이동해? 아래 D의 차원으로 이동해.

## 2-1 창 0014 · 00:10:24–00:10:42 · 중요한 의미 차이 미발견

3차원을 2차원으로 보낸다는 방향과 숫자는 같다. 투영/수정 발음 오류가 공유된다. 두 출력의 중요차이가 없다는 판정이며 발화·내용의 정확성 확정은 아니다.

![[review/audio/2-1/clips/0014.m4a]]

근거 파일: [[review/audio/2-1/0014.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 예를 들어서 우리가 3d 이미지를 본다. 3d 이미지를 2차원으로 수정시키고 그러면 3차원에서 2차원으로 수정시키는 거죠. 그러니까 3차원 축에 있었던 어떤 정보를 이 정보를 번식으로 이동시키는 거죠. 이런 데이터 변화이라는 것은 우리가 데이터에 대한 차원의 조지라는 문제를 포함해서

2차 전사:  본다 3d 이미지를 2타원으로 수정시키고 3차원에서 2타원으로 수정시키는 거죠 그러면 타원이 축소가 되는 거 아닙니까? 3차원 축에 있었던 어떤 정보를 이 정보를 이동시키는 거죠 이런 데이터 변화이라는 것은 우리가

## 2-1 창 0015 · 00:11:08–00:11:17 · 학습 보류

handcrafted feature 예시의 눈·코·입 일부가 달라지지만 정확한 언급 범위는 자료로 확정하기 어렵다.

![[review/audio/2-1/clips/0015.m4a]]

근거 파일: [[review/audio/2-1/0015.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 어떤 특징점에 봐야 될지 아니면 지금 여기에 있는 한 크래프트 피처 사람이 직접 사람을 잘 이해하려면 눈, 입에 집중해야 되지 않겠니

2차 전사:  점에 봐야 될지 아니면은 어 지금 여기 있는 이건 한 크래프트 피쳐 예 사람이 직접 야 사람을 달리 알리는 눈코입에 아

## 2-1 창 0016 · 00:11:46–00:11:55 · 자료 근거 정정 있음

min-squared/mean secured는 MSE 전문어가 손상된 것으로 제곱잔차 화면을 근거로 의미를 보정한다.

![[review/audio/2-1/clips/0016.m4a]]

근거 파일: [[review/audio/2-1/0016.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 여기 있는 가장 대표적인 선형 회기 모델을 기반으로 했을 때 min-squared error라고 얘기하는 mse라는 식의 기반에서 수식을 써놓은 거예요. 자, 이거를 갖다가 이렇게

2차 전사:  가장 대표적인 선형 회기 모델을 기반으로 했을 때 mean secured error라고 얘기하는 mse라는 식의 기반에서 수식을 써놓은 거예요.

**자료·검토에 따른 정정:** MSE=mean squared error(평균제곱오차). 화면 식 자체는 제곱잔차의 합 형태이며 평균 정규화는 표시되지 않음.

근거: PDF8 및 영상706초 frame00041의 Σ(y−예측값)²=||Y−Xβ||²를 직접 확인했다. MSE의 표준 의미와 화면의 합을 구분한 AI 수학 정리다.

자료: 2.1_Linear_Algebra_(2) · 물리 페이지/슬라이드 8

[[pdf/2.1_Linear_Algebra_(2)/page-008.jpg|자료 화면 열기]]

## 2-1 창 0017 · 00:11:58–00:12:12 · 중요한 의미 차이 미발견

선형 조합이며 선형회귀모형에 해당한다는 핵심은 같다. 후반은 구간 경계에서 짧아진다. 두 출력의 중요차이가 없다는 판정이며 발화·내용의 정확성 확정은 아니다.

![[review/audio/2-1/clips/0017.m4a]]

근거 파일: [[review/audio/2-1/0017.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 널리 펼쳐놓기보다는 사실은 내가 지금 제안하고 어떤 direction은 뭐냐면 이 부분을 실제 y 깎아 그리고 이걸 사용 대수를 표시했을 때 이렇게 구성되어 있는데 이건 선형적인 조합이구나 각 변수가. 그러니까 선형 회기 모형에 준하는 값을 사용하고 있구나를 바로 이해할 수가 있을 테고요.

2차 전사:  사실은 내가 지금 제안하고 싶어하는 목격성 어떤 디렉션은 뭐냐면 이 부분을 실제 y 깎아 그리고 이거를 상영 대수로 표시했을 때 이렇게 구성되어 있는데 이건 상영적인 조합이구나 각 변수가.

## 2-1 창 0018 · 00:12:33–00:12:46 · 중요한 의미 차이 미발견

y와 모델의 추정 y의 차이를 최소화할 파라미터라는 뜻은 같다. 파라미터 뒤 손상어는 미확정이다. 두 출력의 중요차이가 없다는 판정이며 발화·내용의 정확성 확정은 아니다.

![[review/audio/2-1/clips/0018.m4a]]

근거 파일: [[review/audio/2-1/0018.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 자 그렇다면 이제 앞에 있는 거는 셀트 Y구역에 있는 거는 우리 모델 이렇게 생겨먹은 모델로부터 추정된 Y값인 거예요. 이 값을 어떻게? 미니마이즈 그러니까 최소화하도록 만들어주는 세트 파라미터 지참을 라고 얘기할 때 이런 선역 개수에 대한 이런 노테이션들도 같이 포함해서 고민해 볼 수가 있겠습니다.

2차 전사:  마지막은 모델로부터 추정된 y 값인거에요. 이 값을 어떻게? minimize, 최소화하도록 만들어주는 saddle parameters 자격을, 라고 얘기할 때 이런 선의 개수에 대한 이런 notation 들을

## 2-1 창 0019 · 00:13:06–00:13:22 · 학습 보류

무작위표집과 IID 조건, 관측 가능한 샘플을 학습에 쓴다는 뜻이 같다. 반드시/관측 표기 손상이 있다. 두 출력의 핵심 용어가 함께 손상되었거나 수학적 일반화가 불명확하므로 원음 확인 없이 정확성을 인정하지 않는다.

![[review/audio/2-1/clips/0019.m4a]]

근거 파일: [[review/audio/2-1/0019.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): population이 있고 population부터 우리가 random sampling, IID 컨지션에 따라서 random sampling을 할 테고요. 그렇다면 우리가 가지고 있는 실질적으로 관측 가능하고 학습 모형을 구축할 때 활용할 수 있는 건 뭐라고 그러죠? 우리가 결국은 samples인 거죠. 이 샘플즈 데이터는 사실 우리가 트레이닝 또는 배리데이션에 사용할 수 있는 데이터가 되는 겁니다.

2차 전사:  있고 학대 시험을 더 우리가 랜더 샘플링 iid 컨세션 따라서 랜덤 샘플링 할 테구요 그렇다면 우리가 가지고 있는 실질적으로 반드시 가능하고 학습 모형을 구축할 때 활용할 수 있는 건 뭐라고 그러죠 우리가 결국 샘플적인 거죠 자 이 샘플드 데이터 세션 우리가

## 2-1 창 0020 · 00:13:29–00:13:54 · 중요한 의미 차이 미발견

불확실성을 이해하고 확률·통계로 학습한다는 내용은 같다. 두 출력의 중요차이가 없다는 판정이며 발화·내용의 정확성 확정은 아니다.

![[review/audio/2-1/clips/0020.m4a]]

근거 파일: [[review/audio/2-1/0020.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 이 데이터에 기반해서 원래 있었던 퍼플레이션의 어떤 특징점들을 잘 입추해보고 싶을 때는 데이터가 가지고 있는 어떤 불확실성들을 잘 이해하고 학습하도록 유도하는 것이 있습니다. 그래서 확률비 통계층에서는 최근에 많이 거론되고 실제 많이 활용되는 것들이 이 불확실성, 이런 것들에 대한 분야들이 있습니다. 이 uncertainty에 기반해서 확률 통계에 관련된 부분들을 잘 이해해 보시면 좋을 것 같아요.

2차 전사:  어떤 특징점들을 잘 입수해보고 싶을 때는 데이터가 가지고 있는 어떤 불확실성들을 잘 이해하고 학습하도록 유도하는 것이 그래서 확률 및 통계 측면에서는 최근에 많이 거론되고 실제 많이 활용되는 것들이 불확실성, uncertainty라는 것들에 대한 분야들이 있습니다. 이 uncertainty에 기반해서 확률 통계에 관련된

## 2-1 창 0021 · 00:14:28–00:14:37 · 학습 보류

최대/절대 파라미터 추정 및 decision making의 손상으로 구체 추정법이 달라질 수 있어 미확정이다.

![[review/audio/2-1/clips/0021.m4a]]

근거 파일: [[review/audio/2-1/0021.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 여러분들이 어떤 액션을 통해서 디지털 맥킹을 할 수가 있을까? 라고 해결한다면 최대 파라미터 이스티메이션의 측면이 있을 거예요. 어떤 추정값을 어떤 백그런드를 이용해서 추정해보는 거죠.

2차 전사:  액션을 통해서 디지털 메이킹 할 수가 있을까 라고 얘기한다면 절대 파라미터 이스티메이션의 측면이 있을 거예요. 어떤 추정값을

## 2-1 창 0022 · 00:15:42–00:15:50 · 중요한 의미 차이 미발견

회사명 발음 표기만 다르며 임상실험 사례의 학습 내용은 동일하다. 두 출력의 중요차이가 없다는 판정이며 발화·내용의 정확성 확정은 아니다.

![[review/audio/2-1/clips/0022.m4a]]

근거 파일: [[review/audio/2-1/0022.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 코로나가 걸린 이후에 우리가 어떤 약을 투입했어요. 뭐 아스트로젠네크랄지, 모더나에서 임상실험을 수행해서 이런 약을 취합한다면

2차 전사:  우리가 어떤 약을 투입했어요. 아스트라제네카, 모더나에서 임상실험을 수행해서 이런 약을

## 2-1 창 0023 · 00:18:31–00:18:40 · 중요한 의미 차이 미발견

삼겹살1kg 예시와 키를 키울 변인을 생각한다는 내용은 같다. 두 출력의 중요차이가 없다는 판정이며 발화·내용의 정확성 확정은 아니다.

