머신 러닝 마스터 클래스 (기본기를 바로잡는 9가지 레슨)

머신 러닝 마스터 클래스 (기본기를 바로잡는 9가지 레슨)

$25.00
Description
애매하게 알고 있던 머신 러닝 핵심 개념,
9가지 레슨으로 명확하게 짚어 준다!
머신 러닝 도서나 실무에서 익숙하게 접하는 기본 개념과 기법들. 하지만 왜 사용하는지, 어떤 경우에 사용하는지 물어본다면 제대로 설명할 수 있을까? 《머신 러닝 마스터 클래스》는 머신 러닝에서 널리 쓰여 개발자들에게 익숙하지만 정확하게 알지 못하는 개념과 기법 들을 설명한다. 모델 설계나 학습에 필요한 기초 개념을 확실하게 정리하고 모델 설계와 실제 학습, 평가 단계별로 중요한 포인트를 짚는다. 이에 더해 AI를 더 잘 이해하기 위해 알아야 할 고차원 공간의 특성, AI 신뢰도 문제까지 이야기한다.
이 책을 통해 머신 러닝에 대한 허술한 이해를 보강하고 각각 알고 있던 개념을 연결하여 다양한 상황에서도 응용이 가능한, 탄탄한 기본기를 갖추게 될 것이다.
저자

민재식

저자:민재식
서울대학교에서수학을,포스텍과UniversityofSouthFlorida에서컴퓨터비전을전공했다.네이버,네이버랩스,현대자동차AIRS등의연구개발조직에서십년넘게컴퓨터비전및머신러닝연구개발자그리고기술리더로활동했다.문제를해결할때보유기술을어떻게든활용하려는방식보다는문제의본질을잘정의하고실용적인해법을찾는방식을추구한다.그런사람들을채용하고그런사람들과같이일해왔다.

목차


레슨1기계에게상식적판단능력심어주기
확률적판단의기본,베이즈정리
가장그럴듯한원인을선택하는행위,MLE
사전정보의등장으로결과가뒤집힌다,MAP
우리일상생활에서활용되는사전정보
AI의의사결정을돕는사전정보
맺는말

레슨2확률분포해석하고비교하기
엔트로피는불확실성을말해준다
불확실성은곧정보량이다
엔트로피는정보의가치이기도하다
엔트로피는결국비용이다
확률분포를모르면비용이증가한다,크로스엔트로피
추가비용을수치화하다,KLD
엔트로피패밀리의무능함1
엔트로피패밀리의무능함2
가능한대안,W거리
너무나원시적으로사용되는크로스엔트로피
크로스엔트로피좀더잘쓰기
맺는말

레슨3날것의숫자들을확률분포로
Softmax,어울리지않는그이름
왜하필지수함수인가
확률분포에정답은없다
맞춤형확률분포를만들다
Sigmoid함수와는사촌관계이다?
맺는말

레슨4학습가능여부를좌우하는목표함수
같으면서도다른두목표함수
로그덕분에일이쉬워진회귀
목표함수에로그를씌우는진짜이유는?
학습이나아갈방향과보폭,gradient
좋은gradient,나쁜gradient
우리에게이미익숙한loglikelihood
맺는말

레슨5엇나가는학습모델을어떻게제어하나
노이즈는피할수없는숙명이다
모델의학습과정에적극개입하다
이번에도다시한번prior의대활약
왜작은파라미터가선호되는가
L1과L2의서로다른행보
배치정규화의등장,그리고가중치감쇠의위기
가중치감쇠의재평가
맺는말

레슨6숨어있는변수를찾아라,없으면만들어라
데이터조작시나리오
분포를알면창조는쉽다
숨어있는속성,잠재변수
섞인성분을분리해내다,GMM
조인트분포로설명하다,VAE
분포가아닌함수로설명하다,NF
단계별과거로현재를설명하다,디퓨전모델
디퓨전이필요한이유
맺는말

레슨7성능수치에현혹되지말자
분류모델평가의시작은혼동행렬
그들은왜specificity를쓰는가
그런데우리는왜precision을쓰는가
임계치는어디로정해야할까
그모든사정을다감안한방법,AUC
클래스불균형상황에서의AUC
그럼에도AUC가보여주지못하는것
검출모델의성능지표,AP
정답이없어도채점은가능하다
생성이미지에대한반응을점수화하다,IS
생성이미지의특징분포를점수화하다,FID
맺는말

레슨8AI가사는그세계,고차원공간속으로
한가지의문에대한추적
고차원공간에서발생하는신기한현상들
고차원가우시안분포는특이하게생겼다?
고차원에서는확률의배신마저일어난다
고차원에서는안해도될걱정들
차원의저주인가차원의축복인가
맺는말

레슨9자만에빠진AI,그래서미덥지못한AI
성능은좋은데믿음이안간다
자만은AI스스로에게도도움이안된다
무엇이그들을자만하게만들었나
자만에빠지는시점
자만에빠지는과정
겸손한AI로거듭나기
확신에찬오류,AI할루시네이션
맺는말