선형대수와 통계학으로 배우는 머신러닝 with 파이썬

장철원

저자:장철원
공부한내용을기록하고나누는것을좋아하는프리랜서개발자.
충북대학교에서통계학을전공하고,고려대학교에서통계학석사로졸업했다.이후플로리다주립대학교(FloridaStateUniversity)통계학박사과정중에휴학하고취업전선에뛰어들었다.어렸을때부터게임을좋아해서크래프톤에입사했다.데이터분석실에서주로머신러닝을이용하여이탈률예측과고객분류업무를수행했다.배틀그라운드의핵관련업무를계기로IT보안에흥미를느꼈다.이후NHNIT보안실에서일하며머신러닝을이용한매크로자동탐지시스템을개발하고특허를등록했다.현재는머신러닝관련책을쓰면서강의와개발을병행하고있다.공부한내용을공유하는데보람을느껴블로그와카페를운영한다.관심분야는인공지능,머신러닝,통계학,선형대수,커널,임베디드,IT보안,사물인터넷,물리학,철학이다.저서로는《선형대수와통계학으로배우는머신러닝with파이썬》(비제이퍼블릭),《알고리즘구현으로배우는선형대수with파이썬》(비제이퍼블릭)이있다.
-프리랜서개발자
-한국정보통신기술협회외부교수
-패스트캠퍼스강사
-전)NHNIT보안실
-전)크래프톤데이터분석실

■CHAPTER1.환경설정
1.1윈도우에서환경설정하기
1.2맥북에서환경설정하기
1.3리눅스에서환경설정하기

■CHAPTER2.머신러닝개요
2.1머신러닝이란
2.2지도학습vs비지도학습
2.3머신러닝의전반적인과정

■CHAPTER3.머신러닝을위한선형대수
3.1선형대수와머신러닝의관계
3.2행렬의기초
___3.2.1행렬이란
___3.2.2대각행렬
___3.2.3전치행렬
___3.2.4행렬의덧셈,뺄셈
___3.2.5행렬의스칼라곱
___3.2.6행렬곱
___3.2.7행렬의원소곱
___3.2.8행렬식
___3.2.9역행렬
3.3내적
3.4선형변환
3.5랭크,차원
___3.5.1벡터공간,기저
___3.5.2랭크와차원
___3.5.3직교행렬
3.6고윳값,고유벡터
3.7특이값분해
___3.7.1닮음
___3.7.2직교대각화
___3.7.3고윳값분해
___3.7.4특이값분해
3.8이차식표현
___3.8.1이차식개념
___3.8.2양정치행렬
3.9벡터의미분

■CHAPTER4.머신러닝을위한통계학
4.1통계학과머신러닝의관계
4.2확률변수와확률분포
___4.2.1확률변수
___4.2.2확률분포
4.3모집단과표본
4.4평균과분산
___4.4.1평균
___4.4.2분산
___4.4.3평균과분산의성질
4.5상관관계
___4.5.1공분산
___4.5.2상관계수
4.6균일분포
4.7정규분포
4.8이항분포
___4.8.1베르누이분포
___4.8.2이항분포
___4.8.3다항분포
4.9최대가능도추정
4.10최대사후추정
___4.10.1조건부확률
___4.10.2베이즈추정
___4.10.3최대사후추정

■CHAPTER5.최적화
5.1컨벡스셋
___5.1.1직선과선분
___5.1.2아핀셋
___5.1.3아핀함수vs선형함수
___5.1.4컨벡스셋
___5.1.5초평면과반공간
5.2컨벡스함수
___5.2.1컨벡스함수의개념
___5.2.2컨벡스함수의예
___5.2.31차,2차미분조건
___5.2.4얀센의부등식
___5.2.5컨벡스성질보존조건
5.3라그랑주프리멀함수
___5.3.1일반적인최적화문제
___5.3.2컨벡스최적화문제
___5.3.3라그랑주프리멀함수
5.4라그랑주듀얼함수
5.5Karush-Kuhn-Tucker(KKT)조건
5.6머신러닝에서의최적화문제
___5.6.1최소제곱법
___5.6.2제약식이포함된최소제곱법
5.7뉴턴-랩슨메소드
5.8그래디언트디센트옵티마이저
___5.8.1그래디언트디센트소개
___5.8.2확률적그래디언트디센트
___5.8.3모멘텀
___5.8.4네스테로프가속경사(NesterovAcceleratedGradient)
___5.8.5Adagrad
___5.8.6Adadelta
___5.8.7RMSprop
___5.8.8Adam
___5.8.9AdaMax
___5.8.10Nadam