![[review/audio/2-1/clips/0023.m4a]]

근거 파일: [[review/audio/2-1/0023.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 아니면은 뭐 피피더스, 요구르트를 먹으면 좀 더 나을까? 아니면 지금 삼겹살 1kg를 먹으면 알까? 어떻게 하면 키가 틀 수 있게 만들 수 있을까? 이런 생각을 해본다면 그런 변인, 특정 정보들에 대해서 줬을 때

2차 전사:  나을까? 아니면 지금 삼겹살 1kg을 먹으면 나을까? 어떻게 하면 키가 높을 수 있게 만들 수 있을까? 이런 생각을 해본다면 그런 병이

## 2-1 창 0024 · 00:18:47–00:18:56 · 중요한 의미 차이 미발견

gradient descent가 유일한 최적화기는 아니라는 부정이 두 출력에서 유지된다. 두 출력의 중요차이가 없다는 판정이며 발화·내용의 정확성 확정은 아니다.

![[review/audio/2-1/clips/0024.m4a]]

근거 파일: [[review/audio/2-1/0024.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 이것들을 찾아가도록 해주는 애가 이 옵티마이저이고 그리고 가장 대표적인 그래드 앤 디스센트라고 얘기할 수 있죠. 유일한 옵티마이저나 그러지 않습니다. 훨씬 더 많은 오퍼라이터들이 존재해요.

2차 전사:  이것들을 찾아가도록 해주는 애가 이 오티마이저이고 결국은 가장 대표적인 그레이덴 디센트라고 얘기할 수 있죠. 유일한 오티마이저는 그러지 않습니다.

## 2-1 창 0025 · 00:19:01–00:19:09 · 중요한 의미 차이 미발견

gradient descent를 다룬다는 동일 내용이며 종결 표현만 다르다. 두 출력의 중요차이가 없다는 판정이며 발화·내용의 정확성 확정은 아니다.

![[review/audio/2-1/clips/0025.m4a]]

근거 파일: [[review/audio/2-1/0025.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 우선은 여러분들이 가장 많이 이해해보고 활용해 볼 만한 부분이 gradient descent라는 알고리즘이 있기 때문에 우리도 잠깐 비슷할 거예요. 최적화 예시에서는

2차 전사:  또 활용해 볼 만한 부분이 그래디언 디센트라는 알고리즘이 있기 때문에 우리도 잠깐 비슷할 거예요.

## 2-1 창 0026 · 00:19:14–00:19:24 · 자료 근거 정정 있음

loss function이 most function으로 바뀌는 용어 차이가 있어 손실/최적화 화면을 근거로 정리한다.

![[review/audio/2-1/clips/0026.m4a]]

근거 파일: [[review/audio/2-1/0026.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): likelihood 알고리즘이라는 것들도 있고요. loss function이라는 얘기도 있고요. 또 residual, sum of residues 라고 얘기하는 이런 부분들도 있어서 다양한 메커니즘에 의해서 우리가 set of parameters의

2차 전사:  모델도 있고요. most function이라는 얘기도 있고요. the residual sum of the residues 라고 얘기하는 이런 부분들도 있어서 다양한 메커니즘에 의해서 우리가 set of

**자료·검토에 따른 정정:** loss function(손실함수)

근거: PDF10 그림의 세로축 손실(L) 및 최소위치/gradient를 실제 이미지에서 확인했다. likelihood 알고리즘의 정확한 발화는 별도 확정하지 않는다.

자료: 2.1_Linear_Algebra_(2) · 물리 페이지/슬라이드 10

[[pdf/2.1_Linear_Algebra_(2)/page-010.jpg|자료 화면 열기]]

## 2-1 창 0027 · 00:19:27–00:19:57 · 자료 근거 정정 있음

원전사의 minimize/minimize 반복과 재인식의 minimize/maximize 질문은 다르나 손실 최소화 그림으로 방향을 정리한다.

![[review/audio/2-1/clips/0027.m4a]]

근거 파일: [[review/audio/2-1/0027.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 오티미지션을 수행할 수 있도록 만들어주는 다양한 최적화 기법들이 또 존재합니다. 아래 그림에서는 어떻게 했냐면 이게 뭐냐 이게 오티미지션 스페이스예요 공간이 그러면 이 공간을 떠나서는 칠킷값이 있다 우리가 원하는 칠킷값은 이 선 안에서만 있다 이 선 안에서 룸대주 다 봤을 때 가장 최적값은 이게 손실이니까 손실은 미니마이즈 해야 돼 아니면 미니마이즈 해야 돼 미니마이즈 해야겠죠 그렇다면 우리가 원하는 값은 여기 있는데

2차 전사:  수행할 수 있도록 만들어주는 다양한 최적화 기법들이 또 존재합니다. 그래서 아래 그림에서는 지금 어떻게 했냐면 요게 뭐냐? 요게 optimization space에요. 공간이. 그러면 이 공간을 떠나서는 체크해 값이 있다? 아, 우리가 원하는 체크해 값은 이 선 안에서만 있다. 이 선 안에서 우리가 눈대신 다 봤을 때 가장 최적 값은 뭐죠? 이게 손실이니까 손실은 minimize 해야 돼? 아니면 maximize 해야 돼? 미니멀 아이색해야겠죠. 그렇다면 우리가 원하는 값은 여기

**자료·검토에 따른 정정:** 손실 L을 최소화하는 파라미터를 찾는다.

근거: PDF10의 U자 손실곡선에서 최소위치로 내려가는 gradient 그림을 시각 확인했다. 질문 문장의 실제 단어는 확정하지 않는다.

자료: 2.1_Linear_Algebra_(2) · 물리 페이지/슬라이드 10

[[pdf/2.1_Linear_Algebra_(2)/page-010.jpg|자료 화면 열기]]

## 2-1 창 0028 · 00:20:10–00:20:27 · 중요한 의미 차이 미발견

눈대중으로 최적값을 고르기보다 학습자료에서 파라미터를 찾는다는 내용이 같고 구간 끝이 잘린다. 두 출력의 중요차이가 없다는 판정이며 발화·내용의 정확성 확정은 아니다.

![[review/audio/2-1/clips/0028.m4a]]

근거 파일: [[review/audio/2-1/0028.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 창원 공간도 아주 적고요. 일탄 보관상에 눈 대중으로 딱 보이는 거야. 이 경우에는 이거를 이거예요. 뭘 찾긴 찾아. 이거 찾으면 이거 얘기하면 되지 라고 얘기할 수 있겠지만 사실 우리가 파라미터를 찾아와서 의미 있는 탁진 모델 학습 데이터로부터 학습해서 한 번도 보지 못했던 언스인 데이터에 대해서도

2차 전사:  자, 일단 보관사항에 있는 것들은 다 보이는 거야. 자, 이 경우에는 이거를 아, 이거예요. 뭘 찾긴 찾아. 이거 찾으면 이거 얘기하면 되지 라고 얘기할 수 있겠지만 사실 우리가 파라미터를 찾아가서 의미 있는 학습 모델, 학습 데이터로부터 학습해서 한 번도 보지 못한

## 2-1 창 0029 · 00:20:43–00:20:58 · 중요한 의미 차이 미발견

조금씩 좋은 값으로 이동하는 최적화 설명은 같다. 두 출력의 중요차이가 없다는 판정이며 발화·내용의 정확성 확정은 아니다.

![[review/audio/2-1/clips/0029.m4a]]

근거 파일: [[review/audio/2-1/0029.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 그래서 우리가 조금씩 더 좋은 걸 찾아갑니다. 조금씩 더, 조금씩 조금씩 더 찾아가 볼까? 하면서 조금씩 이동시키고자 하는 역할들을 최적의 알고리즘이나 알고리즘이 아니면 얘는 목적시키는 것들이나 이런 옵티마이저들을 이용해서

2차 전사:  우리가 조금씩 더 좋은 걸 찾아갑니다. 조금씩 더 찾아가 볼까? 조금씩 이동시키고자 하는 역할들을 최적의 알고리즘이나 얘는 목적식이라는 것들이나

## 2-1 창 0030 · 00:21:18–00:21:34 · 중요한 의미 차이 미발견

이후 선형대수에 집중한다는 안내와 비유가 같다. 추가 도입 문장만 다르다. 두 출력의 중요차이가 없다는 판정이며 발화·내용의 정확성 확정은 아니다.

![[review/audio/2-1/clips/0030.m4a]]

근거 파일: [[review/audio/2-1/0030.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 러닝 메커니즘에 대한 부분들을 이해해서 학습모델한테 아 벌려봐 내가 맛있는 거 먹어줄게 라고 얘기하는 분들을 이해해 볼 수 있는 백그런들을 좀 바꿔주실 수 있습니다 자 지금부터는 선형데스와 관련된 내용들만 집중적으로 설명을 해보도록 할게요

2차 전사:  부분들을 이해해서 데이터 마이닝에서 좋은 패턴들을 끄집어내고 학습 모델한테 아 벌려봐 내가 맛있는 거 먹어줄게 라고 얘기하는 것들을 이해해 볼 수 있는 백그라운드를 좀 받고 할 수 있을 것 같습니다. 자 지금부터는 선형 데스와 관련된 내용들만 집중적으로

## 2-1 창 0031 · 00:21:39–00:21:59 · 중요한 의미 차이 미발견

실수·정수 집합과 공집합의 의미는 두 출력이 같다. 두 출력의 중요차이가 없다는 판정이며 발화·내용의 정확성 확정은 아니다.

![[review/audio/2-1/clips/0031.m4a]]

근거 파일: [[review/audio/2-1/0031.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 일정 조건을 만족시키는 원소들에 대한 모임이에요 그래서 일반적으로 이렇게 놓치지 않으면 실수들에 대한 집합이구나 이렇게 이해하시면 되고요 집이라고 얘기한다면 이거는 모든 정수에 집합이구나. 이렇게 0땡 하면 공지판. null. nullset. 이렇게 보통 얘기하죠. 집합관계는 뭐냐면

2차 전사:  만족시키는 원소들에 대한 모임이에요. 그래서 일반적으로 이렇게 높이지만 보면 아 실수들에 대한 집합이구나 이렇게 이해하시면 되고요. 아 집이라고 얘기한다면 이거는 모든 정수에 대한 집합이구나. 그리고 0땡 하면 이거 뭐죠? 공집합. 널셋 이렇게 보통 얘기하죠.

## 2-1 창 0032 · 00:22:12–00:22:21 · 자료 근거 정정 있음

cardinality와 Cartesian product 명칭을 섞어 인식하여 자료의 집합 크기 정의로 구분한다.

![[review/audio/2-1/clips/0032.m4a]]

근거 파일: [[review/audio/2-1/0032.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 또 여러분들 가장 많이 얘기하는 cardinality. 카토리스한 프로덕트 cardinality 이렇게 얘기하는 집합의 크기에 대한 부분들은 뭐냐면 기본적으로

2차 전사:  가장 많이 얘기하는 카디널리티, 카트리지션 프로젝트, 카디널리티를 얘기하는 집합의 크기에 대한 부분들은 뭐냐면 기본적으로 이런 세트에 있어서

**자료·검토에 따른 정정:** cardinality=집합 원소의 개수; Cartesian product=두 집합의 순서쌍 집합

근거: PDF12 집합 크기 Cardinality와 |N| 원소개수, PDF13 Cartesian product의 순서쌍 예시를 실제 이미지에서 확인했다.

