머신러닝, 핵심만 빠르게! (기초 수학 개념부터 딥러닝, 특성 공학, 데이터 불균형 처리, 앙상블, 모델 평가까지)

머신러닝, 핵심만 빠르게! (기초 수학 개념부터 딥러닝, 특성 공학, 데이터 불균형 처리, 앙상블, 모델 평가까지)

$24.00
Description
복잡한 이론은 덜고, 꼭 필요한 핵심만 담았다!
머신러닝을 익히는 가장 간결한 안내서
이 책은 전 세계 11개 언어로 번역되어 수천 개 대학에서 교재로 사용되는 베스트셀러로, 간결하고 명료하게 머신러닝을 설명한다. 기초 수학 개념부터 핵심 알고리즘, 딥러닝과 신경망까지 차근차근 다루며, 클러스터링, 토픽 모델링, 메트릭 학습, 추천 시스템 등 현대 머신러닝 문제 해결을 위한 완전한 도구를 제공한다. 실무에 꼭 필요한 기술을 중심으로 이론과 실제 구현을 연결해 누구나 빠르고 확실하게 배울 수 있다.
저자는 풍부한 실무 경험을 바탕으로 특성 공학, 정규화, 불균형 데이터셋 처리, 앙상블, 모델 평가 등 실제 프로젝트에 바로 적용할 수 있는 기술을 설명한다. 복잡한 수식에 얽매이지 않고 직관적인 설명과 예제로 구성되어 있어 기초를 견고하게 다지고 싶은 입문자부터 실무 역량을 넓히려는 실무자까지 모두에게 유용하다.

이 책에서 다루는 내용
- 심층 신경망을 포함한 지도 및 비지도 학습 알고리즘
- 본질을 살린 직관적이고 명확한 알고리즘 및 수학 개념 설명
- 모델 구축, 디버깅, 평가를 위한 실용 기법
- 앙상블, 추천 시스템, 메트릭 학습 등 고급 주제

북 트레일러

  • 출판사의 사정에 따라 서비스가 변경 또는 중지될 수 있습니다.
  • Window7의 경우 사운드 연결이 없을 시, 동영상 재생에 오류가 발생할 수 있습니다. 이어폰, 스피커 등이 연결되어 있는지 확인 하시고 재생하시기 바랍니다.
저자

안드리부르코프

두아이의아빠이며,캐나다퀘벡시에서머신러닝전문가로활동하고있다.10년전AI분야로박사학위를취득한후,7년동안가트너에서머신러닝팀을이끌었다.전문분야는자연어처리이며,표층학습기법과심층학습기법을모두적용해최첨단텍스트추출및정규화시스템을개발했다.현재는TruePositiveInc.의대표로머신러닝도서를집필하면서다양한기업에자문을제공하고있다.

목차

옮긴이의글
추천의글
지은이의글

1장소개
1.1머신러닝이란?
1.2학습의종류
1.2.1지도학습
1.2.2비지도학습
1.2.3준지도학습
1.2.4강화학습
1.3지도학습의작동원리
1.4모델이새로운데이터에작동하는이유

2장표기법과정의
2.1표기법
2.1.1데이터구조
2.1.2대문자시그마(sigma)기호
2.1.3대문자파이기호
2.1.4집합연산
2.1.5벡터연산
2.1.6함수
2.1.7max와argmax
2.1.8할당연산자
2.1.9도함수와그레이디언트
2.2확률변수
2.3불편추정량
2.4베이즈정리
2.5파라미터추정
2.6파라미터vs.하이퍼파라미터
2.7분류vs.회귀
2.8모델기반학습vs.사례기반학습
2.9얕은학습vs.딥러닝

3장기본알고리즘
3.1선형회귀
3.1.1문제
3.1.2해결책
3.2로지스틱회귀
3.2.1문제
3.2.2해결책
3.3결정트리학습
3.3.1문제
3.3.2해결책
3.4서포트벡터머신
3.4.1잡음다루기
3.4.2비선형성다루기
3.5k-최근접이웃

4장학습알고리즘
4.1학습알고리즘의구성요소
4.2경사하강법
4.3머신러닝엔지니어가일하는방법
4.4학습알고리즘의특징

5장기본실무기술
5.1특성공학
5.1.1원핫인코딩
5.1.2구간분할
5.1.3정규화
5.1.4표준화
5.1.5누락된특성다루기
5.1.6데이터대체기법
5.2학습알고리즘선택
5.3훈련세트,검증세트,테스트세트
5.4과소적합과과대적합
5.5규제
5.6모델성능평가
5.6.1혼동행렬
5.6.2정밀도/재현율
5.6.3정확도
5.6.4비용민감도기반정확도
5.6.5ROC곡선아래면적(AUC)
5.7하이퍼파라미터튜닝
5.7.1교차검증

6장신경망과딥러닝
6.1신경망
6.1.1다층퍼셉트론
6.1.2피드포워드신경망
6.2딥러닝
6.2.1합성곱신경망
6.2.2순환신경망

7장문제해결
7.1커널회귀
7.2다중분류
7.3단일클래스분류
7.4다중레이블분류
7.5앙상블학습
7.5.1부스팅과배깅
7.5.2랜덤포레스트
7.5.3그레이디언트부스팅
7.6시퀀스레이블링
7.7시퀀스-투-시퀀스학습
7.8능동학습
7.9준지도학습
7.10원샷학습
7.11제로샷학습

8장특수기법
8.1불균형한데이터셋다루기
8.2결합모델
8.3신경망훈련
8.4고급규제기법
8.5다중입력다루기
8.6다중출력다루기
8.7전이학습
8.8알고리즘효율성

9장비지도학습
9.1밀도추정
9.2군집
9.2.1k-평균
9.2.2DBSCAN과HDBSCAN
9.2.3클러스터개수결정하기
9.2.4다른군집알고리즘
9.3차원축소
9.3.1주성분분석
9.3.2UMAP

10장다른학습방법
10.1메트릭학습
10.2순위학습
10.3추천학습
10.3.1행렬분해방법
10.3.2잡음제거오토인코더
10.4자기지도학습:단어임베딩
10.5이상치탐지

11장결론
11.1이책에서다루지않은것들
11.2감사의글
11.3다음에읽을책