단단한 머신러닝: 머신러닝 기본 개념을 제대로 정리한 인공지능 교과서

간결한 설명과 최소한의 수학적 지식을 통해 체계적으로 정리한 머신러닝 입문서!

도서구매 사이트(가나다순)

[교보문고] [도서11번가] [반디앤루니스] [알라딘] [영풍문고] [예스이십사] [인터파크] [쿠팡]

전자책 구매 사이트(가나다순)

[교보문고] [구글북스] [리디북스] [알라딘] [예스이십사] [인터파크]

출판사 제이펍

저작권사 清华大学出版社

원서명 机器学习(원서 ISBN: 9787302423287)

저자명 조우쯔화

역자명 김태헌

출판일 2020년 2월 28일

페이지 536쪽

시리즈 I♥A.I. 24(아이러브 인공지능 24)

판 형 188*245*26

제 본 무선(soft cover)

정 가 30,000원

ISBN 979-11-88621-98-9(93000)

키워드 머신러닝 / 딥러닝 / 인공지능 / 신경망 / 베이지안 / 강화학습 / 기계학습 / 심층학습 / 준지도학습 / 클러스터링 / 서포트 벡터 머신 / 앙상블 학습

분야 인공지능 / 머신러닝

관련 사이트

■ 저작권사 도서 소개 페이지

■ dangdang 도서 소개 페이지

■ 역자 도서 A/S 블로그

관련 포스트

■ 2020/02/14 - [출간전 책소식] - 50만 부가 판매된 중국의 인공지능 서적!

관련 시리즈

■ I♥A.I 시리즈

관련 도서

■ (관련 시리즈 참고)

강의보조자료 다운로드

교재로 채택하신 분들은 메일을 보내주시면 아래의 자료를 보내드리겠습니다: jeipubmarketer@gmail.com

■ 본문의 그림과 표

관련 파일 다운로드

■ 한국어 버전 연습문제 해답(이 자료는 저작권사로부터 제공받지 못한 자료입니다. 역자께서 개인적으로 시간과 노력을 들여 준비하고 있으며, 순차적으로 등록될 예정임을 안내해 드립니다)
■ 중국어 버전 연습문제 해답(이 자료는 저작권사로부터 공식적으로 인정받은 자료는 아님을 밝힙니다)

샘플 PDF(차례, 추천사, 옮긴이 머리말, 머리말, 이 책의 사용법, 베타리더 후기, 주요 기호표, 1장 '서론' 전체, 2장 '모델 평가 및 선택' 일부, 3장 '선형 모델' 일부, 16장 '강화 학습' 일부)

단단한머신러닝_sample.pdf

정오표 페이지

■ https://jpub.tistory.com/1028

도서구매 사이트(가나다순)

[교보문고] [도서11번가] [반디앤루니스] [알라딘] [영풍문고] [예스이십사] [인터파크] [쿠팡]

전자책 구매 사이트(가나다순)

[교보문고] [구글북스] [리디북스] [알라딘] [예스이십사] [인터파크]

도서 소개

간결한 설명과 최소한의 수학적 지식을 통해 체계적으로 정리한 머신러닝 입문서!

출간 3개월 만에 3만 부 판매!(중국 기준)

누적 50만 부 돌파!(2020년 2월 중국 기준)

중국 주요서점 장기 베스트셀러(중국 기준)

이 책은 인공지능 분야의 명예의 전당이라는 AAAI의 펠로우로 선정된 저자가 머신러닝을 처음 접하는 독자를 위해 2년간 정성을 다해 집필한 책입니다. 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 사용하였습니다.

이 책의 주요 목적은 독자들에게 나무와 숲을 함께 볼 수 있는 ‘초급 지도’를 제공해 머신러닝 입문자들이 올바른 방향으로 나갈 수 있도록 도와주는 것입니다. 다양한 머신러닝 알고리즘을 이해하기 쉽도록 이론뿐만 아니라 내부 처리 로직까지 설명하고 있어서 실제 머신러닝 기법의 개념과 원리를 탄탄하게 배울 수 있습니다.