자료: 2.1_Linear_Algebra_(2) · 물리 페이지/슬라이드 12

[[pdf/2.1_Linear_Algebra_(2)/page-012.jpg|자료 화면 열기]]

## 2-1 창 0033 · 00:22:27–00:22:44 · 자료 근거 정정 있음

cardinality 및 intersection/union 항목을 설명한다는 내용은 같다.

![[review/audio/2-1/clips/0033.m4a]]

근거 파일: [[review/audio/2-1/0033.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 집합의 개수를 얘기한다면 이렇게 표시를 이게 cardinality라고 얘기를 하시면 좋을 것 같습니다. 그렇죠? 자 또 이제 집합에 대한 연사로 봤을 때 우리가 두 집합, intersection에 의해서 union, 합 집합이라고 얘기하죠. 또 카트리션

2차 전사:  두 집합의 개수를 얘기한다면 이렇게 표시를 하게 body nullity라고 얘기를 하시면 좋을 것 같습니다. 그렇죠? 자, 또 이제 집합에 대한 연산으로 봤을 때 우리가 두 집합, intersection에 의하죠. union, 합집합이라고 얘기하죠. 또 카트리

**자료·검토에 따른 정정:** cardinality(집합원소개수),intersection(교집합),union(합집합)

근거: PDF12 Cardinality/원소개수 및PDF13 교집합/합집합라벨을 실제이미지에서확인했다.

자료: 2.1_Linear_Algebra_(2) · 물리 페이지/슬라이드 12

[[pdf/2.1_Linear_Algebra_(2)/page-012.jpg|자료 화면 열기]]

## 2-1 창 0034 · 00:22:50–00:22:58 · 자료 근거 정정 있음

R^n을7차원으로 인식한 구체 숫자는 자료의 n차원과 맞지 않아 교정한다.

![[review/audio/2-1/clips/0034.m4a]]

근거 파일: [[review/audio/2-1/0034.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 왔을 땐 이렇게 풀어서 볼 수가 있다라는 것들도 열심히 좋고 하구요. 우리가 이제 이 RN이라고 얘기하면 7차원에 대한 공간인데

2차 전사:  대한 시험으로 봤을 땐 이렇게 풀어서 볼 수가 있다는 것들도 이해심이 좋았고요. 우리가 이제 이 RN이라고 얘기하면

**자료·검토에 따른 정정:** R^n은 n차원 실수 좌표공간

근거: PDF13의 R^n: n차원 실수 좌표공간 의미 문장과 R1,R2,R3 그림을 시각 확인했다.

자료: 2.1_Linear_Algebra_(2) · 물리 페이지/슬라이드 13

[[pdf/2.1_Linear_Algebra_(2)/page-013.jpg|자료 화면 열기]]

## 2-1 창 0035 · 00:23:04–00:23:12 · 중요한 의미 차이 미발견

2차원 키·몸무게와3차원 확장 예시는 같고 발 사이즈의 마지막 단어는 경계 밖이다. 두 출력의 중요차이가 없다는 판정이며 발화·내용의 정확성 확정은 아니다.

![[review/audio/2-1/clips/0035.m4a]]

근거 파일: [[review/audio/2-1/0035.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 샘플들을 풀어보는 거구요. 2차원상이라면 키 몸무게 그러면 키 몸무게 이렇게 샘플들을 풀어보는 거구요. 3차원이야 그러면 또 뭐 하나 있을까요? 키 몸무게 발사

2차 전사:  2차원상이라면 키, 몸무게 그러면 키, 몸무게에서 이렇게 샘플 뒤로 풀어보는 거고요 3차원이라면 또 뭐 하나 있을까요? 키, 몸무게

## 2-1 창 0036 · 00:23:22–00:23:42 · 자료 근거 정정 있음

4천원/3천원은 차원 설명을 잘못 쓴 것이며 그림의 R1,R2,R3 차원 맥락으로 보정한다.

![[review/audio/2-1/clips/0036.m4a]]

근거 파일: [[review/audio/2-1/0036.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 비주얼리하게 우리가 4천 원을 표시할 수 있는 다양한 방식이 있는데 거기에는 뭐 Parallel Coordinate Chart 또는 Spide Diagram 이런 방식도 있지만 일반적으로 이런 스케터플라와 같이 좌측에 있는 이런 그림처럼 스케터플라처럼 이렇게 뿌릴 수 있는 방법은 없어요. 우리가 3천 공간 이상의 살기 때문이죠.

2차 전사:  비주얼리하게 우리가 4천원을 표시할 수 있는 다양한 방식이 있는데 거기에는 패러럴 코디네이트 하트 또는 스파이드 다이그램 이런 방식도 있지만 일반적으로 이런 어떤 스케터플라와 같이 좌측에 있는 이런 그림처럼 스케터플라처럼 이루어 뿌릴 수 있는 방법은 없어요. 왜? 우리가 3천원 공간상에 살기 때문이죠.

**자료·검토에 따른 정정:** 4차원,3차원 공간

근거: PDF13 R1,R2,R3 및 R4 표기와 축그림을 시각 확인했다. 4차원 시각화 방식에 대한 발화 전체를 검증한 것은 아니다.

자료: 2.1_Linear_Algebra_(2) · 물리 페이지/슬라이드 13

[[pdf/2.1_Linear_Algebra_(2)/page-013.jpg|자료 화면 열기]]

## 2-1 창 0037 · 00:24:24–00:24:32 · 자료 근거 정정 있음

argmin은 f를 최소로 하는 인수를 찾는다는 설명으로 두 출력의 경계 차이를 정리한다.

![[review/audio/2-1/clips/0037.m4a]]

근거 파일: [[review/audio/2-1/0037.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 그 의미는 뭐지? f를 갖다가 미니마이즈하도록 만들어주는 p를 찾아라 라는 의미입니다. 그래서 밑에 있는 것들을 좀 풀어서 얘기해 본다면 우리가 지금 어떤 xj를 찾고 싶어

2차 전사:  피드를 찾아라 라는 의미입니다. 그래서 밑에 있는 것들을 풀어서 얘기해 본다면 우리가 지금 어떤 xj를 찾고 싶어

**자료·검토에 따른 정정:** argmin은 함수값을 최소화하는 인수 p를 찾는다는 뜻

근거: PDF14의 argmin/argmax와 함수 인수 표기를 실제 이미지에서 확인했다. 최소화와 최대화를 혼동하지 않도록 AI가 의미를 정리했다.

자료: 2.1_Linear_Algebra_(2) · 물리 페이지/슬라이드 14

[[pdf/2.1_Linear_Algebra_(2)/page-014.jpg|자료 화면 열기]]

## 2-1 창 0038 · 00:24:46–00:25:05 · 자료 근거 정정 있음

xi보다 xj의 함수값이 크거나 같다는 argmax와 존재 기호 설명은 같고 시작이 잘린다.

![[review/audio/2-1/clips/0038.m4a]]

근거 파일: [[review/audio/2-1/0038.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 실제 어떤 xi보다 xj가 크거나 같은 이런 xj를 갖고 싶어요. 자, 그게 우리가 f of x에 대한 argument을 했을 때 찾게 되는 어떤 element들이나 어떤 set들이 되겠죠. 자, 이때 원소에 대한 표시는 이런 표시가 보여진다면 여러분, are there exist라는 의미고요. 이렇게 표시한다면 아무것도 없어 라는 의미고요.

2차 전사:  같은 이런 xj를 갖고 싶어요. 자 그게 우리가 f of x에 대한 argument을 했을 때 찾기에는 어떤 element들이나 어떤 set들이 있죠. 자 이때 원소에 대한 표시는 이런 표시가 보여진다면 are there exist 라는 의미고요. 이렇게 표시한다면 아무것도 없어 라는 의미고요.

**자료·검토에 따른 정정:** argmax f는 모든xi에대해 f(xj)≥f(xi)를만족하는최대화인수xj의집합

근거: PDF14 argmax의집합표현과≤부등호를 직접보았다. 양화사모든은정의를명확히한AI정리다.

자료: 2.1_Linear_Algebra_(2) · 물리 페이지/슬라이드 14

[[pdf/2.1_Linear_Algebra_(2)/page-014.jpg|자료 화면 열기]]

## 2-1 창 0039 · 00:25:48–00:25:55 · 중요한 의미 차이 미발견

observation과 pattern을 샘플의 이름으로 쓴다는 내용은 같다. 두 출력의 중요차이가 없다는 판정이며 발화·내용의 정확성 확정은 아니다.

![[review/audio/2-1/clips/0039.m4a]]

근거 파일: [[review/audio/2-1/0039.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 또는 observation이라고 부르기도 하고요 또는 이거를 pattern 하나라고 얘기하기도 합니다 뭐라고 얘기하든 여러분들은

2차 전사:  observation이라고 부르기도 하고요 또는 이거를 패턴 하나라고 얘기하기도 합니다

## 2-1 창 0040 · 00:26:11–00:26:34 · 중요한 의미 차이 미발견

한 행이 한 샘플이고 키·몸무게·안경 등 변수가 있다는 내용은 같다. 후반은 경계에서 잘린다. 두 출력의 중요차이가 없다는 판정이며 발화·내용의 정확성 확정은 아니다.

![[review/audio/2-1/clips/0040.m4a]]

근거 파일: [[review/audio/2-1/0040.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 뭐라고 부르든 그래서 이 행 하나가 샘플이고요. 이 샘플이 만약에 학생이었다면 키, 몸무게, 발 사이즈, 안경 꼈냐 안 꼈냐, 외투가 긴팔이야, 짧은팔이야, 발 사이즈, 기타 등등등 어떤 숫자 표시될 수도 있고 또는 카테고리컬 해당되는 베리어블이 될 수도 있겠지만 사실 우리가 그거를 컴퓨터가 이해할 수 있는 학생 모델이 받아들일 수 있는 데이터를 가져가려면 좋습니다.

2차 전사:  뭐라고 부를 땐 여러분은 샘플이라고 생각하시면 됩니다. 그래서 이 행 하나가 샘플이고요. 이 샘플이 만약에 학생이었다면 키, 몸무게, 발 사이즈, 안경 꼈냐 안 꼈냐 외투가 큰 팔이야, 짧은 팔이야 발 사이즈, 기타 등등등등 어떤 추락 표시될 수도 있을 테고 또는 어떤 카테고리컬

## 2-1 창 0041 · 00:26:49–00:27:03 · 중요한 의미 차이 미발견

2행5열 숫자는 양쪽이 같다. 도입의 손상된20대 단어는 구간 경계 바깥 문맥이다. 두 출력의 중요차이가 없다는 판정이며 발화·내용의 정확성 확정은 아니다.

