Description
복잡한 기계학습, 지오지브라로 시각화하다.
최근 인공지능 기술이 급속히 발전하며 우리의 일상생활뿐만 아니라 경제, 문화, 교육 등 사회 전반에 걸쳐 큰 변화를 일으키고 있습니다. 기계학습(Machine Learning)도 누구나 쉽게 접할 수 있는 용어가 되었지만, 그 이면의 수학적 원리를 이해하려면 복잡한 코드의 장벽에 부딪혀 어려움을 겪곤 합니다. 이 책에서는 이러한 장벽을 허물기 위해 기계학습의 여러 알고리즘을 지오지브라(GeoGebra)라는 공학 도구를 이용해 눈으로 직접 확인하고 조작하며 배울 수 있도록 구성하였습니다.
1. 학습(Learning)
인공지능의 기본 개념부터 K-최근접 이웃(KNN)과 K-평균(K-Means) 알고리즘을 배웁니다.
기상자료개방포털의 날씨 데이터를 활용해 데이터 처리와 분석의 기초를 다집니다.
2. 예측(Prediction)
데이터의 경향성을 파악하는 추세선과 이를 최적화하기 위한 손실함수, 경사하강법의 원리를 시각적으로 탐구합니다. 소비자물가지수와 코로나19 데이터를 활용해 예측 모델을 만들어 봅니다.
3. 분류(Classification)
데이터를 구분 짓는 로지스틱 회귀와 서포트 벡터 머신(SVM)을 다룹니다. 실생활에 밀접한 식품영양성분 데이터를 통해 분류 알고리즘이 어떻게 작동하는지 체험합니다.
4. 축소(Reduction)
데이터의 차원을 효율적으로 관리하는 주성분 분석(PCA)을 통해 방대한 정보를 압축하는 방법을 배웁니다.
마지막 장에는 지오지브라가 낯선 독자들을 위해 입력창 사용법과 주요 명령어를 수록하여 누구나 쉽게 따라올 수 있도록 안내하였습니다.
기계학습은 더 이상 '블랙박스'가 아닙니다. 이 책과 함께 지오지브라의 슬라이더를 움직이며 데이터 속에 숨겨진 수학적 질서를 발견하는 즐거움을 누리시길 바랍니다.
최근 인공지능 기술이 급속히 발전하며 우리의 일상생활뿐만 아니라 경제, 문화, 교육 등 사회 전반에 걸쳐 큰 변화를 일으키고 있습니다. 기계학습(Machine Learning)도 누구나 쉽게 접할 수 있는 용어가 되었지만, 그 이면의 수학적 원리를 이해하려면 복잡한 코드의 장벽에 부딪혀 어려움을 겪곤 합니다. 이 책에서는 이러한 장벽을 허물기 위해 기계학습의 여러 알고리즘을 지오지브라(GeoGebra)라는 공학 도구를 이용해 눈으로 직접 확인하고 조작하며 배울 수 있도록 구성하였습니다.
1. 학습(Learning)
인공지능의 기본 개념부터 K-최근접 이웃(KNN)과 K-평균(K-Means) 알고리즘을 배웁니다.
기상자료개방포털의 날씨 데이터를 활용해 데이터 처리와 분석의 기초를 다집니다.
2. 예측(Prediction)
데이터의 경향성을 파악하는 추세선과 이를 최적화하기 위한 손실함수, 경사하강법의 원리를 시각적으로 탐구합니다. 소비자물가지수와 코로나19 데이터를 활용해 예측 모델을 만들어 봅니다.
3. 분류(Classification)
데이터를 구분 짓는 로지스틱 회귀와 서포트 벡터 머신(SVM)을 다룹니다. 실생활에 밀접한 식품영양성분 데이터를 통해 분류 알고리즘이 어떻게 작동하는지 체험합니다.
4. 축소(Reduction)
데이터의 차원을 효율적으로 관리하는 주성분 분석(PCA)을 통해 방대한 정보를 압축하는 방법을 배웁니다.
마지막 장에는 지오지브라가 낯선 독자들을 위해 입력창 사용법과 주요 명령어를 수록하여 누구나 쉽게 따라올 수 있도록 안내하였습니다.
기계학습은 더 이상 '블랙박스'가 아닙니다. 이 책과 함께 지오지브라의 슬라이더를 움직이며 데이터 속에 숨겨진 수학적 질서를 발견하는 즐거움을 누리시길 바랍니다.
지오지브라로 배우는 기계학습 (지오지브라로 만나는 인공지능 수학)
$25.00