본문 바로가기

도서 소개

패턴 인식과 머신 러닝

 

2019 대한민국학술원 우수학술도서 선정!

현대 패턴 인식과 머신 러닝의 개념과 효과적 이해를 위한 수학적 사고!

컴퓨터 비전과 머신 러닝 분야의 고전이자 필독서인 비숍책, 이젠 한국어판으로 공부하세요!

 

출판사 제이펍

원출판사 Springer

원서명 Pattern Recognition and Machine Learning(원서 ISBN: 9780387310732)

저자명 크리스토퍼 비숍

역자명 김형진

출판일 2018년 9월 10일

페이지 852쪽

시리즈 I♥A.I. 11(아이러브A.I. 11)

판 형 46배판변형(188*245*37)

제 본 무선(soft cover)

정 가 46,000원

ISBN 979-11-88621-25-5 (93000)

키워드 인공지능 / 패턴 인식 / 머신 러닝 / 알고리즘 / 베이지안 / 뉴럴 네트워크 / 컴퓨터 비전 / 신호 처리 / 데이터 마이닝

분야 인공지능 / 머신 러닝 / 패턴 인식

 
관련 사이트
 
관련 포스트
관련 시리즈
 
관련 도서
■ (관련 시리즈 참고하세요)
 
관련 파일 다운로드
 
강의보조 자료
교재로 채택하신 분들은 아래의 저작권사 링크에서 해답집을 신청해 주세요. 이와 관련해 궁금하신 분들은 다음 메일로 연락주시기 바랍니다. jeipubmarketer@gmail.com
 
샘플 PDF(차례, 옮긴이 머리말, 서문, 베타리더 후기, 1장 '소개' 일부, 3장 '선형 회귀 모델' 일부, 8장 '그래프 모델' 일부, 13장 '순차 데이터' 일부)
 
도서구매 사이트(가나다순)
 
도서 소개

현대 패턴 인식과 머신 러닝의 개념과 효과적 이해를 위한 수학적 사고!

컴퓨터 비전과 머신 러닝 분야의 고적인자 필독서인 비숍책, 이젠 한국어판으로 공부하세요!
 
지난 수년간 머신 러닝은 그 어느 때보다도 뜨거운 관심을 받았다. 특히, 2016년 알파고와 이세돌 9단의 대국은 더 많은 사람이 인공지능 분야에 관심을 가지게 하는 촉매제가 되었다. 이는 딥 러닝을 비롯한 여러 머신 러닝 알고리즘의 성능이 최근 매우 향상되었기 때문이다.
 
머신 러닝은 최근에 새롭게 생겨난 기술이 아니다. 데이터를 기반으로 해서 최적화 문제를 풀거나 예측해야 하는 다양한 분야에서 이미 오랜 시간 동안 머신 러닝 기술이 활용되었다. 최근에 가장 주목을 받고 있는 딥 러닝은 수십 년 전에 처음 제안된 뉴럴 네트워크 알고리즘이 기반이다. 오랜 시간 동안 학계로부터 외면받고 있었던 뉴럴 네트워크 기술이 GPU 등 하드웨어의 발전과 구글/페이스북 등의 회사에서 발생하는 엄청난 양의 데이터, 여러 알고리즘 개선법 등을 만나면서 새로운 모습을 보이게 된 것이다.
 
이 책은 지난 수십 년간 발전되어 온 확률/통계 기반의 패턴 인식과 머신 러닝 분야의 전반적인 내용을 다루고 있다. 내용을 이해하는 데 있어서 패턴 인식이나 머신 러닝 분야에 대한 사전 지식은 필요하지 않지만, 다변량 미적분과 기초 선형 대수학을 다뤄본 경험은 필요하다. 또한 기초적인 확률 이론에 대한 소개가 포함되어 있으므로 확률론에 대한 기초 지식이 반드시 필요하지는 않다. 기본적으로 학부 고학년생들이나 박사과정 1년 차 학생들을 대상으로 하고 있으나, 해당 분야의 연구자들이나 업계에서 머신 러닝을 활용하는 사람들이 읽기에도 적합하다. 그리고 머신 러닝, 통계, 컴퓨터 공학, 신호 처리, 컴퓨터 비전, 데이터 마이닝, 바이오 인포매틱스와 같은 분야의 강의 과정에서 사용하기도 적합하다.
 
지은이 소개
크리스토퍼 비숍(Christopher M. Bishop)
크리스토퍼 M. 비숍은 마이크로소프트 리서치 케임브리지의 부 디렉터이자 에든버러 대학교 컴퓨터 공학과의 학과장을 맡고 있다. 또한, 케임브리지 다윈 칼리지와 왕립 공학회의 펠로우이기도 하다. 크리스는 양자론에 관한 논문으로 세인트 캐서린 대학과 옥스퍼드 대학교에서 물리학 학사, 에든버러 대학교에서 이론 물리학 박사 학위를 취득했다.
 