![[review/audio/2-1/clips/0041.m4a]]

근거 파일: [[review/audio/2-1/0041.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 실제 해당되는 데이터를 기반으로 해서 우리가 20대를 구축한다고 이해하시면 되겠습니다. 싸이 때 우리가 2행 5열에 준하는 것을 A행, A행열이라고 얘기를 하죠. 그랬을 때 이 행열은 어떤 사이즈를 받는 행열이죠?

2차 전사:  라고 이해하시면 되겠습니다. 짜일 때 우리가 이행 5열에 준하는 것을 a행 a행열이다 라고 얘기를 하죠. 했을 때 이행열은 어떤 사이즈일까요?

## 2-1 창 0042 · 00:27:47–00:28:01 · 자료 근거 정정 있음

황등/항등 행렬 명칭 차이는 자료의 Identity matrix로 정리한다.

![[review/audio/2-1/clips/0042.m4a]]

근거 파일: [[review/audio/2-1/0042.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 대부분 나머지 값들은 의미없게 우선은 채워둔 거겠죠. 행렬의 사이즈를 이해하기 때문에 그런 건데 이 경우에 가운데 있는 1값들이 채워져 있거나 이랬을 때 우리가 황등 행렬이라고 부르기 때문에 됩니다. 이 황등 행렬에 대한 얘기를 했을 때는 행에 준하는 부분이 샘플이 되지는 않아요.

2차 전사:  이 값들은 의미없게 우선은 채워둔거고 행렬의 사이즈를 이해하기 때문에 그런건데 이 경우에 가운데 있는 일 값들이 채워져 있거나 이랬을 때 우리가 항등행렬이라고 부르게 됩니다 이 항등행렬에 대한 얘기를 했을 때는

**자료·검토에 따른 정정:** 항등행렬(identity matrix), I

근거: PDF17의 항등행렬I 제목과 대각1·나머지0 예시를 직접 보았다.

자료: 2.1_Linear_Algebra_(2) · 물리 페이지/슬라이드 17

[[pdf/2.1_Linear_Algebra_(2)/page-017.jpg|자료 화면 열기]]

## 2-1 창 0043 · 00:28:21–00:28:31 · 중요한 의미 차이 미발견

상삼각은 아래0, 하삼각은 위0이라는 방향이 두 출력에서 유지된다. 두 출력의 중요차이가 없다는 판정이며 발화·내용의 정확성 확정은 아니다.

![[review/audio/2-1/clips/0043.m4a]]

근거 파일: [[review/audio/2-1/0043.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 또 삼각 행렬 측면에서는 한쪽은 다 0이고 한쪽은 값이 채워져 있는 경우 upper triangular 매트릭스 또는 반대라면 아래쪽에 값이 채워져 있고 위쪽이 0이라면 lower triangular 매트릭스에 대한 행렬 값으로 이해할 수가 있습니다.

2차 전사:  한쪽은 다 0이고 한쪽은 값이 채워져 있는 경우 Upper Triangular Matrix 또는 반대라면 아래쪽에 값이 채워져 있고 위쪽이 0이라면 Lower Triangular Matrix에 대한

## 2-1 창 0044 · 00:28:59–00:29:17 · 학습 보류

삼각/대칭 구조를 이용한 계산 비용 절감과 영행렬 설명은 같다. 두 구조의 엄밀한 관계를 확인한 것은 아니다. 두 출력의 핵심 용어가 함께 손상되었거나 수학적 일반화가 불명확하므로 원음 확인 없이 정확성을 인정하지 않는다.

![[review/audio/2-1/clips/0044.m4a]]

근거 파일: [[review/audio/2-1/0044.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 한쪽으로의 정보만 가지고 있다면 변수들 간의 상관성을 충분히 설명할 수 있게끔 됩니다. 그래서 이렇게 좀 시메트릭한 구조에 대한 트로양글러 타입이 된다면 우리가 이제 이런 트로양글러 매트릭스를 이용해서 간단하게 컴퓨터션 퍼스트를 좀 낮추는 방향으로 활용할 수가 있어요. 또 0행렬은 이제 이 사이즈가 어떻게든 간에 이렇게 0으로 다 채워져 있다면

2차 전사:  충분히 설명할 수가 있게 됩니다. 그래서 이렇게 좀 시메트릭한 구조에 대한 트로앵글러 타입이 된다면 우리가 이제 이런 트로앵글러 매트릭스를 이용해서 간단하게 컴퓨터리션 퍼스트를 좀 낮춘 방향으로 활용할 수가 있어요. 또 0 행렬은 이제 이 사이즈가 어떻게 됐든

## 2-1 창 0045 · 00:30:46–00:31:00 · 중요한 의미 차이 미발견

상수 k를 곱한 행렬의 전치에서 상수 위치를 바꿀 수 있다는 뜻은 같다. 두 출력의 중요차이가 없다는 판정이며 발화·내용의 정확성 확정은 아니다.

![[review/audio/2-1/clips/0045.m4a]]

근거 파일: [[review/audio/2-1/0045.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 되어 있으면 이건 이제 numerical 어떤 값이 될 거예요. 컨스턴트 보통 얘기를 하죠. 값이 되었을 때 실제 이거를 A라는 매트릭스에다가 곱해서 쓸 때 이제 트랜스포즈가 되면은 어떻게 되냐면 K가 안쪽으로 가도 무방하다. 이게 또

2차 전사:  이건 numerical 값이 될거에요. constant 이렇게 보통 얘기를 하죠 상수 값이 되었을 때 실제 이거를 a라는 matrix에다가 곱해줬을 때 이 transpose가 되면 어떻게 되냐면 k가 안쪽으로 가도

## 2-1 창 0046 · 00:31:24–00:31:34 · 중요한 의미 차이 미발견

곱의 전치는 B전치 A전치 순서라는 내용이 같으며 부수 발음 표기만 다르다. 두 출력의 중요차이가 없다는 판정이며 발화·내용의 정확성 확정은 아니다.

![[review/audio/2-1/clips/0046.m4a]]

근거 파일: [[review/audio/2-1/0046.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 이때 b와 a를 곱하는 것과 동일한 방식이 됩니다. 그래서 b transpose, a transpose가 a, b를 엔스플레이션 한 이후에 transpose 항구와 동일하게 된다는 이 프로퍼리를

2차 전사:  a를 곱하는 것과 동일한 방식이 됩니다. 그래서 b-transpose, a-transpose가 a, b를 엔스플레이션한 이후의 트랜스포스 암호와 동일하게 된다는 이 프로퍼리즘을

## 2-1 창 0047 · 00:31:42–00:31:50 · 자료 근거 정정 있음

덧셈·뺄셈은 원소별이며 스칼라곱으로 설명을 전환한다는 뜻이 같다.

![[review/audio/2-1/clips/0047.m4a]]

근거 파일: [[review/audio/2-1/0047.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): a와 b라는 매트로스가 있어. 더하기 빼기 하면 어떻게 된다? 엘리그먼트 바이자하게 그냥 진행하면 됩니다. 하지만 하지만이 아니라 스칼라 곱하면 어떻게 되죠?

2차 전사:  a와 b라는 매트로스가 있어 더하기 빼기하면 어떻게 된다 엘리베이터 바이저하게 그냥 진행하면 됩니다 하지만 하지만이 아니라 너 스카락 곱하면 어떻게 되죠?

**자료·검토에 따른 정정:** 행렬덧셈·뺄셈은같은위치의원소별(element-wise)연산

근거: PDF19 A+B식에서(2+3),(1+1),(0+2),(3+3)같은자리끼리더하는계산을 시각확인했다.

자료: 2.1_Linear_Algebra_(2) · 물리 페이지/슬라이드 19

[[pdf/2.1_Linear_Algebra_(2)/page-019.jpg|자료 화면 열기]]

## 2-1 창 0048 · 00:32:19–00:32:27 · 중요한 의미 차이 미발견

AB가1×1이며 BA와 구분한다는 차원이 양쪽에서 같다. 두 출력의 중요차이가 없다는 판정이며 발화·내용의 정확성 확정은 아니다.

![[review/audio/2-1/clips/0048.m4a]]

근거 파일: [[review/audio/2-1/0048.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 멀티플리케이션 한다. 라고 한다면 어떻게 나오죠? 1x1짜리가 나온 거예요. 하지만 이때 ab를 하지 않고 ba를 해버려. 그러면 어떻게 되죠?

2차 전사:  multiplication 한다라고 한다면 어떻게 나오죠? 1 by 1 자리가 나온 거예요. 하지만 이때 ab를 하지 않고 ba를 해버려요.

## 2-1 창 0049 · 00:32:44–00:32:53 · 자료 근거 정정 있음

BA의 n×1·1×n 순서가 중복되거나 잘려 자료의 행렬 크기로 보정한다.

![[review/audio/2-1/clips/0049.m4a]]

근거 파일: [[review/audio/2-1/0049.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 스칼라 값 하나로 튀어나오고 ba는 n by 1에 1 by n을 한 게 아니라 n by 1에 1 by n을 한 거기 때문에

2차 전사:  하나로 튀어나오고 b,a는 n by 1에 1 by n을 한 게 아니라 1 by n 아 n by

**자료·검토에 따른 정정:** A가1×n, B가n×1이면 AB는1×1이고 BA는n×n이다.

근거: PDF20의 A행벡터(1×n), B열벡터(n×1) 파란 크기표시 및 영상1956초 frame00112의 BA=n×n 필기를 시각 확인했다.

자료: 2.1_Linear_Algebra_(2) · 물리 페이지/슬라이드 20

[[pdf/2.1_Linear_Algebra_(2)/page-020.jpg|자료 화면 열기]]

## 2-1 창 0050 · 00:32:59–00:33:17 · 자료 근거 정정 있음

3×2와2×1의 결과를 원전사는 누락하고 재인식은3×1로 추가하여 실제 곱셈 예제로 확인한다.

![[review/audio/2-1/clips/0050.m4a]]

근거 파일: [[review/audio/2-1/0050.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 이 경우에는 우리가 n by n자리에 매트리스가 튀어나오니까 사실은 이제 어떤 숫자 값으로 스펠말로 나오지 않는가 라는 정도만 이해하시면 될 것 같아요. 생렬의 구분에 대한 부분들을 다음과 같이 예시를 된다면 n은 어떻게 생겨먹었죠? 3 by 2자리구요. b는 어떻게 했죠? 2 by 1자리에 그러면 뭐가 튀어나온다고? 튀어나와야겠죠. 그렇죠.

