본 강의는 기계 학습에 대한 이론적 지식을 확률, 통계, 최적화를 바탕으로 소개합니다. 이 과정에서 다양한 확률 이론 및 통계 방법론을 설명하며, 최적화 방법을 소개하고, Naive Bayes, Logistic Regression, Support Vector Machine, Neural Network, Hidden Markov Model, Gaussian Mixture Model, K-Means Model과 같은 다양한 모델을 활용하여 어떻게 기계 학습에 이론적 기초를 확인하는지 배울 수 있습니다.