■CHAPTER6.머신러닝데이터살펴보기
6.1머신러닝에사용할데이터소개
___6.1.1집값예측하기
___6.1.2꽃구분하기
___6.1.3와인구분하기
___6.1.4당뇨병예측하기
___6.1.5유방암예측하기
6.2데이터전처리
___6.2.1결측치처리
___6.2.2클래스라벨설정
___6.2.3원-핫인코딩
___6.2.4데이터스케일링

■CHAPTER7.모형평가
7.1오버피팅과언더피팅
7.2크로스-밸리데이션
7.3파이프라인
7.4그리드서치
7.5손실함수와비용함수
___7.5.1손실함수와비용함수의개념
___7.5.2L1손실함수
___7.5.3L2손실함수
___7.5.4엔트로피
___7.5.5NegativeLogLikelihood(NLL)
7.6모형성능평가
___7.6.1모형성능평가에필요한개념
___7.6.2분류문제에서의성능평가
___7.6.3회귀문제에서의성능평가
___7.6.4군집문제에서의성능평가

■CHAPTER8.지도학습
8.1지도학습개요
8.2사이킷런소개
8.3k-최근접이웃알고리즘
___8.3.1k-최근접이웃알고리즘의개념
___8.3.2k-최근접이웃실습
8.4선형회귀분석
___8.4.1선형회귀분석의개념
___8.4.2릿지회귀분석(L2제약식)
___8.4.3라쏘회귀분석(L1제약식)
___8.4.4엘라스틱넷
___8.4.5선형회귀분석실습
8.5로지스틱회귀분석
___8.5.1로지스틱회귀분석의개념
___8.5.2로지스틱회귀분석실습
8.6나이브베이즈
___8.6.1나이브베이즈의개념
___8.6.2나이브베이즈실습
8.7의사결정나무
___8.7.1의사결정나무의개념
___8.7.2엔트로피
___8.7.3지니계수
___8.7.4회귀나무
___8.7.5의사결정나무실습
8.8서포트벡터머신
___8.8.1서포트벡터머신의개념
___8.8.2소프트마진
___8.8.3커널서포트벡터머신
___8.8.4서포트벡터회귀
___8.8.5서포트벡터머신실습
8.9크로스밸리데이션실습

■CHAPTER9.앙상블학습
9.1앙상블학습개념
9.2보팅
___9.2.1보팅의개념
___9.2.2보팅실습
9.3배깅과랜덤포레스트
___9.3.1독립적앙상블방법
___9.3.2배깅과랜덤포레스트의개념
___9.3.3랜덤포레스트실습
___9.3.4배깅실습
9.4부스팅
___9.4.1의존적앙상블방법
___9.4.2에이다부스트개념설명
___9.4.3에이다부스트실습
___9.4.4그래디언트부스팅개념설명
___9.4.5그래디언트부스팅실습
9.5스태킹
___9.5.1스태킹의개념
___9.5.2스태킹실습

■CHAPTER10.차원축소
10.1차원축소개념
___10.1.1차원축소하는이유
___10.1.2차원의저주
10.2주성분분석
___10.2.1주성분분석의개념
___10.2.2주성분분석실습
10.3커널PCA
___10.3.1커널PCA의개념
___10.3.2커널PCA실습
10.4LDA
___10.4.1LDA의개념
___10.4.2LDA의이론적배경
___10.4.3LDA실습
10.5LLE
___10.5.1LLE의개념
___10.5.2LLE실습
10.6비음수행렬분해
___10.6.1비음수행렬분해의개념
___10.6.2비용함수
___10.6.3비음수행렬분해실습

