머신러닝에 필요한 수학/통계학 배경 지식!

머신러닝에 사용되는 주요 알고리즘의 원리!

의사코드가 아닌 파이썬 코드 중심의 예제!


출판사 제이펍

원출판사 Chapman and Hall

원서명 Machine Learning: An Algorithmic Perspective, Second Edition(ISBN: 9781466583283)

지은이 스티븐 마슬랜드

옮긴이 강전형

출판일 2016년 12월 28일

페이지 532쪽

시리즈 I♥A.I. 02

판  형 46배판 변형(188*245*25)

제  본 무선(soft cover)

정  가 32,000원

ISBN 979-11-85890-72-2 (93000)

키워드 machine learning / 머신 러닝 / deep learning / 인공지능 / 데이터 과학 / 데이터 분석 / 알고리즘 / algorithms

분  야 컴퓨터 공학 > 인공지능 > 머신러닝


관련 사이트

관련 포스트

관련 시리즈

관련 도서

관련 파일 다운로드
■ 예제 코드

교재 검토용 증정 안내
■ 학교 및 학원에서 교재 선정을 위해 책을 파일로 검토해보고자 하시는 분들은 다음의 페이지에서 신청 양식을 작성해주시기 바랍니다. 확인 후 연락을 드리도록 하겠습니다. http://goo.gl/vBtPo3

강의보조 자료
교재로 채택하신 분들은 메일을 보내주시면 아래의 자료를 보내드리겠습니다: jeipubmarketer@gmail.com
■ 본문의 그림과 표

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

정오표 페이지
 
도서구매 사이트(가나다순)


도서 소개

머신러닝에 필요한 수학/통계학 배경 지식!

머신러닝에 사용되는 주요 알고리즘의 원리!

의사코드가 아닌 파이썬 코드 중심의 예제!


이 책은 머신러닝 알고리즘의 이해를 돕기 위한 책이다. 이 책을 통해 머신러닝에 필요한 프로그래밍뿐만 아니라 관련 수학, 통계 개념을 완벽히 익히는 여행을 시작할 수 있을 것이다.


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.


2판에 추가된 사항

  • 심층 신뢰 신경망과 가우시안 프로세스가 추가되었다.
  • 더 자연스러운 흐름을 위해 각 장을 새롭게 재구성했다.
  • 실습을 위한 실행 코드를 추가했으며, 서포트 벡터 머신 자료들을 보강했다.
  • 랜덤 포레스트, 퍼셉트론 수렴 이론, 정확성 측정 방법을 위한 고려사항, 그리고 MLP를 위한 켤레 기울기 최적화에 대한 새로운 자료를 추가했다.
  • 칼만 필터와 파티클 필터에 관한 설명이 추가되었다.
  • 파이썬의 명명 규칙을 수정하고 코드를 개선했다.


책을 학습할 때 함께 제공되는 코드를 직접 실행해 볼 것을 추천한다. 각 장마다 더 읽을거리와 연습 문제를 통해 세부적인 예제를 제공하고 있으며, 예제에 사용된 모든 파이썬 코드는 저자의 웹페이지에서 내려받을 수 있다.


지은이 소개

스티븐 마슬랜드(Stephen Marsland)

스티븐 마슬랜드는 과학 컴퓨팅 분야의 교수이자 뉴질랜드 매시 대학교(Massey University)의 SEAT(School of Engineering and Advanced Technology) 대학원장으로 있다. 주요 관심사는 형태 공간, 오일러 방정식, 머신러닝 및 알고리즘이다. 영국 맨체스터 대학교(University of Manchester)에서 박사 학위를 받았다.


옮긴이 소개

강전형

미국 서던 캘리포니아 대학교(University of Southern California)의 컴퓨터공학 박사 과정에서 머신러닝을 전공하였다. Information Science Institute에서 다양한 인공지능 연구를 수행하였고, 현재는 구글 본사에서 근무 중이다. 추천 알고리즘부터 자연어 처리, 그리고 Best Paper Award를 받은 국제학회 논문을 포함해 30여 편의 논문을 머신러닝 관련 유명 저널에 발표했고, 실리콘밸리의 여러 회사에서 다양한 머신러닝 프로젝트를 수행했다.

  • 2008년 아주 대학교 컴퓨터공학부 학사 학위 취득
  • 2010년 서던 캘리포니아 대학교에서 컴퓨터공학 석사 학위 취득
  • 2015년 서던 캘리포니아 대학교에서 컴퓨터공학 박사 학위 취득
  • 현재 구글 마운틴 뷰 본사 근무 중


차례

CHAPTER 1 … 들어가기에 앞서_1

1.1 데이터에 질량이 있다면 지구는 블랙홀이 될 것이다 2

1.2 학습 5

1.2.1 머신러닝 5

1.3 머신러닝의 종류 6

1.4 지도학습 8

1.4.1 회귀 9

1.4.2 분류 10

1.5 머신러닝 과정 12

1.6 프로그래밍 노트 14

1.7 이 책의 로드맵 15

• 더 읽을거리 17

더보기


저작자 표시 비영리 동일 조건 변경 허락
신고
크리에이티브 커먼즈 라이선스
Creative Commons License

댓글을 달아 주세요

<PREV 1 ... 9 10 11 12 13 14 15 16 17 ... 643 NEXT>


티스토리 툴바