아울러 체계적이고 간결한 내용 전개는 학부나 대학원의 교재뿐만 아니라 독학을 위한 자습서나 연구 참고용 도서로도 좋습니다.

지은이 소개

조우쯔화(Zhou Zhihua)

• 난징대학교 컴퓨터과학과 교수
• 미국 컴퓨터학회(ACM) 선정 우수과학자
• AAAI, IEEE, IAPR, IET/IEE 펠로우
• 국가 우수청년장학금 수상자
• Chang Jiang Scholars 특별 초청 교수
• 현) 중국 인공지능학회 머신러닝 전문위원회 회장, 중국 컴퓨터학회 인공지능 및 패턴인식 전문위원회 부회장, IEEE 컴퓨터학회 난징지부 의장

옮긴이 소개

김태헌

하나금융융합기술원에서 데이터 과학자로 일하면서 로보어드바이저, 신용평가 시스템 개발 등의 프로젝트에 참여하고 있다. 중학생 시절부터 10여년간을 중국에서 보냈으며, 베이징 대학교를 졸업하고 미국 캘리포니아 대학교 샌디에이고 캠퍼스에서 국제경제 석사 학위를 받았다.

차례

CHAPTER 01 서론 1

1.1 들어가며 1

1.2 머신러닝의 기본 용어 2

1.3 가설 공간 5

1.4 귀납적 편향 8

1.5 발전 과정 13

1.6 응용 현황 18

1.7 더 읽을거리 22

연습문제 25

참고문헌 26

머신러닝 쉼터 28

CHAPTER 02 모델 평가 및 선택 29

2.1 경험 오차 및 과적합 29

2.2 평가 방법 31

2.3 모델 성능 측정 37

2.4 비교 검증 47

2.5 편향과 분산 57

2.6 더 읽을거리 59

연습문제 61

참고문헌 62

머신러닝 쉼터 64

CHAPTER 03 선형 모델 65

3.1 기본 형식 65

3.2 선형 회귀 66

3.3 로지스틱 회귀 70

3.4 선형 판별분석 73

3.5 다중 분류 학습 77

3.6 클래스 불균형 문제 80

3.7 더 읽을거리 83

연습문제 85

참고문헌 86

머신러닝 쉼터 88

CHAPTER 04 의사결정 트리 89

4.1 기본 프로세스 89

4.2 분할 선택 92

4.3 가지치기 98

4.4 연속값과 결측값 103

4.5 다변량 의사결정 트리 110

4.6 더 읽을거리 113

연습문제 115

참고문헌 117

머신러닝 쉼터 118

CHAPTER 05 신경망 119

5.1 뉴런 모델 119

5.2 퍼셉트론과 다층 네트워크 121

5.3 오차 역전파 알고리즘 124

5.4 글로벌 미니멈과 로컬 미니멈 130

5.5 기타 신경망 133

5.6 딥러닝 139

5.7 더 읽을거리 142

연습문제 144

참고문헌 145

머신러닝 쉼터 148

CHAPTER 06 서포트 벡터 머신 149

6.1 마진과 서포트 벡터 149

6.2 쌍대문제 151

6.3 커널 함수 155

6.4 소프트 마진과 정규화 158

6.5 서포터 벡터 회귀 163

6.6 커널 기법 167

6.7 더 읽을거리 170

연습문제 172

참고문헌 173

머신러닝 쉼터 175

CHAPTER 07 베이지안 분류기 177

7.1 베이지안 결정 이론 177

7.2 최대 우도 추정 179

7.3 나이브 베이즈 분류기 181

7.4 세미 나이브 베이즈 분류기 186

7.5 베이지안 네트워크 188

7.6 EM 알고리즘 195

7.7 더 읽을거리 197

연습문제 199

참고문헌 200

머신러닝 쉼터 202

CHAPTER 08 앙상블 학습 203

8.1 객체와 앙상블 203

8.2 부스팅 206

8.3 배깅과 랜덤 포레스트 211

8.4 결합 전략 215

8.5 다양성 221

8.6 더 읽을거리 227

연습문제 229

참고문헌 231

머신러닝 쉼터 234

