자료검색

책소개

체계적인 학습 가이드로 라이브러리 너머의 원리를 이해한다!

이 책은 단순히 머신러닝의 알고리즘 사용법을 알려주는 것이 아니라 파이썬을 이용해 알고리즘을 처음부터 구현해봄으로써 알고리즘의 동작 원리를 이해하는 것을 목표로 한다. 따라서 현업에서 프레임워크나 라이브러리를 사용하면서 잊기 쉬운 머신러닝의 기초와 기반 구조를 이해할 수 있다. 또한 머신러닝 알고리즘을 설명하기에 앞서 머신러닝에 필수적인 수학의 기본기를 탄탄히 쌓아가기 때문에 머신러닝에 대한 응용과 문제해결 능력을 키우는 데 힘을 실어준다. 머신러닝을 속부터 깊게 알고 싶은 입문자나 원리는 정확히 모른 채 겉핥기로만 머신러닝을 활용하고 있는 실무자에게 추천하며, 이 책을 통해 머신러닝의 진정한 구조를 이해하고 머신러닝을 제대로 다룰 수 있게 되기를 바란다.

목차

Chapter 01 머신러닝 준비하기

_1 이 책의 목적
_2 이 책에서 다루지 않는 내용
__2.1 적절한 머신러닝 알고리즘을 선택하는 방법
__2.2 최적화한 구현의 소개
__2.3 딥러닝
_3 머신러닝의 기초
_4 파이썬 개발 환경 준비
__4.1 파이썬 버전
__4.2 아나콘다 가상 환경
__4.3 파이썬과 라이브러리 개별 설치
__4.4 예제 파일 다운로드

Chapter 02 파이썬 기초 살펴보기

_1 프로그램 실행 방법
__1.1 REPL
__1.2 주피터 노트북
_2 파이썬 기본 문법 살펴보기
__2.1 주석
_3 숫자와 문자열
_4 여러 줄 다루기
_5 제어 구조
_6 리스트, 딕셔너리, 세트
__6.1 리스트
__6.2 튜플
__6.3 시퀀스 타입
__6.4 딕셔너리
__6.5 세트
_7 함수 정의
_8 표준 라이브러리 이용
__8.1 클래스 정의
_9 모듈
__9.1 모듈 만들기
_10 파일 다루기
__10.1 pickle 모듈 이용
__10.2 기타 파일 형식
_11 예외 처리

Chapter 03 머신러닝에 필요한 수학

_1 머신러닝의 기초 수학 개념
__1.1 집합
__1.2 수열
__1.3 사상과 함수
_2 선형대수학
__2.1 벡터 기본
__2.2 벡터의 내적
__2.3 벡터의 기하학적 표현
__2.4 행렬의 기본
__2.5 행렬의 연산
__2.6 블록행렬의 계산
__2.7 역행렬과 연립방정식
__2.8 역행렬과 선형독립
__2.9 1차변환
__2.10 고윳값
__2.11 직교행렬
__2.12 대칭행렬
_3 미적분
__3.1 극한
__3.2 지수함수
__3.3 로그함수
__3.4 미분
__3.5 다항식의 미분
__3.6 곱과 몫의 미분과 고계도함수
__3.7 합성함수와 역함수의 미분
__3.8 지수함수와 로그함수의 미분
__3.9 지수의 미분
__3.10 함수의 증가·감소와 극대·극소
__3.11 부정적분
__3.12 정적분
__3.13 편미분과 기울기

Chapter 04 파이썬을 이용한 연산

_1 기본 연산
__1.1 실수 연산
__1.2 연산에서 발생하는 유의성의 손실
__1.3 수치의 범위 고려하기
_2 넘파이 기본
__2.1 넘파이의 배열
__2.2 2차원 배열
__2.3 배열의 데이터 속성 확인하기
__2.4 배열의 형태 변경
__2.5 기타 배열 관련 기능
__2.6 행렬 연결
_3 배열의 기본 연산
__3.1 브로드캐스팅
__3.2 배열끼리의 연산
_4 희소행렬
_5 넘파이와 사이파이를 이용한 선형대수학
_6 난수
__6.1 시드와 재현성
_7 데이터 시각화
__7.1 꺾은선 그래프
__7.2 산점도
__7.3 곡선 그래프
__7.4 다중 그래프
__7.5 히스토그램
__7.6 그래프 여러 개 그리기
__7.7 등고선
_8 수학적 최적화
__8.1 선형계획법
__8.2 2차계획법
__8.3 경사하강법
__8.4 뉴턴 방법
__8.5 라그랑주 곱셈자 방법
_9 통계
__9.1 통계의 기본
__9.2 정규분포와 확률밀도함수

Chapter 05 머신러닝 알고리즘

_1 준비
__1.1 입력 데이터
__1.2 용어
__1.3 인터페이스
_2 회귀
__2.1 원점을 지나는 직선을 이용한 근사
__2.2 일반 직선을 이용한 근사
__2.3 다차원 특징 벡터
__2.4 실제 데이터를 사용하는 예
__2.5 머신러닝 알고리즘의 평가
_3 릿지 회귀
__3.1 하이퍼 파라미터
_4 일반화와 과적합
__4.1 모델의 일반화 성능
__4.2 교차 검증
_5 라쏘 회귀
_6 로지스틱 회귀
_7 서포트 벡터 머신
__7.1 오차를 허용하는 분류
__7.2 커널 기법
_8 k-평균 알고리즘
_9 주성분 분석
__9.1 다차원 투영과 특잇값 분해
__9.2 주성분 분석 알고리즘

Chapter 06 참고 문헌과 자료

_1 수학
_2 파이썬
_3 머신러닝