책소개
간결한 설명과 최소한의 수학적 지식을 통해 체계적으로 정리한 머신러닝 입문서!『단단한 머신러닝』은 인공지능 분야의 명예의 전당이라는 AAAI의 펠로우로 선정된 저자가 머신러닝을 처음 접하는 독자를 위해 2년간 정성을 다해 집필한 책이다. 이공계 고학년과 대학원의 16주 머신러닝 강의에 맞춰 각 장이 30페이지가 넘지 않는 16개의 장과 수준 있는 연습문제로 구성하였으며, 최대한 다양한 독자에게 머신러닝을 소개하기 위해 최소한의 수학적 지식만을 사용하였다.
목차
CHAPTER 01 서론 11.1 들어가며 11.2 머신러닝의 기본 용어 21.3 가설 공간 51.4 귀납적 편향 81.5 발전 과정 131.6 응용 현황 181.7 더 읽을거리 22연습문제 25 참고문헌 26 머신러닝 쉼터 28
CHAPTER 02 모델 평가 및 선택 292.1 경험 오차 및 과적합 292.2 평가 방법 312.3 모델 성능 측정 372.4 비교 검증 472.5 편향과 분산 572.6 더 읽을거리 59연습문제 61 참고문헌 62 머신러닝 쉼터 64
CHAPTER 03 선형 모델 653.1 기본 형식 653.2 선형 회귀 663.3 로지스틱 회귀 703.4 선형 판별분석 733.5 다중 분류 학습 773.6 클래스 불균형 문제 803.7 더 읽을거리 83연습문제 85 참고문헌 86 머신러닝 쉼터 88
CHAPTER 04 의사결정 트리 894.1 기본 프로세스 894.2 분할 선택 924.3 가지치기 984.4 연속값과 결측값 1034.5 다변량 의사결정 트리 1104.6 더 읽을거리 113연습문제 115 참고문헌 117 머신러닝 쉼터 118
CHAPTER 05 신경망 1195.1 뉴런 모델 1195.2 퍼셉트론과 다층 네트워크 1215.3 오차 역전파 알고리즘 1245.4 글로벌 미니멈과 로컬 미니멈 1305.5 기타 신경망 1335.6 딥러닝 1395.7 더 읽을거리 142연습문제 144 참고문헌 145 머신러닝 쉼터 148
CHAPTER 06 서포트 벡터 머신 1496.1 마진과 서포트 벡터 1496.2 쌍대문제 1516.3 커널 함수 1556.4 소프트 마진과 정규화 1586.5 서포터 벡터 회귀 1636.6 커널 기법 1676.7 더 읽을거리 170연습문제 172 참고문헌 173 머신러닝 쉼터 175
CHAPTER 07 베이지안 분류기 1777.1 베이지안 결정 이론 1777.2 최대 우도 추정 1797.3 나이브 베이즈 분류기 1817.4 세미 나이브 베이즈 분류기 1867.5 베이지안 네트워크 1887.6 EM 알고리즘 1957.7 더 읽을거리 197연습문제 199 참고문헌 200 머신러닝 쉼터 202
CHAPTER 08 앙상블 학습 2038.1 객체와 앙상블 2038.2 부스팅 2068.3 배깅과 랜덤 포레스트 2118.4 결합 전략 2158.5 다양성 2218.6 더 읽을거리 227연습문제 229 참고문헌 231 머신러닝 쉼터 234
CHAPTER 09 클러스터링 2359.1 클러스터링 학습 문제 2359.2 성능 척도 2369.3 거리 계산법 2389.4 프로토타입 클러스터링 2419.5 밀도 클러스터링 2529.6 계층 클러스터링 2559.7 더 읽을거리 259연습문제 262 참고문헌 264 머신러닝 쉼터 266
CHAPTER 10 차원 축소와 척도 학습 26710.1 k-최근접 이웃 기법 26710.2 임베딩 26910.3 주성분 분석 27310.4 커널 선형 차원 축소 27510.5 매니폴드 학습 27810.6 척도 학습 28210.7 더 읽을거리 285연습문제 287 참고문헌 288 머신러닝 쉼터 290
CHAPTER 11 특성 선택과 희소 학습 29111.1 부분집합 탐색과 평가 29111.2 필터식 선택 29411.3 포괄식 선택 29611.4 임베딩식 선택과 L1 정규화 29811.5 희소 표현과 사전 학습 30111.6 압축 센싱 30411.7 더 읽을거리 308연습문제 310 참고문헌 311 머신러닝 쉼터 314
CHAPTER 12 계산 학습 이론 31512.1 기초 지식 31512.2 PAC 학습 31712.3 유한 가설 공간 31912.4 VC 차원 32312.5 라데마허 복잡도 32912.6 안정성 33512.7 더 읽을거리 339연습문제 341 참고문헌 342 머신러닝 쉼터 343
CHAPTER 13 준지도 학습 34513.1 언레이블된 데이터 34513.2 생성적 방법 34813.3 준지도 SVM 35213.4 그래프 준지도 학습 35513.5 불일치에 기반한 방법 35913.6 준지도 클러스터링 36313.7 더 읽을거리 368연습문제 370 참고문헌 372 머신러닝 쉼터 374
CHAPTER 14 확률 그래피컬 모델 37514.1 은닉 마르코프 모델 37514.2 마르코프 랜덤 필드 37914.3 조건 랜덤 필드 38314.4 학습과 추론 38614.5 근사추론 39014.6 토픽 모델 39714.7 더 읽을거리 400연습문제 403 참고문헌 404 머신러닝 쉼터 406
CHAPTER 15 규칙 학습 40715.1 기본 개념 40715.2 순차적 커버링 41015.3 가지치기 최적화 41415.4 일차 규칙 학습 41615.5 귀납 논리 프로그래밍 42015.6 더 읽을거리 428연습문제 431 참고문헌 432 머신러닝 쉼터 434
CHAPTER 16 강화 학습 43516.1 과업과 보상 43516.2 K-암드 밴딧 43816.3 모델 기반 학습 44316.4 모델-프리 학습 45016.5 가치 함수 근사 45716.6 이미테이션 러닝 46016.7 더 읽을거리 462연습문제 464 참고문헌 465 머신러닝 쉼터 467
APPENDIX A 행렬 469A.1 기본 연산 469A.2 도함수 470A.3 특잇값 분해 472
APPENDIX B 최적화 474B.1 라그랑주 승수법 474B.2 이차 프로그래밍 477B.3 반정형 프로그래밍 478B.4 경사하강법 479B.5 좌표하강법 480
APPENDIX C 확률 분포 482C.1 자주 사용하는 확률 분포 482C.2 켤레 분포 487C.3 KL 발산 488에필로그 489찾아보기 494
한줄 서평
