단단한 머신러닝: 머신러닝 기본 개념을 제대로 정리한 인공지능 교과서

티스토리 메뉴 펼치기 댓글수0

제이펍의 도서

단단한 머신러닝: 머신러닝 기본 개념을 제대로 정리한 인공지능 교과서

제이펍
댓글수0


간결한 설명과 최소한의 수학적 지식을 통해 체계적으로 정리한 머신러닝 입문서!


도서구매 사이트(가나다순)


전자책 구매 사이트(가나다순)


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

관련 포스트

관련 시리즈

관련 도서
■ (관련 시리즈 참고)

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

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)

정오표 페이지

도서구매 사이트(가나다순)


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



맨위로

https://jpub.tistory.com/1014

신고하기