2차 전사:  그러니까 사실은 이제 어떤 숫자 값으로 스팔라 값으로 나오지 않는가 라는 정도만 이해하시면 될 것 같아요. 자, 행렬의 구분에 대한 부분들을 다음과 같이 예시를 든다면 n이 어떻게 생겨나갔죠? 3x2짜리고요. b는 어떻게 했죠? 2x1짜리. 그럼 뭐가 튀어나온다고? 3x1짜리가 튀어나와야겠죠. 그렇죠.

**자료·검토에 따른 정정:** (3×2)·(2×1)의 결과는3×1

근거: PDF21 A의3행2열과 B의2행1열 및 AB 답란을 실제 이미지에서 확인했다. 행렬곱 크기는 AI 수학 계산이다.

자료: 2.1_Linear_Algebra_(2) · 물리 페이지/슬라이드 21

[[pdf/2.1_Linear_Algebra_(2)/page-021.jpg|자료 화면 열기]]

## 2-1 창 0051 · 00:33:22–00:33:29 · 자료 근거 정정 있음

괄호가 사라져 ABC와ABC를 같다고만 인식하므로 결합법칙 표기로 정리한다.

![[review/audio/2-1/clips/0051.m4a]]

근거 파일: [[review/audio/2-1/0051.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 여러분 다 알고 있으니까 빠르게 좀 넘어갈게요. A, B, C 는 A, B, C와 동일하고요.

2차 전사:  여러분 다 알고 있으니까 빠르게 좀 넘어갈게요. ABC는 ABC와 동일하고요.

**자료·검토에 따른 정정:** A(BC)=(AB)C(곱이 정의되는 경우)

근거: PDF21 실제 이미지의 첫 행렬곱 성질 A(bc)=(Ab)c에서 괄호와 순서를 확인했다.

자료: 2.1_Linear_Algebra_(2) · 물리 페이지/슬라이드 21

[[pdf/2.1_Linear_Algebra_(2)/page-021.jpg|자료 화면 열기]]

## 2-1 창 0052 · 00:33:43–00:33:55 · 자료 근거 정정 있음

A(B−C)의 분배 내용이 원전사에서 손상되어 실제 표시된 분배법칙으로 정리한다.

![[review/audio/2-1/clips/0052.m4a]]

근거 파일: [[review/audio/2-1/0052.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 자 그리고 A라는 즉, 마이너스 C랑 매출을 제가 이렇게 곱하기 바로 B와 C에 대한 차이값 A에서 곱하는 게 된다면 이거는 우리가 하나씩 나눠주는 방식으로 이렇게 예산해도 동일하고요.

2차 전사:  그리고 a라는 매트릭스와 b라는 매트릭스 마이너스 c라는 매트릭스 곱하기 b와 c에 대한 차이값 a에서 곱하는게 된다면 이거는 우리가 하나씩 나눠주는 방식으로

**자료·검토에 따른 정정:** A(B−C)=AB−AC

근거: PDF21에 표시된 A(B−C)=AB−AC를 이미지에서 확인했다.

자료: 2.1_Linear_Algebra_(2) · 물리 페이지/슬라이드 21

[[pdf/2.1_Linear_Algebra_(2)/page-021.jpg|자료 화면 열기]]

## 2-1 창 0053 · 00:34:16–00:34:31 · 학습 보류

스칼라 위치와 A,B,C 순서가 손상되어 무엇과 무엇이 같다는 주장인지 단일 식으로 복원하기 어렵다.

![[review/audio/2-1/clips/0053.m4a]]

근거 파일: [[review/audio/2-1/0053.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 모양이 동일하다 하더라도 그 값은 다를 수가 있습니다. 그렇기 때문에 이 스칼라 값이 어느 값이 먼저 계산이 되더라도 사실 상관이 없다. 이 사이에 A가 들어가도 상관이 없다 부분. 왜냐하면 이 A 플러스 B와 A, B, C 이것도 다 동일하다고 보시면 됩니다.

2차 전사:  이라도 안 들어서도 값은 다를 수가 있어요. 그렇기 때문에 이 Scalar 값이 어느 값이 먼저 계산이 되더라도 사실 상관이 없다. 이 사이에 a가 들어가도 상관이 없다 부분. 왜냐하면 이 a 플러스 b와

## 2-1 창 0054 · 00:35:06–00:35:24 · 중요한 의미 차이 미발견

B전치 A전치라는 순서는 같고 곱 먼저/괄호 필요 설명도 유지된다. 두 출력의 중요차이가 없다는 판정이며 발화·내용의 정확성 확정은 아니다.

![[review/audio/2-1/clips/0054.m4a]]

근거 파일: [[review/audio/2-1/0054.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 자, 이거는 어떻게 동일할까요? 실제 B-Transpose하고 A-Transpose하고 한 거와 동일하다 보시면 될 것 같아요 이 K를 곱한 이후에 실제 이걸 좀 더 설명을 해야겠는데 사실상 이거 가로가 있어야 합니다 그래서 A, B가 Multiplation 먼저 된 다음에 Transpose 했다면 이거와 동일한 거죠

2차 전사:  어떻게 동일할까요? 실제 B 트랜스포즈하고 A 트랜스포즈하고 한 것과 동일하다고 보시면 될 것 같아요. 이 K를 곱한 이후에 실제 이걸 좀 더 설명을 해야겠는데 사실상 이거 가로가 있어야 합니다. 그래서

## 2-1 창 0055 · 00:35:37–00:36:46 · 학습 보류

상수 전치 항의 l/A 차이와 선형방정식 실성/실수 손상 때문에 정확한 식·기호는 재청취가 필요하다.

![[review/audio/2-1/clips/0055.m4a]]

근거 파일: [[review/audio/2-1/0055.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 이거였다면 이거는 이거는 같다고 얘기하지 않습니다. 이건 전체형에 대한 곱창 법칙이 아니에요. 그렇죠? 이건 끊인 거고요. 또 이제 k를 숫자값 어떤 펀스턴트를 a에다가 곱해준 다음에 트랜스포즈 할 때와 그러지 않았을 때 이라고 해봤을 때 트랜스포즈를 하게 되면 어떻게 된다? k를 갖다가 갖다 주고 꺼낸 다음에 l-transpose를 하고 그 다음에 k를 곱해도 사실 동일하게 됩니다. 자, 그 다음 선형 방정식에 관련된 설명드릴게요. 선형 방정식은 다음과 같이 1차 방정식을 기준으로서 우선 설명을 전달합니다. 우리가 지금 선형 대수를 얘기하고 있기 때문에 이런 선형적인 조합에 의해서 우리가 찾고자 하는 각 값을 에 대해서 개수를 a1, a2, ~~에서 a n번째 변수에 대한 각각의 개수를 각각에 대한 x에 곱돼주고요. 이걸 전부 다 서형적인 조합을 이용해서 그 값이 실성으로 떨어지는 것들이 선형 1차 방정식이라고 합니다. 자, 이거를 우리가 어떤 샘플 개념으로 좀 본다면 어떤 홍길동이라는 사람이 있었을 때

2차 전사:  이거는 같다고 얘기하지 않습니다. 이건 전체 행렬에 대한 곱셈 법칙이 아니에요. 그렇죠? 이건 틀린 거고요. 또 이제 k를 숫자가 어떤 컨스턴트를 a에다가 곱해준 다음에 트랜스포즈 할 때와 그러지 않았을 때 이라고 해봤을 때 트랜스포즈를 하게 되면 어떻게 된다? k를 갖다가 갖다 주고 끊은 다음에 a 트랜스포즈를 하고 그 다음에 k를 곱해도 사실 동일하게 끊는다. 자, 다음 선형 방정식에 관련된 설명 드릴게요. 선형 방정식은 다음과 같이 1차 방정식을 기준으로 우선 설명을 전달합니다. 우리가 지금 선형 대수를 얘기하고 있기 때문에 이런 선형적인 조합에 의해서 우리가 찾고자 하는 변수 각 값에 대해서 개수를 a1, a2, ...에서 an번째 변수에 대한 각각의 개수를 각각에 대한 x에다가 곱해주고요. 이걸 전부 다 선형적인 조합을 이용해서 그 값이 실성으로 떨어지는 것들이 선형 1차 방정식이라고 얘기합니다. 자 이거를 우리가

## 2-1 창 0056 · 00:37:03–00:37:14 · 중요한 의미 차이 미발견

조끼 착용 여부를 변수로 삼고 파라미터로 이어진다는 내용은 같다. 두 출력의 중요차이가 없다는 판정이며 발화·내용의 정확성 확정은 아니다.

![[review/audio/2-1/clips/0056.m4a]]

근거 파일: [[review/audio/2-1/0056.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 조끼를 입었어 안 입었어 같은 경우에 대한 변수들로 홍길동이라는 사람을 표시할 수 있게 있죠 자 이때 우리가 알고 싶은 파라미터라고 얘기하는

2차 전사:  뭐, 어, 조끼를 입었어 안 입었어 기타 등등에 대한 변수들로 홍길동이라는 사람을 표시할 수가 있게 있죠 자, 이때 우리가 알고 싶은 파라미터가

## 2-1 창 0057 · 00:37:28–00:37:36 · 자료 근거 정정 있음

실수값/numerical을 실습값 등으로 인식하여 자료의 실수 계수 설명으로 보정한다.

![[review/audio/2-1/clips/0057.m4a]]

근거 파일: [[review/audio/2-1/0057.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 이거를 실제 선형방정신계에서 봤을 땐 주어져 있는 값에서 실수값으로 우리가 표시를 하고 어떤 유미컬한 정보로 변경되어 있겠죠.

2차 전사:  그래서 봤을 때 주어져 있는 값에서 실습값으로 표시를 하고 어떤 유미컬한 정보로

**자료·검토에 따른 정정:** 계수 a1,…,an,b는 실수이고 x1,…,xn은 변수

근거: PDF24에서 계수의 실수 조건과 변수 라벨을 실제 이미지에서 확인했다.

자료: 2.1_Linear_Algebra_(2) · 물리 페이지/슬라이드 24

[[pdf/2.1_Linear_Algebra_(2)/page-024.jpg|자료 화면 열기]]

## 2-1 창 0058 · 00:37:53–00:38:04 · 중요한 의미 차이 미발견

여러 방정식으로 연립시스템을 이룬다는 내용은 같다. 두 출력의 중요차이가 없다는 판정이며 발화·내용의 정확성 확정은 아니다.