CHAPTER 09 클러스터링 235

9.1 클러스터링 학습 문제 235

9.2 성능 척도 236

9.3 거리 계산법 238

9.4 프로토타입 클러스터링 241

9.5 밀도 클러스터링 252

9.6 계층 클러스터링 255

9.7 더 읽을거리 259

연습문제 262

참고문헌 264

머신러닝 쉼터 266

CHAPTER 10 차원 축소와 척도 학습 267

10.1 k-최근접 이웃 기법 267

10.2 임베딩 269

10.3 주성분 분석 273

10.4 커널 선형 차원 축소 275

10.5 매니폴드 학습 278

10.6 척도 학습 282

10.7 더 읽을거리 285

연습문제 287

참고문헌 288

머신러닝 쉼터 290

CHAPTER 11 특성 선택과 희소 학습 291

11.1 부분집합 탐색과 평가 291

11.2 필터식 선택 294

11.3 포괄식 선택 296

11.4 임베딩식 선택과 L1 정규화 298

11.5 희소 표현과 사전 학습 301

11.6 압축 센싱 304

11.7 더 읽을거리 308

연습문제 310

참고문헌 311

머신러닝 쉼터 314

CHAPTER 12 계산 학습 이론 315

12.1 기초 지식 315

12.2 PAC 학습 317

12.3 유한 가설 공간 319

12.4 VC 차원 323

12.5 라데마허 복잡도 329

12.6 안정성 335

12.7 더 읽을거리 339

연습문제 341

참고문헌 342

머신러닝 쉼터 343

CHAPTER 13 준지도 학습 345

13.1 언레이블된 데이터 345

13.2 생성적 방법 348

13.3 준지도 SVM 352

13.4 그래프 준지도 학습 355

13.5 불일치에 기반한 방법 359

13.6 준지도 클러스터링 363

13.7 더 읽을거리 368

연습문제 370

참고문헌 372

머신러닝 쉼터 374

CHAPTER 14 확률 그래피컬 모델 375

14.1 은닉 마르코프 모델 375

14.2 마르코프 랜덤 필드 379

14.3 조건 랜덤 필드 383

14.4 학습과 추론 386

14.5 근사추론 390

14.6 토픽 모델 397

14.7 더 읽을거리 400

연습문제 403

참고문헌 404

머신러닝 쉼터 406

CHAPTER 15 규칙 학습 407

15.1 기본 개념 407

15.2 순차적 커버링 410

15.3 가지치기 최적화 414

15.4 일차 규칙 학습 416

15.5 귀납 논리 프로그래밍 420

15.6 더 읽을거리 428

연습문제 431

참고문헌 432

머신러닝 쉼터 434

CHAPTER 16 강화 학습 435

16.1 과업과 보상 435

16.2 K-암드 밴딧 438

16.3 모델 기반 학습 443

16.4 모델-프리 학습 450

16.5 가치 함수 근사 457

16.6 이미테이션 러닝 460

16.7 더 읽을거리 462

연습문제 464

참고문헌 465

머신러닝 쉼터 467

APPENDIX A 행렬 469

A.1 기본 연산 469

A.2 도함수 470

A.3 특잇값 분해 472

APPENDIX B 최적화 474

B.1 라그랑주 승수법 474

B.2 이차 프로그래밍 477

B.3 반정형 프로그래밍 478

B.4 경사하강법 479

B.5 좌표하강법 480

APPENDIX C 확률 분포 482

C.1 자주 사용하는 확률 분포 482

C.2 켤레 분포 487

C.3 KL 발산 488

에필로그 489

찾아보기 494

제이펍 소식 더 보기(제이펍의 소통 채널에서 더욱 다양한 소식을 확인하세요!)

네이버 책 포스트 유튜브 인스타그램 트위터 페이스북