- 평점평점점평가없음
- 저자이시카와 아키히코 (지은이), 박광수 (옮긴이)
- 출판사한빛미디어
- 출판일2018-11-01
- 등록일2021-04-09
- 파일포맷pdf
- 파일크기53 M
- 지원기기
PCPHONETABLET 프로그램 수동설치전자책 프로그램 수동설치 안내
아이폰, 아이패드, 안드로이드, 태블릿, PC
책소개
파이썬을 못해도, 수학을 잘 몰라도 이해할 수 있는 머신러닝!
이 책은 개발 환경 준비부터 머신러닝, 딥러닝의 기초까지 다룹니다. 파이썬 기초 지식을 공부하고 머신러닝을 다루는 데 필요한 최소한의 수학을 알려줍니다. 어려운 내용은 그림을 보면서 코드로 확인할 수 있게 구성했습니다. 그동안 머신러닝을 다룬 책이 어렵고 힘들게 느껴졌다면 이 책으로 시작해보길 권합니다.
주요 내용
● 개발 환경 준비
● 파이썬의 기초 지식
● 데이터 시각화 (그래프)
● 머신러닝에 필요한 수학의 기초
● 지도 학습, 비지도 학습
● 신경망 딥러닝의 기초와 응용 (필기 숫자의 인식)
이 책은 머신러닝을 수식으로 제대로 이해하려는 초심자를 대상으로 합니다. 머신러닝을 이해하는 데 필요한, 최소한의 수학을 정리합니다. 문제와 수식을 가능한 한 단순하게 제시해 설명하고 그래프로 결과를 확인합니다. 그동안 접한 머신러닝 책이 너무 어려웠다고 머신러닝을 포기하지 마세요. 이 책이면 부담 없이 머신러닝을 시작할 수 있습니다. 이 책을 다 읽을 무렵에는 그동안 이해하지 못했던 다른 책들도 훨씬 잘 이해할 수 있을 것입니다.
이제 대세는 파이썬, 머신러닝도 파이썬으로 배웁니다!
배우기도 쉽고 어디서나 실행되는 언어인 파이썬으로 머신러닝을 실행해볼 수 있습니다. 특히나 파이썬에는 머신러닝에 대한 강력한 라이브러리가 많이 제공되기 때문에 이론적인 지식을 현실 세계로 빠르게 구현할 수 있습니다.
지도학습뿐만 아니라 비지도 학습까지!
지도 학습(정답을 준 상태에서 학습시켜 결과를 예측)뿐 아니라 비지도 학습(자율학습, 정답을 주지 않은 상태에서 학습해 결과의 특징을 추출)의 영역까지 다루고 있습니다. 저차원에서 시작해 고차원의 실질적인 문제를 해결할 기초를 쌓을 수 있습니다.
차근차근 밟아가는 3단계 내용 설명!
수학적 배경 지식 습득(입력) → 소스 코드로 실행(연산) → 그래프로 결과를 확인하여 머릿속에서 시각화(출력)하는 구성을 반복합니다. 마치 프로그래밍의 흐름처럼 과학적인 학습법을 제공합니다. 머신러닝에서 수학(수식)은 피할 수 없습니다. 이를 정면돌파할 수 있도록 그래프를 많이 제공합니다.
대상 독자
● 파이썬도 잘 모르고 수학도 잘 모르는 머신러닝 초급 개발자
저자소개
주식회사 Aidemy 대표이사. 도쿄대학 공학부를 졸업하고 데이터 분석 관련 연구와 실무 경험을 살려 2017년 인공지능 엔지니어를 위한 온라인 교육 서비스 Aidemy를 시작했습니다. Aidemy는 인공지능을 다루는 데 필요한 기술을 알려주는 서비스로, 2만 명 넘는 회원이 100만 회 넘게 학습했습니다. 지금은 와세다대학 선진이공학 박사과정에서 AI 프로그래밍 실습 과정을 지도하고 있습니다.목차
CHAPTER 1 머신러닝의 준비
__1.1 머신러닝에 대해서
__1.2 파이썬 설치
__1.3 주피터 노트북
__1.4 케라스와 텐서플로 설치
CHAPTER 2 파이썬 기본
__2.1 사칙 연산
__2.2 변수
__2.3 자료형
__2.4 print 문
__2.5 list
__2.6 tuple
__2.7 if 문
__2.8 for 문
__2.9 벡터
__2.10 행렬
__2.11 행렬(ndarray)의 사칙 연산
__2.12 슬라이싱
__2.13 조건을 만족하는 데이터의 수정
__2.14 Help
__2.15 함수
__2.16 파일 저장
CHAPTER 3 그래프 그리기
__3.1 2차원 그래프 그리기
__3.2 3차원 그래프 그리기
CHAPTER 4 머신러닝에 필요한 수학의 기본
__4.1 벡터
__4.2 합의 기호
__4.3 곱의 기호
__4.4 미분
__4.5 편미분
__4.6 행렬
__4.7 지수 함수와 로그 함수
CHAPTER 5 지도 학습: 회귀
__5.1 1차원 입력 직선 모델
__5.2 2차원 입력면 모델
__5.3 D차원 선형 회귀 모델
__5.4 선형 기저 함수 모델
__5.5 오버피팅의 문제
__5.6 새로운 모델의 생성
__5.7 모델의 선택
__5.8 정리
CHAPTER 6 지도 학습: 분류
__6.1 1차원 입력 2클래스 분류
__6.2 2차원 입력 2클래스 분류
__6.3 2차원 입력 3클래스 분류
CHAPTER 7 신경망·딥러닝
__7.1 뉴런 모델
__7.2 신경망 모델
__7.3 케라스로 신경망 모델 구현
CHAPTER 8 신경망·딥러닝의 응용(필기체 숫자 인식)
__8.1 MNIST 데이터베이스
__8.2 2층 피드 포워드 네트워크 모델
__8.3 ReLU 활성화 함수
__8.4 공간 필터
__8.5 합성곱 신경망
__8.6 풀링
__8.7 드롭아웃
__8.8 MNIST 인식 네트워크 모델
CHAPTER 9 비지도 학습
__9.1 2차원 입력 데이터
__9.2 K-means 기법
__9.3 가우시안 혼합 모델
APPENDIX 머신러닝에 도움되는 파이썬 명령집