![[review/audio/2-1/clips/0058.m4a]]

근거 파일: [[review/audio/2-1/0058.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 여러가지 식으로 구성이 되겠죠? 그렇게 식으로 구성되면 우리가 여러개의 연립선형 방정식에 해당되는 구성으로 볼 수 있는 거예요. 가장 간단한 하나의 방정식으로 본다면 이렇게 선형일체

2차 전사:  식으로 구성이 되겠죠? 그렇게 식으로 구성되면 우리가 여러 개의 연립선형 방정식에 해당되는 구성으로 구성되고요. 가장 간단한 하나의 방정식으로 본다면

## 2-1 창 0059 · 00:38:46–00:38:56 · 학습 보류

x1의 제곱/루트 여부가 서로 잘려있고 비선형 예제의 무엇을 지칭하는지 확정하기 어렵다.

![[review/audio/2-1/clips/0059.m4a]]

근거 파일: [[review/audio/2-1/0059.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 이런 식이라면 x1, x2, x3에 대한 변수에 대한 차수가 1차수입니다. 지금 보면 이건 x3가 표시가 되어 있어요. x1도 제곱이랄지 루트라고 이런 것들이 씌워져 있는 게 아닌가.

2차 전사:  차수가 1차수입니다. 위에는 사실상 지금 보면 어? 이건 x3가 표시가 되어 있어요. 그렇죠? x1도 제곱이라...

## 2-1 창 0060 · 00:39:02–00:39:17 · 중요한 의미 차이 미발견

두 번째 예제의2배 계수와6은 두 출력이 같으며 식이 선형이라는 결론도 같다. 두 출력의 중요차이가 없다는 판정이며 발화·내용의 정확성 확정은 아니다.

![[review/audio/2-1/clips/0060.m4a]]

근거 파일: [[review/audio/2-1/0060.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 이거는 1차 선형 방정식이 맞습니다. 그리고 두 번째, 이게 이렇게 구성되어 있어요. 보니까 복잡한 게 들어가 있네요. 하지만 그럼에도 불구하고 이거는 그냥 상수항이 되어 보입니다. 2는 그냥 위에 곱하면 6이 되겠죠.

2차 전사:  선형 방정식이 맞습니다. 그쵸? 자, 그리고 두번째. 이게 이렇게 구성되어 있어요. 보니까 복잡한게 들어가 있네요. 하지만 그러면서 뭐하고? 이거는 그냥 상수항이 되어버립니다. 2는 그냥 위에 곱하면 6이 되겠죠.

## 2-1 창 0061 · 00:39:46–00:40:00 · 중요한 의미 차이 미발견

루트x2를 포함한 식은 선형이 아니라는 부정이 두 출력에서 유지된다. 두 출력의 중요차이가 없다는 판정이며 발화·내용의 정확성 확정은 아니다.

![[review/audio/2-1/clips/0061.m4a]]

근거 파일: [[review/audio/2-1/0061.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 이 식은 누가 봐도 앞에 2, 3, 2 이렇게 있지만 이걸 이쪽으로 넘기면 마이너스 3 루트 x2는 2가 되기 때문에 이거 봤을 때 이거는 선형 1차 방지역시처럼 생겼죠. 생겼을까요? 그러지 않습니다.

2차 전사:  누가 봐도 앞에 2, 3, 2 이렇게 있지만 이걸 이쪽으로 넘기면 마이너스 3 루트 x2는 2가 되기 때문에 여기가 봤을 때 이거는 선형일체 방지역시처럼 생겼죠 생겼을까요? 그렇지 않습니다

## 2-1 창 0062 · 00:40:14–00:40:25 · 자료 근거 정정 있음

sin x2 예제를2차방정식으로 인식한 공통 오류가 있어 제공 식의 비선형성을 기준으로 정리한다.

![[review/audio/2-1/clips/0062.m4a]]

근거 파일: [[review/audio/2-1/0062.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 그러면 이것도 우리가 피터형적인 차수를 가지고 있다. 이런 것들이 있기 때문에 실제 x3와 x2x1을 기준으로 해서 이거는 전형 2차 방정식입니다.

2차 전사:  이것도 우리가 이제 피터형적인 차수를 가지고 있다고 볼 수가 있기 때문에 실제 x3와 x2, x1을 기준으로 해서 이거는 전형 2차 방정식입니다.

**자료·검토에 따른 정정:** x3−sin(x2)=x1은 비선형 방정식이며 다항식2차방정식이라고 부를 수 없다.

근거: PDF25 실제 이미지의 마지막 식 x3−sin x2=x1을 확인했다. sin항을 포함하므로 다항식 차수2로 일반화하지 않는 AI 수학 정리다.

자료: 2.1_Linear_Algebra_(2) · 물리 페이지/슬라이드 25

[[pdf/2.1_Linear_Algebra_(2)/page-025.jpg|자료 화면 열기]]

## 2-1 창 0063 · 00:40:49–00:40:58 · 자료 근거 정정 있음

두 출력 모두 m×1이라고 하나 해당 화면은 n개 원소이므로 표시된 변수 벡터 크기로 정리한다.

![[review/audio/2-1/clips/0063.m4a]]

근거 파일: [[review/audio/2-1/0063.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 지금 x는 그러면 x부터 따지면 이 매트릭스는 어떻게 되어있죠? m by 1자리 크기를 가지고 있는 행렬값이 될 수가 있어요. a는 어떻게 되죠? 이것도 m by 1자리에요.

2차 전사:  x부터 따지면 이 matrix는 어떻게 되어있죠? m by 1 자리 크기를 가지고 있는 행렬 값이 될 수가 있어요. a는 어떻게 되죠? 이것도 m by 1 자리 크기입니다.

**자료·검토에 따른 정정:** 표시된 한 식의 X=(x1,…,xn)ᵀ와 a=(a1,…,an)ᵀ는 n×1

근거: PDF26 실제 이미지에서 a와X 모두 마지막 원소첨자가 n인 열벡터임을 확인했다.

자료: 2.1_Linear_Algebra_(2) · 물리 페이지/슬라이드 26

[[pdf/2.1_Linear_Algebra_(2)/page-026.jpg|자료 화면 열기]]

## 2-1 창 0064 · 00:41:40–00:41:50 · 중요한 의미 차이 미발견

여러x와 계수를 간단히 쓴다는 설명은 같고 끝 문장이 경계에서 잘린다. 두 출력의 중요차이가 없다는 판정이며 발화·내용의 정확성 확정은 아니다.

![[review/audio/2-1/clips/0064.m4a]]

근거 파일: [[review/audio/2-1/0064.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 이거를 x들에 대한 차수를 벌려서 쓰지 않고 이렇게 땡땡땡 이런 것을 쓰지 않고 간단하게 우리가 이렇게 표기를 한다면 여러 개의 x들이 존재할 수 있고 여러 개의 x항마다의 개수가 존재할 수 있겠구나라고 이해할 수 있겠습니다.

2차 전사:  이거를 x들에 대한 차수를 벌려서 쓰지 않고 뭐 이렇게 땡땡땡 이런 것을 쓰지 않고 간단하게 우리가 이렇게 표기를 한다면 아, 여러 개의 x들이 존재할 수 있고

## 2-1 창 0065 · 00:42:46–00:42:58 · 자료 근거 정정 있음

b의 M×1 대 n×n/n×1 차이는 m개 방정식의 우변 벡터로 확인한다.

![[review/audio/2-1/clips/0065.m4a]]

근거 파일: [[review/audio/2-1/0065.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 우선 가장 간단한 거 B부터 볼까요? 이거는 그냥 M by 1짜리 행렬로 만들면 될 것 같아요. 그렇죠? 이거 그대로 거주하면 될 것 같아요. 자, 그리고 X를 한번 볼까요?

2차 전사:  가장 간단한 거 b부터 볼까요 이거는 그냥 n by n짜리 행 n by 1짜리 행렬로 만들면 될 것 같아요 그렇죠? 이거 그대로 거주하면 될 것 같아요 자 그리고 x

**자료·검토에 따른 정정:** m개 식의 우변 b=(b1,…,bm)ᵀ는 m×1

근거: PDF27의 m개 식과 영상2733초 frame00157의 공개된 b 마지막 bm을 시각 확인했다. PDF28 답란은 가려져 있어 영상과 구분했다.

자료: 2.1_Linear_Algebra_(2) · 물리 페이지/슬라이드 28

[[pdf/2.1_Linear_Algebra_(2)/page-028.jpg|자료 화면 열기]]

## 2-1 창 0066 · 00:43:14–00:43:23 · 중요한 의미 차이 미발견

X의 x1…xn와 계수a11,a12로 이동하는 내용이 같으며 창 경계 때문에 열거 일부가 없다. 두 출력의 중요차이가 없다는 판정이며 발화·내용의 정확성 확정은 아니다.

![[review/audio/2-1/clips/0066.m4a]]

근거 파일: [[review/audio/2-1/0066.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 그렇다면 우리가 앞에서 썼던 대로 x1부터 xn에 준하는 대로 작성합니다 그럼 그게 x라는 대로 자 a를 한번 볼까요? a는 어떻게 구성되어 있어야 될까요? 이 식을 그대로 본다면 우리가 a11 그리고 a12

2차 전사:  작성하면 되겠죠. 그럼 그게 A를 한번 볼까요? A는 어떻게 구성되어 있어야 될까요?

## 2-1 창 0067 · 00:44:23–00:44:38 · 자료 근거 정정 있음

X의 m×1 대 n×1은 의미 차이이며 실제 X열벡터의 n개 원소로 보정한다.

![[review/audio/2-1/clips/0067.m4a]]

근거 파일: [[review/audio/2-1/0067.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 이 열이 총 몇 개죠? m개가 되겠죠. m by m 매트리스가 되는 거예요. 자 그러면 우리가 a 자체는 m by m 매트리스고요. x는 m by 1 매트리스예요. 여기서 가져왔죠? 이걸 가지고 우리가 몇 개의 b를 만들어야 되냐면

2차 전사:  총 몇 개죠? m개가 되겠죠. m by m 매트리스가 되는 거예요. 자 그러면 우리가 a 자체는 m by m 매트리스고요. x는 n by 1 매트리스예요. 여기서 가져왔죠? 이걸 가지고 우리가

**자료·검토에 따른 정정:** X=(x1,…,xn)ᵀ는 n×1; b는m×1

근거: 영상2733초 frame00157에서 X 마지막xn, b 마지막bm을 직접 확인했다. a의 전치/인덱스 오류는 source_issues ALG-SYSTEM-MATRIX-NOTATION 참조.