■CHAPTER11.비지도학습
11.1비지도학습개요
11.2K-평균클러스터링
___11.2.1K-평균클러스터링의개념
___11.2.2K-평균클러스터링실습
11.3계층클러스터링
___11.3.1계층클러스터링의개념
___11.3.2단일연결
___11.3.3완전연결
___11.3.4Ward's계층클러스터링
___11.3.5계층클러스터링실습
11.4DBSCAN
___11.4.1DBSCAN의개념
___11.4.2DBSCAN알고리즘
___11.4.3DBSCAN실습
11.5가우시안혼합모형
___11.5.1가우시안혼합모형의개념설명
___11.5.2EM알고리즘
___11.5.3가우시안혼합모형실습

■CHAPTER12.딥러닝
12.1딥러닝소개
12.2퍼셉트론,딥러닝의기본
___12.2.1퍼셉트론의개념
___12.2.2퍼셉트론으로분류하기
___12.2.3퍼셉트론실습
12.3인공신경망으로하는딥러닝
___12.3.1신경망의개념
___12.3.2오차역전파
___12.3.3활성화함수
___12.3.4배치정규화
___12.3.5드롭아웃
___12.3.6텐서플로2.0소개
___12.3.7분류신경망실습
___12.3.8회귀신경망실습
12.4합성곱신경망(CNN)
___12.4.1합성곱신경망의개념
___12.4.2패딩
___12.4.3스트라이드
___12.4.4풀링
___12.4.5고차원데이터합성곱
___12.4.6합성곱신경망실습
12.5순환신경망(RNN)
___12.5.1순환신경망의개념
___12.5.2LSTM
___12.5.3GRU
___12.5.4순환신경망실습
12.6오토인코더(Auto-Encoder)
___12.6.1오토인코더개념
___12.6.2오토인코더실습
12.7자연어처리
___12.7.1단어의토큰화
___12.7.2단어를벡터로변환
___12.7.3단어임베딩
___12.7.4seq2seq모형
___12.7.5어텐션
___12.7.6자연어처리실습
12.8적대적생성신경망(GAN)
___12.8.1적대적생성신경망의개념
___12.8.2적대적생성신경망알고리즘
___12.8.3적대적생성신경망실습

이책의특징
-머신러닝수학수식전개과정을상세히표현한다.
-머신러닝알고리즘개념을쉬운그림으로알기쉽게설명한다.
-복잡한수학수식과프로그래밍코드를자세하게설명한다.

머신러닝과필연적관계인'수학'
수식이어려운당신에게꼭필요한책!

머신러닝을이해하기위해서는머신러닝을근본적으로떠받치고있는선형대수와통계학,최적화개념에서부터출발해야한다.『선형대수와통계학으로배우는머신러닝with파이썬』은이러한개념을다룰때수식표현을사용하고코드보다수학적인지식을먼저서술함으로써,머신러닝알고리즘마다원리를이해하는것을목적으로한다.또한'책에쓰인수학기호'를정리한표를통해수식이해에어려움을느끼는독자의진입장벽을낮추었다.따라서선형대수나통계학에대한지식이부족한분들도수학적원리를이해하며기초를탄탄히쌓기에큰도움이될것이다.

베타리더의한마디
내가공부할때도이런책이있었으면그렇게헤매지않았을텐데!이책을통해데이터과학이라는이름아래에모인여러학문에서나온지식의연관성을구체적으로알수있습니다._김민성님

머신러닝을공부하고싶었지만,수학적기초때문에망설였던분들이나알고리즘에사용되는상세한내용이궁금한분들에게큰도움이될것입니다._류회성님

책을읽으면서5년만젊었으면좋겠다는생각이들었습니다.5년간의박사과정에서필요했던지식이모두담겨있습니다.어색한번역투의글이아닌한국어책이나온건생명정보학전공자로서매우기쁜일입니다._오세진님

이책을읽으면서인공지능의기본이되는수학과통계학에무지한상태로학습을이어갔었다는자기반성을하게되었습니다.수학적인원리이해에어려움을겪고있는많은분에게필요한책입니다._이진님

이책은자신의전문분야에대한연구또는업무능력을한단계높여줄것입니다.머신러닝이익숙하지않은분도통계학을통해머신러닝을더욱잘이해하는계기가될것입니다._이현훈님