옮긴이 소개
김형진
다양한 현실 세계의 문제들을 머신 러닝을 이용하여 해결하는 데 관심이 많은 소프트웨어 엔지니어이자 데이터 과학자다. 카이스트 전산학과 학부과정과 스탠퍼드 전산학과 석사과정을 마친 후, 링크드인 데이터팀에서 친구 추천 등 각종 데이터 기반 제품의 개발에 참여하였다. 그 후 스타트업에서 자연어 처리 시스템을 만들었으며, 현재는 우버 매칭팀의 머신 러닝 엔지니어로서 실시간으로 드라이버와 승객의 연결을 최적화하는 문제를 풀고 있다.
 

 

 
차례
CHAPTER 1 소개 1
1.1 예시: 다항식 곡선 피팅 _ 5
1.2 확률론 _ 13
1.3 모델 선택 _ 36
1.4 차원의 저주 _ 37
1.5 결정 이론 _ 42
1.6 정보 이론 _ 54
더보기
CHAPTER 2 확률 분포 75
2.1 이산 확률 변수 _ 76
2.2 다항 변수 _ 83
2.3 가우시안 분포 _ 87
2.4 지수족 _ 126
2.5 비매개변수적 방법 _ 134
 
CHAPTER 3 선형 회귀 모델 155
3.1 선형 기저 함수 모델 _ 156
3.2 편향 분산 분해 _ 166
3.3 베이지안 선형 회귀 _ 172
3.4 베이지안 모델 비교 _ 181
3.5 증거 근사 _ 186
 
CHAPTER 4 선형 분류 모델 201
4.1 판별 함수 _ 203
4.2 확률적 생성 모델 _ 221
4.3 확률적 판별 모델 _ 229
4.4 라플라스 근사 _ 240
4.5 베이지안 로지스틱 회귀 _ 245
 
CHAPTER 5 뉴럴 네트워크 253
5.1 피드 포워드 네트워크 함수 _ 255
5.2 네트워크 훈련 _ 261
5.3 오차 역전파 _ 271
5.4 헤시안 행렬 _ 281
5.5 뉴럴 네트워크에서의 정규화 _ 289
5.6 혼합 밀도 네트워크 _ 306
5.7 베이지안 뉴럴 네트워크 _ 312
 
CHAPTER 6 커널 방법론 327
6.1 듀얼 표현 _ 329
6.2 커널의 구성 _ 330
6.3 방사 기저 함수 네트워크 _ 336
6.4 가우시안 과정 _ 341
 
CHAPTER 7 희박한 커널 머신 363
7.1 최대 마진 분류기 _ 364
7.2 상관 벡터 머신 _ 387
 
CHAPTER 8 그래프 모델 403
8.1 베이지안 네트워크 _ 404
8.2 조건부 독립 _ 418
8.3 마르코프 무작위장 _ 431
8.4 그래프 모델에서의 추론 _ 443
 
CHAPTER 9 혼합 모델과 EM 477
9.1 K 평균 집단화 _ 478
9.2 혼합 가우시안 _ 485
9.3 EM에 대한 다른 관점 _ 495
9.4 일반적 EM 알고리즘 _ 507
 
CHAPTER 10 근사 추정 517
10.1 변분적 추론 _ 518
10.2 예시: 변분적 가우시안 혼합 분포 _ 531
10.3 변분적 선형 회귀 _ 545
10.4 지수족 분포 _ 549
10.5 지역적 변분 방법론 _ 552
10.6 변분적 로지스틱 회귀 _ 558
10.7 EP _ 566
 
CHAPTER 11 표집법 587
11.1 기본적인 표집 알고리즘 _ 590
11.2 마르코프 연쇄 몬테 카를로 _ 603
11.3 기브스 표집법 _ 608
11.4 조각 표집법 _ 613
11.5 하이브리드 몬테 카를로 알고리즘 _ 615
11.6 분할 함수 추정 _ 622
 
CHAPTER 12 연속 잠재 변수 627
12.1 PCA _ 629
12.2 확률적 PCA _ 640
12.3 커널 PCA _ 657
12.4 비선형 잠재 변수 모델 _ 662
 
CHAPTER 13 순차 데이터 677
13.1 마르코프 모델 _ 679
13.2 은닉 마르코프 모델 _ 682
13.3 선형 동적 시스템 _ 710
 
CHAPTER 14 모델 조합 729
14.1 베이지안 모델 평균 _ 730
14.2 위원회 방식 _ 732
14.3 부스팅 _ 733
14.4 트리 기반 모델 _ 740
14.5 조건부 혼합 모델 _ 744
 
부록 A. 데이터 집합 757
손글씨 숫자 _ 757
오일 흐름 _ 758
오래된 믿음 _ 761
합성 데이터 _ 762
 
부록 B. 확률 분포 765
베르누이 분포 _ 765
베타 분포 _ 766
이항 분포 _ 766
디리클레 분포 _ 767
감마 분포 _ 768
가우시안 분포 _ 768
가우시안 감마 분포 _ 770
가우시안 위샤트 분포 _ 770
다항 분포 _ 771
정규 분포 _ 772
스튜던트 t 분포 _ 772
균등 분포 _ 773
폰 미제스 분포 _ 773
위샤트 분포 _ 774
 
부록 C. 행렬의 성질 775
기본 행렬 성질 _ 775
대각합과 행렬식 _ 777
행렬 미분 _ 778
고윳값 공식 _ 779
 
부록 D. 변분법 783
 
부록 E. 라그랑주 승수법 787