지능형 웹 알고리즘 (지능형 웹 서비스 개발을 위한 | 머신러닝, 통계 분석, 신경망, 딥러닝 알고리즘과 추천엔진 구축)

더글라스매킬레이스

저자더글라스매킬레이스박사는캠브리지대학에서컴퓨터과학을전공했으며왕립런던대학에서박사학위를취득했다.현재런던소재의광고네트워크회사에서데이터과학자로일하고있는머신러닝전문가이다.분산시스템,유비쿼터스컴퓨팅,퍼베이시브센싱그리고로보틱스및보안분야에대한연구에기여했으며,기술이인간의삶에긍정적인영향을줄때열광하는사람이다.

▣01장:지능형웹을위한애플리케이션구축
1.1실제사용중인지능형알고리즘:구글나우
1.2지능형알고리즘의라이프사이클
1.3지능형알고리즘의다른예들
1.4지능형애플리케이션이아닌것들
_1.4.1지능형알고리즘은만능으로생각할수있는기계가아니다
_1.4.2지능형알고리즘은편리한인간대체품이아니다
_1.4.3지능형알고리즘은우연히발견된것이아니다
1.5지능형알고리즘의분류
_1.5.1인공지능
_1.5.2머신러닝
_1.5.3예측분석
1.6지능형알고리즘의성능평가
_1.6.1지능평가
_1.6.2예측평가
1.7지능형알고리즘에관한중요사항
_1.7.1데이터는신뢰할수없다
_1.7.2추론은즉시생기지않는다
_1.7.3크기가중요하다!
_1.7.4알고리즘이다르면확장방식이달라진다
_1.7.5모든문제가못은아니다
_1.7.6데이터가전부는아니다
_1.7.7학습시간은변동적이다
_1.7.8일반화하는일을목표로삼는다
_1.7.9인간의직관에는문제가있다
_1.7.10새로운특징을뽑아낼생각을하라
_1.7.11다양한모델을학습하라
_1.7.12상관관계와인과관계는같지않다
1.8요약

▣02장:군집화와변환을통한데이터구조추출
2.1데이터,구조,편향및잡음
2.2차원의저주
2.3k평균
_2.3.1k평균실행
2.4가우스혼합모형
_2.4.1가우스분포란?
_2.4.2기댓값최대화와가우스분포
_2.4.3가우스혼합모형
_2.4.4가우스혼합모형을이용한학습의예
2.5k평균과가우스혼합모형간의관계
2.6데이터축변환
_2.6.1고유벡터와고윳값
_2.6.2주성분분석
_2.6.3주성분분석의예
2.7요약

▣03장:콘텐츠추천
3.1장면설정:온라인영화사이트
3.2거리및유사도
_3.2.1거리와유사도에대한심층탐구
_3.2.2최선의유사도공식은?
3.3추천엔진은어떻게동작하는가?
3.4사용자기반협업필터링
3.5특잇값분해를이용한모델기반추천
_3.5.1특잇값분해
_3.5.2특잇값분해를이용한추천:사용자에대한영화선택
_3.5.3특잇값분해를이용한추천:주어진영화에대한사용자선정
3.6넷플릭스현상공모
3.7추천기평가
3.8요약

▣04장:분류-사물을속한곳에갖다놓기
4.1분류의필요성
4.2분류기의개요
_4.2.1구조적분류알고리즘
_4.2.2통계적분류알고리즘
_4.2.3분류기의수명주기
4.3로지스틱회귀를사용한부정행위탐지
_4.3.1선형회귀입문
_4.3.2선형회귀에서로지스틱회귀로
_4.3.3부정행위탐지구현
4.4결과를믿을만한가?
4.5대규모데이터셋을사용한분류
4.6요약

▣05장:사례연구-온라인광고를위한클릭예측
5.1역사및배경
5.2광고거래소
_5.2.1쿠키일치
_5.2.2입찰
_5.2.3낙찰또는패찰통지
_5.2.4광고지면
_5.2.5광고모니터링
5.3입찰기는무엇인가?
_5.3.1입찰기요건
5.4의사결정엔진이란?
_5.4.1사용자정보
_5.4.2광고지면정보
_5.4.3상황정보
_5.4.4데이터준비
_5.4.5의사결정엔진모델
_5.4.6예측된클릭률을입찰가격으로매핑
_5.4.7특징공학
_5.4.8모델훈련
5.5보우팔왜빗을사용한클릭예측
_5.5.1보우팔왜빗데이터형식
_5.5.2데이터셋준비
_5.5.3모델테스트
_5.5.4모델보정
5.6의사결정엔진구축의복잡성
5.7실시간예측의미래
5.8요약

▣06장:딥러닝과신경망
6.1딥러닝에대한직관적접근방법
6.2신경망
6.3퍼셉트론
_6.3.1훈련
_6.3.2사이킷런으로퍼셉트론훈련시키기
_6.3.3두개의입력을위한퍼셉트론의기하학적해석
6.4다층퍼셉트론
_6.4.1역전파를이용한학습
_6.4.2활성화함수
_6.4.3역전파의이면을직관하기
_6.4.4역전파이론
_6.4.5사이킷런에서MLNN
_6.4.6학습된다층퍼셉트론
6.5더깊은곳으로:다층신경망에서딥러닝으로
_6.5.1제한볼츠만머신
_6.5.2베르누이제한볼츠만머신
_6.5.3실제의RBM류
6.6요약

▣07장:적절한선택
7.1A/B테스트
_7.1.1이론
_7.1.2코드
_7.1.3A/B의적합성
7.2MAB
_7.2.1MAB전략
7.3실무에서의베이즈밴딧
7.4A/B대베이즈밴딧
7.5MAB확장
_7.5.1상황적밴딧
_7.5.2적대적밴딧
7.6요약

▣08장:지능형웹의미래
8.1지능형웹의미래응용
_8.1.1사물인터넷
_8.1.2홈헬스케어
_8.1.3자율주행자동차
_8.1.4개인화된물리적광고
_8.1.5시맨틱웹
8.2지능형웹의사회적함의

▣부록
_동기부여를위한예:온라인광고노출
_데이터수집:나이브한접근방법
_대규모수집데이터관리
_카프카에대한평가:대규모데이터수집
_카프카의설계유형

★이책에서다루는내용★
◎머신러닝소개
◎데이터구조추출
◎딥러닝과신경망
◎추천엔진의작동원리