# Mathematics
시그마 기본 공식과 성질
$\\displaystyle\\sum\_{k=1}^{n} k=\\frac{n(n+1)}{2}$$\\displaystyle\\sum\_{k=1}^{n} k^2=\\frac{n(n+1)(2n+1)}{6}$$\\displaystyle\\sum\_{k=1}^{n} k^3=\\
Hyperbolic representations and dimensionality reduction for single cell biology
Exploiting non-euclidean latent space of rich representation learning
Introduction to Visual SLAM From Theory to Practice (2)
지난 시간에 우리는 visual SLAM의 전반적인 프레임워크와 내용을 살펴보았다. 이번 강의에서는 visual SLAM의 가장 기초적인 이론을 다룬다. 바로 3D 공간에서 어떻게 강체의 움직임을 나타낼 것인지에 대한 내용이다.
Introduction to Visual SLAM From Theory to Practice (1)
이번 강의에서는 따라오는 챕터에서 다룰 내용들의 개요를 잡는 느낌으로 visual SLAM 시스템의 구조를 요약 설명할 것이다. 실습 파트에서는 환경 설정과 프로그램 개발에 대한 기초를 설명한다. 귀여운 "Hellow SLAM" 프로그램을 만들어보는 것으로 마무리!
Introduction to Visual SLAM From Theory to Practice (0)
SLAM이라는 분야가 워낙 여러 연구분야를 다 갖다붙인 합성물같은 특성을 가지다보니 단일 연구분야로서는 꽤 광범위한 배경지식을 요구한다. 그래서 SPARK Lab에서 공개한 SLAM 라이브러리인 Kimera를 처음 보았을 때 SLAM 라이브러리가 가질 수 있는 가장 알
코끼리를 냉장고에 넣는 방법?🐘
대수적으로 문제를 풀기 어려울 때나 상황이 잘 이해가 안 될 때 기하학적인 직관을 가지고 생각하면 생각보다 쉽게 이해가 되는 경우가 많다. 불행히도 차원이 높아지면 우리가 생각한 직관이 뒷통수를 때리기도 한다.또 이상한 말을 하는 거 같지만, 재밌는 상상을 해보면 재밌
Game Mathematics_Chapter 1. "Vector"
Intro >Game development에서 기본 지식(linear algebra, affine, physics) 없이 3D 빌드를 시작하면 많은 난관에 부딫힐 것입니다. 특히 Graphics API를 다룰 때 말이죠! 해당 post는 스스로의 기본을 다시 다지기
기초적인 대수🔢
앞으로 글을 쓰면서 필요할 거 같은 대수에 관한 내용을 간략하게 정리해보려고 한다.군(Group), 환(Ring), 체(Field), 가군(Module), 벡터공간(Vector Space), 대수(Algebra)의 정의에 대해 이야기하겠다.단, 수학에서 이름을 붙여 준
수학의 공리(axiom)
취미로 수학을 공부하는 것이였는데, 뭔가 점점 필요성, 유용함을 느끼게 되서 기록을 남겨보기로 했다. 그래서 틀린 게 있을 수도 있으니 무조건 믿진 말 것!(설마 아주 많진 않을 것이다.)원래는 내가 수학 공부할 때 가장 충격적이였던 것인 자연수, 정수의 개수가 같다를
Banach Fixed Point
https://medium.com/watcha/gnn-%EC%86%8C%EA%B0%9C-%EA%B8%B0%EC%B4%88%EB%B6%80%ED%84%B0-%EB%85%BC%EB%AC%B8%EA%B9%8C%EC%A7%80-96567b783479
Metric Space란
다음 조건을 만족하는 집합 $M$와 metric $d$ 한 쌍, $(M, d)$를 의미한다$d$는 $M$의 두개의 element를 받으면 임의의 실수를 내뱉는 함수이다$d: M \\times M \\Rightarrow \\mathbb{R}$ex) 유클리드 공간에서 (1
Resources for Vector Calculus
Textbook:Vector Calculus, ColleyAnalysis On Manifolds, Munkres
Resources for Statistics and Analysis
Web Resources:1\. COS511 (link)2\. Textbook:1\. Probabilistic Machine Learning, Murphy2\. Foundations of Machine Learning, Mohri
