오늘 소개해드릴 머신러닝 책은 《딥 러닝 제대로 시작하기》에 이은 I♥A.I. 그 두 번째 책입니다. 많은 이들이 이미 알고 있고 배우기도 쉬운 파이썬(Numpy)으로 머신러닝의 핵심 알고리즘들에 대한 예제들을 구현하고 있어 보시기 어렵지 않으리라 생각합니다. 



다만, 머신러닝을 학습하기 위한 수학 및 통계학에 대한 배경 지식을 많이 다루고 있어 책장을 술술 넘기기는 어려울 것 같습니다. 쉬운 책도 필요하지만, 어렵지만 정석이 될 만한 책도 필요하지 않을까요? 《딥 러닝 제대로 시작하기》에서도 딥 러닝의 작동 구조를 제대로 이해시키기 위해 딥 러닝의 각 이론에 대한 수학적 배경을 잘 정리해 놓아 깊이 있게 딥 러닝을 배우려는 이들에게 좋은 평가를 받고 있는데요. 《알고리즘 중심의 머신러닝 가이드(제2판)》도 머신러닝의 주요 알고리즘을 이해하는 데 필요한 핵심 공식들을 잘 설명하고 있습니다. 


이 책의 저자인 스티븐 마슬랜드(Stephen Marsland) 교수도 서문에서 다음과 같이 밝히고 있습니다. 


"머신러닝 책에서 요구하는 수학적 배경 지식과 머신러닝을 공부하려는 독자의 수학적 배경 지식의 간극을 줄이기 위해서 이 책을 집필하게 되었다."



머신러닝 인 액션》, 《인공지능: 현대적 접근방식 1(제3판)》, 《인공지능: 현대적 접근방식 2(제3판)》, 《딥 러닝 제대로 시작하기》에 이어 이번 책도 그간 인공지능에 대한 자료가 빈약하여 갈증을 겪었던 국내 독자들에게 단비와 같은 책으로 다가가기를 바랍니다.


참고로, 이번 책의 번역은 미국 서던 캘리포니아 대학교(University of Southern California)에서 머신러닝으로 석사와 박사 학위를 받고 현재 구글 본사에 근무 중인 강전형 님께서 맡아주셨습니다. 번역 계약 후 거의 15개월 만에 책이 출간되네요. 긴 시간 고생하신 강전형 님께 다시 한 번 감사의 말씀을 드립니다. 


이 책의 특징

  • 심층 신뢰 신경망과 같은 최근의 머신러닝 동향을 반영했다.
  • 머신러닝을 이해하는 데 필요한 기본 확률과 통계 개념을 제공한다.
  • 신경망을 사용한 지도학습에 대해 배운다.
  • 차원 감축, EM 알고리즘, 최근접 이웃법, 최선 분류 경계, 커널 방법과 최적화를 다룬다.
  • 진화학습, 강화학습, 트리 기반의 학습자 그리고 다양한 학습자들의 예측 값을 합치는 방법들을 다룬다.
  • 자기조직화 특성 지도를 통해서 비지도학습의 중요성을 알아본다.
  • 머신러닝에서의 최신 통계 기반 접근법들을 살펴본다.


■ 샘플 PDF(옮긴이 머리말, 2판 서문, 1판 서문, 베타리더 후기, 1장 '들어가기에 앞서', 2장 '들어가며')

알고리즘중심의머신러닝가이드(제2판)_sample.pdf


■ 도서구매 사이트(가나다순)



저작자 표시 비영리 동일 조건 변경 허락
신고

댓글을 달아 주세요



티스토리 툴바