자료: 2.1_Linear_Algebra_(2) · 물리 페이지/슬라이드 28

[[pdf/2.1_Linear_Algebra_(2)/page-028.jpg|자료 화면 열기]]

## 2-1 창 0068 · 00:44:46–00:44:59 · 중요한 의미 차이 미발견

b가 m×1이라는 숫자와 행렬곱 조건을 따진다는 뜻은 같다. 두 출력의 중요차이가 없다는 판정이며 발화·내용의 정확성 확정은 아니다.

![[review/audio/2-1/clips/0068.m4a]]

근거 파일: [[review/audio/2-1/0068.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): bm까지를 만들어야 돼요. 그러면 이건 어떻게 되냐면 m by 1자리 매트릭스. m by 1자리 매트릭스를 만들어야 돼요. 그러면 이거를 가지고 멀티플리케이션 해서 이걸 어떻게 만들 수 있을까요? 이건 멀티플리케이션이 지금 되는 조건이 아니에요.

2차 전사:  m까지를 만들어야 돼요. 그러면 이건 어떻게 되냐면 m by 1짜리 매트릭스. m by 1짜리 매트릭스를 만들어야 돼요. 자 그쵸? 그럼 이거를 가지고 멀티플리케이션 해서 이걸 어떻게 만들 수 있을까요? 이건 멀티플리케이션

## 2-1 창 0069 · 00:45:02–00:45:10 · 중요한 의미 차이 미발견

m×n과 n×1 곱셈을 설명한다는 뜻은 같으나 m의 앞부분이 잘린다. 두 출력의 중요차이가 없다는 판정이며 발화·내용의 정확성 확정은 아니다.

![[review/audio/2-1/clips/0069.m4a]]

근거 파일: [[review/audio/2-1/0069.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): m by n으로 만든 다음에 n 곱하기 1이면 어? 그러면 이걸 만들 수 있겠지. 이렇게 할 수가 있겠죠. a를 트랜스포즈 했을 때

2차 전사:  파이 n으로 만든 다음에 n 곱하기 1이면 어? 그러면 이걸 만들 수 있겠네요. 알 수가 있겠죠. a를 트랜스포즈

## 2-1 창 0070 · 00:45:16–00:45:36 · 학습 보류

a21/aq1 표기가 달라 인덱스는 실제 계수 배열로 확인해야 한다. 영상 답 자체의 오류도 있어 미확정으로 둔다.

![[review/audio/2-1/clips/0070.m4a]]

근거 파일: [[review/audio/2-1/0070.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 그대로 유지할 수가 있다는 겁니다. 이런 식으로 표시가 있을 수가 있겠고요. 아까 얘기했었던 대로 A11, A12, A21 같은 등등등등 해서 그 부분들을 위쪽에다가 표시를 해두면 다시 앞에서 얘기했던 대로 이 부분이 앞에 있는 방식이고요.

2차 전사:  할 수가 있다는 겁니다. 그래서 a는 이런 식으로 표시가 할 수가 있을 거고요. 아까 얘기했었던 대로 a11, a12 aq1 등등등 해서 그 부분들을 위쪽에다가 이렇게 표시를 해두면 어? 다시 앞에서 얘기했던 대로 이 부분이 앞에 있는 방식이고요.

## 2-1 창 0071 · 00:45:46–00:45:54 · 중요한 의미 차이 미발견

A전치가 아니라 A라는 부정과 이후 전치 질문은 양쪽에서 동일하다. 두 출력의 중요차이가 없다는 판정이며 발화·내용의 정확성 확정은 아니다.

![[review/audio/2-1/clips/0071.m4a]]

근거 파일: [[review/audio/2-1/0071.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): N개, 이쪽 총력계 N개, 그러니까 이거는 A transpose가 아니고 A구요. 이걸 A transpose로 하게 되면 어떻게 되는 거죠?

2차 전사:  이쪽이 총력계, n계. 그러니까 이거는 A고요. A 트랜스포즈가 아니고 A고요. 이걸 A 트랜스포즈로 하게 되면 어떻게 돼요?

## 2-1 창 0072 · 00:46:02–00:46:10 · 학습 보류

전치 전 N×N과 전치 뒤M×N이 원전사에서 혼재하고 재인식도 잘려 해당 차원 설명은 미확정이다.

![[review/audio/2-1/clips/0072.m4a]]

근거 파일: [[review/audio/2-1/0072.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): N 곱하기 N의 matrix였는데 A transpose로 하면 이 크기는 어떻게 되는 거죠? M 곱하기 N으로 바뀌는 거예요. 이렇게 되면 실제 X인 N 곱하기 1이 나옵니까

2차 전사:  그런데 a transpose라면 이 크기는 어떻게 되는 거죠? m 곱하기 n으로 그렇게 되면 그렇게 되면 실제 x인 n

## 2-1 창 0073 · 00:46:15–00:46:30 · 자료 근거 정정 있음

b를N×1이라고 하는 공통 손상은 m개 우변 배열에 맞추어 보정한다.

![[review/audio/2-1/clips/0073.m4a]]

근거 파일: [[review/audio/2-1/0073.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 우리는 N 곱하기 1의 매트릭스인 B매트릭스 이렇게 말했다면 우리가 선형 방정식에서 실제 이렇게 주인 것과 선형 연립 방정식에서 주인 것에 동일하게 구성할 수 있구나를 이해해 볼 수가 있을 거예요.

2차 전사:  1의 매트릭스인 B매트릭스입니다. 그렇다면 우리가 선형 방정식에서 실제 이렇게 주인과 선형 연립 방정식에서 주인의 동일하게 구성할 수 있구나를 이해해 볼 수가 있습니다.

**자료·검토에 따른 정정:** b=(b1,…,bm)ᵀ는 m×1

근거: 영상2733초 frame00157 및2773초 frame00159에 나타난 b 마지막bm과 위 m개 방정식을 시각 확인했다.

자료: 2.1_Linear_Algebra_(2) · 물리 페이지/슬라이드 28

[[pdf/2.1_Linear_Algebra_(2)/page-028.jpg|자료 화면 열기]]

## 2-1 창 0074 · 00:46:33–00:46:42 · 학습 보류

계수행렬을 전치 표기로 묶어 말한다는 핵심은 같으나 정확한 조사·지칭은 미확정이다.

![[review/audio/2-1/clips/0074.m4a]]

근거 파일: [[review/audio/2-1/0074.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 이거를 또 다른 식으로 표시한다면 다음과 같이 표시할 수 있겠습니다. 지금 이런 것은 A 트랜스포지와 밖에 없어요. 자 이랬을 때 우리가 두 가지 요건들을 또 얘기를 해볼 수가 있는데

2차 전사:  한다면 다음과 같이 표시할 수 있겠습니다. 지금 하는 것은 A 트랜스포션 밖에 없어요. 자, 이랬을 때 우리가 두 가지

## 2-1 창 0075 · 00:46:59–00:47:32 · 자료 근거 정정 있음

coefficient 용어가 양쪽에서 손상되었으며 변수에 곱하는 계수라는 자료 제목으로 보정한다.

![[review/audio/2-1/clips/0075.m4a]]

근거 파일: [[review/audio/2-1/0075.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 각각의 X 변수들의 얼마만큼 웨이트를 심어줄래? 라고 얘기하는 X 변수들 각각에 대한 개수행렬. 후이피탄트라고 얘기합니다. 산형 연립항정식의 가장 기본적인 식이 이거예요 라고 얘기했죠? x는 우리가 가지고 있는 변수들이에요. 각각의 샘플들의 값. 이거는 키 없고 몸무게였어. 사람이 홍길동 한 사람밖에 없어. 긴길동도 있고, 오백길동도 있고, 이길동도 있고, 모르잖아요. 그때마다 키와 몸무게와 여기 다 달라지겠죠. 이것들은 전부다. 샘플마다 다른 값들인구나. 그런데 앞에 있는 값은 뭐다? 해당되는 특정 값에 대해서 가중해주는

2차 전사:  기계 초기화, 호유피탄트라고 얘기합니다. 산형연료방정식의 산형방정식의 가장 기본적인 식이 이거요. 라고 얘기했죠. 밑에 x는 우리가 가지고 있는 변수들이에요. 아까의 샘플들의 값. 이거는 키였고, 몸무게였어. 사람이 홍길동 한사람 밖에 없어. 긴길동도 있고, 오브길동도 있고 이길동도 있고, 모르잖아요. 그때마다 키와 몸무게와 다 달라지겠죠. xn까지. 이것들은 전부 다 샘플마다 다른 값들이 있는 거야. 그런데 앞에 있는 값은 뭐다? 해당되는 특정 값에 대해서

**자료·검토에 따른 정정:** 계수행렬(coefficient matrix)

근거: PDF30 실제 이미지의 계수행렬(Coefficient matrix) 제목과 계수만 묶은 빨간 상자를 확인했다.

자료: 2.1_Linear_Algebra_(2) · 물리 페이지/슬라이드 30

[[pdf/2.1_Linear_Algebra_(2)/page-030.jpg|자료 화면 열기]]

## 2-1 창 0076 · 00:47:36–00:48:13 · 자료 근거 정정 있음

계수와 이후 학습할 파라미터를 구분한다는 내용은 같다. 전치 표기의 정확성까지 확인된 것은 아니다.

![[review/audio/2-1/clips/0076.m4a]]

근거 파일: [[review/audio/2-1/0076.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 배출하고 그러고 코에피션트라고 코에피션트라고 보기 가고요. 코에피션트라고 우선 보기 가고요. 우선은 나중에 가면 이게 우리가 학습해야 되는 대상인 파라미터라고 불리는 겁니다. 러닝을 배울 때 얘기하는 거고 지금 코에피션트라고 a들을 정리하고 있습니다. 각각의 x들에 대해서 곱해 주는 값, 가중하는 값, 자 그렇게 봤을 때 이렇게 모아서 A라는 매트릭스만 우리가 표시한다면 이거는 코에피션트 매트릭스예요. 뭘 표현하냐고 A 트랜스포지를 이렇게 보고요.

2차 전사:  coefficient라고 보기죠. 여기서 coefficient로 구성되어 있죠. 이거는 나중에 가면 이게 우리가 학습해야 되는 대상인 parameter라고 부르고 이건 이제 러닝을 배울 때 얘기하는 거고 지금 coefficient라고 a들을 정리해보겠습니다. 각각의 x들에 대해서 곱해주는 값, 가중하는 값. 자, 그렇게 했을 때, A라는 네틱스만 표시한다는 것은 코어피션트 네틱스입니다.

**자료·검토에 따른 정정:** 계수행렬(coefficient matrix);학습모형문맥에서는추정대상파라미터일수있음

근거: PDF30 Coefficient matrix제목과계수배열을 직접확인했다. 정확한전치지칭과실제발화는확정하지않는다.

자료: 2.1_Linear_Algebra_(2) · 물리 페이지/슬라이드 30

[[pdf/2.1_Linear_Algebra_(2)/page-030.jpg|자료 화면 열기]]

## 2-1 창 0077 · 00:48:42–00:48:51 · 자료 근거 정정 있음

계수와 상수항을 붙인 첨가행렬을 뜻하며 자료의 Augmented matrix로 명칭을 보정한다.

![[review/audio/2-1/clips/0077.m4a]]

근거 파일: [[review/audio/2-1/0077.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 선형 방정식의 개수에 대한 매트릭스와 상수항에 대한 매트릭스를 붙여놨다라고 해서 우리가 첨가 확렬이라고 합니다. 자 이때 또 개수에 대한 부분이

2차 전사:  상수항에 대한 매출수를 이렇게 붙여놨다라고 해서 우리가 첨가행렬이라고 자 이때

**자료·검토에 따른 정정:** 첨가행렬(augmented matrix)은 계수행렬 오른쪽에 상수항 열b를 붙인 행렬

근거: PDF30 아래 첨가행렬(Augmented matrix) 제목 및 b열 결합 그림을 직접 보았다.

자료: 2.1_Linear_Algebra_(2) · 물리 페이지/슬라이드 30

[[pdf/2.1_Linear_Algebra_(2)/page-030.jpg|자료 화면 열기]]

## 2-1 창 0078 · 00:49:11–00:49:19 · 중요한 의미 차이 미발견

b=0이면 동차 연립방정식이라는 조건이 양쪽에서 동일하다. 두 출력의 중요차이가 없다는 판정이며 발화·내용의 정확성 확정은 아니다.

![[review/audio/2-1/clips/0078.m4a]]

근거 파일: [[review/audio/2-1/0078.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 동차 연립방정식이라고 얘기합니다. 그래서 이제 엄밀히 한다면 A-transport X에는 B라고 얘기했을 때 B가 0이라서 B가 0이면 이렇게 되는 거죠.

2차 전사:  연립방정식이요. 그래서 이제 엄밀히 한다면 A 트랜스포스 X는 B라고 얘기했을 때 B가 0이라서 B가 0이면 이렇게 됩니다.

## 2-1 창 0079 · 00:49:28–00:49:44 · 중요한 의미 차이 미발견

보여준 두 직선 예제의 해가 하나라는 내용은 같다. 모든 두 방정식의 일반 주장으로 확정한 것은 아니다. 두 출력의 중요차이가 없다는 판정이며 발화·내용의 정확성 확정은 아니다.

![[review/audio/2-1/clips/0079.m4a]]

근거 파일: [[review/audio/2-1/0079.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 선형 연립방정식들을 여러 개를 우리가 교체하다 보면 값들에 대한 조합을 만족하는 어떤 어떤 함수를 찾아야 될 거야. 자, 그랬을 때 만약에 그게 선형 연립방정식이 두 가지였어. 해는 몇 개일까요? 해는 하나입니다. 요게 있죠. 그 값을 구하라고 하진 않을게요. 결국 필요한 건 없냐면 이건 유니크한 솔루션을 가지고 있을 수밖에 없다.

2차 전사:  여러 개를 우리가 교체하다 보면 그 모든 값들에 대한 조합을 만족하는 어떤 어떤 함수를 찾아야 될 거예요. 자 그랬을 때 만약에 그게 선형연료방정식이 두 가지였어 해는 몇 개일까요? 해는 하나입니다.

## 2-1 창 0080 · 00:50:28–00:50:36 · 자료 근거 정정 있음

무한해라는 결론이 같으며 마지막 무해 예제로 이동하는 말이 경계에서 잘린다.

![[review/audio/2-1/clips/0080.m4a]]

근거 파일: [[review/audio/2-1/0080.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 이 두 가지 조건들을 만들고 지키는 게 무한대입니다. 꽤 많은 해를 가지고 있다. 인피닉 솔루션을 가지고 있다라고 이제 알 수가 있겠죠. 자, 마지막 케이스에 이런 방식의 x1과 x2를 동일하게 뺐는데

2차 전사:  수위 많은 해를 가지고 있다. 인피니스 로션을 가지고 있다고 알 수가 있겠죠. 마지막 케이스예요.

**자료·검토에 따른 정정:** 무수한해(infinitely many solutions)

근거: PDF33같은두직선그림아래무수한해라벨을 실제이미지에서확인했다.

자료: 2.1_Linear_Algebra_(2) · 물리 페이지/슬라이드 33

[[pdf/2.1_Linear_Algebra_(2)/page-033.jpg|자료 화면 열기]]

## 2-1 창 0081 · 00:51:12–00:51:27 · 학습 보류

동치/등가와 무수한 해의 지칭이 손상되어 정확한 정의 문장은 미확정이다.

![[review/audio/2-1/clips/0081.m4a]]

근거 파일: [[review/audio/2-1/0081.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 두 선형 연립 방정식의 조건들을 충족시키는 걸 우리가 선형 시스템에서의 동치다. 성과이다. 라고 어두게 표현을 합니다. 가지고 있습니다. 자 예제를 한번 들어볼까요? 우리가 이제 이런 매트리스를 가지고 있어요. 이걸 가지고 개수의 행렬을 표시 한번 해보도록 합시다.

2차 전사:  우리가 성형 시스템에서의 동치다, 성과이다 라고 어두게 표현을 합니다. 부수한 해를 가지고 있습니다. 예제를 한번 들어볼까요? 우리가 이런 매트리스를 가지고 있어요. 이걸 가지고 개수의 행렬을 표시 한번 해보겠습니다.

## 2-1 창 0082 · 00:51:40–00:51:47 · 중요한 의미 차이 미발견

X가 x1,x2,x3이라는 원소 순서가 동일하다. 두 출력의 중요차이가 없다는 판정이며 발화·내용의 정확성 확정은 아니다.

![[review/audio/2-1/clips/0082.m4a]]

근거 파일: [[review/audio/2-1/0082.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 가장 쉬운 거는 X이기 때문에 X는 X1, X2 그 다음에 마지막에 X3이라고 써도 되고

2차 전사:  x는 x1, x2, x3이라고 써도 되고

## 2-1 창 0083 · 00:52:12–00:52:19 · 중요한 의미 차이 미발견

3,10,6 숫자 열거가 두 출력에 동일하며 질문의 끝부분만 경계에서 없다. 두 출력의 중요차이가 없다는 판정이며 발화·내용의 정확성 확정은 아니다.

![[review/audio/2-1/clips/0083.m4a]]

근거 파일: [[review/audio/2-1/0083.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 3 10 6 이렇게 채워야 될까요?

2차 전사:  3, 10, 6

## 2-1 창 0084 · 00:52:57–00:53:32 · 자료 근거 정정 있음

계수3,40,50 및10,20,2를 원전사가3,4,10,52와10,2,12로 바꾸어 실제 표시된 식으로 보정한다.

![[review/audio/2-1/clips/0084.m4a]]

근거 파일: [[review/audio/2-1/0084.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 결국은 3, 40, 50을 이렇게 쓰이고 싶은거에요. 왜냐하면 matrix multiplication을 하게 될 때 element ys 하기는 방식이 아니라 우리가 실제 이 행에 대한 주제품을 이용해서 그 다음에 열에 해당되는 부분을 곱하게 입고 되죠. 한 a transpose로 따진다면 다시 쓸게요. 3, 4, 10, 52를 뜨고요. 10, 2, 12가 되어야 되고요. 6, 8, 9가 되어야겠죠. 이렇게 해서 x를 곱하고 그게 80이 나오고

2차 전사:  40, 50을 이렇게 쓰이고 싶은 거예요. 왜냐하면 매트릭스 멀티플리케이션을 하게 될 때 element wise 하기는 방식이 아니라 우리가 실제 이 행에 대한 주제품을 이용해서 그 다음에 열의 해당되는 분을 곱하게 그래서 이거를 transpose 한 a transpose로 따진다면 다시 쓸게요. 3, 40, 50 이래를 따고요. 10, 20, 2가 되어야 되고 6, 8, 9가 되어야겠죠.

**자료·검토에 따른 정정:** 계수행은(3,40,50),(10,20,2),(6,8,9), 우변은(80,62,133)

근거: PDF34 위 세 방정식 및 영상3248초 frame00191의 공개 행렬을 시각 확인했다. PDF 답란이 가려진 부분은 영상 근거다.

자료: 2.1_Linear_Algebra_(2) · 물리 페이지/슬라이드 34

[[pdf/2.1_Linear_Algebra_(2)/page-034.jpg|자료 화면 열기]]

## 2-1 창 0085 · 00:53:40–00:53:51 · 학습 보류

6,8,9와x3를 양쪽 모두 심하게 손상시켜 원음의 정확한 숫자열은 자료만으로 확정할 수 없다.

![[review/audio/2-1/clips/0085.m4a]]

근거 파일: [[review/audio/2-1/0085.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 6, 8, 2, 6, 8, 9에 해당되는 개수를 X3에 해당해서 X33이 파운드로 가능합니다. 자, 그래서 다음과 같습니다으로 표시하면 될 거고요.

2차 전사:  6할 2 6할 9회에 대한 되는 기술 x 3 그래서 자 그래서

## 2-1 창 0086 · 00:54:03–00:54:10 · 자료 근거 정정 있음

상수항을 붙이는 Augmented Matrix라는 뜻이 원전사에서는 남고 재인식 명칭이 손상되어 화면으로 보정한다.

![[review/audio/2-1/clips/0086.m4a]]

근거 파일: [[review/audio/2-1/0086.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 그리고 바하고 실제 B에 대한 매트릭스를 채워 넣자 라고 얘기했죠. 이게 Augmented Matrix에 대한

2차 전사:  과하고, 제작비에 대한 매트릭스를 채워 넣자 라고 얘기했죠 이게 지금 어물틴트 매트릭스에 대한 매트릭스입니다

**자료·검토에 따른 정정:** 첨가행렬(augmented matrix), [C|b]

근거: 영상3248초 frame00191에서 첨가행렬표현 제목과 오른쪽 답란, 왼쪽 C·X=b 및 b=(80,62,133)을 시각 확인했다. PDF30의 첨가행렬 그림도 대조했다.

자료: 2.1_Linear_Algebra_(2) · 물리 페이지/슬라이드 34

[[pdf/2.1_Linear_Algebra_(2)/page-034.jpg|자료 화면 열기]]