장바구니 담기 close

장바구니에 상품을 담았습니다.

장바구니로 계속쇼핑하기
머신 러닝과 통계
미리보기

머신 러닝과 통계

  • 프라탑 단게티
  • |
  • 에이콘출판
  • |
  • 2018-02-28 출간
  • |
  • 496페이지
  • |
  • 188 X 235 mm
  • |
  • ISBN 9791161751191
판매가

35,000원

즉시할인가

31,500 원

배송비

무료배송

(제주/도서산간 배송 추가비용:3,000원)

추가상품
상품선택
독서대 7,900원 독서대 선택안함 0원
수량
+ -
총주문금액
31,500원
장바구니 구매하기

※ 스프링제본 상품은 반품/교환/환불이 불가능하므로 신중하게 선택하여 주시기 바랍니다.

북스크린영상으로 만나보는 한 권의 책 이야기

출판사서평

★ 이 책에서 다루는 내용 ★ ■ 모델 구축에 필요한 머신 러닝과 통계학 기초 이해 ■ 문제 해결을 위한 통계적 방식과 머신 러닝 방식 사이의 차이점 및 유사점 이해 ■ 데이터를 준비하는 방법 및 준비된 데이터로 R과 파이썬 패키지의 머신 러닝 알고리즘을 사용해 모델을 직접 구축하는 방법 ■ 결과를 분석하고 목적에 맞게끔 모델을 튜닝하는 방법 ■ 머신 러닝을 위해 필요한 통계학 개념 이해 ■ 지도학습과 딥러닝 비지도학습 모델에 필요한 필수 기초 지식 ■ 강화학습과 인공지능 응용분야 ★ 이 책의 대상 독자 ★... 더보기 ★ 이 책에서 다루는 내용 ★ ■ 모델 구축에 필요한 머신 러닝과 통계학 기초 이해 ■ 문제 해결을 위한 통계적 방식과 머신 러닝 방식 사이의 차이점 및 유사점 이해 ■ 데이터를 준비하는 방법 및 준비된 데이터로 R과 파이썬 패키지의 머신 러닝 알고리즘을 사용해 모델을 직접 구축하는 방법 ■ 결과를 분석하고 목적에 맞게끔 모델을 튜닝하는 방법 ■ 머신 러닝을 위해 필요한 통계학 개념 이해 ■ 지도학습과 딥러닝 비지도학습 모델에 필요한 필수 기초 지식 ■ 강화학습과 인공지능 응용분야 ★ 이 책의 대상 독자 ★ 이 책은 머신 러닝을 시스템에 구현하려는 사람이라면 통계학 지식의 유무와 상관없이 읽을 수 있다. R과 파이썬 프로그래밍에 관한 사전 지식은 많은 도움이 된다. ★ 이 책의 구성 ★ 1장, ‘통계로부터 머신 러닝으로의 여행’에서는 통계와 머신 러닝의 기초 및 기본 요소를 소개한다. 모든 기초 지식은 전체 장에 걸쳐 파이썬과 R 코드를 통해 설명한다. 2장, ‘통계학과 머신 러닝의 유사점’에서는 선형 회귀와 라소/리지 회귀 예제를 통해 통계 모델링과 머신 러닝 사이의 차이점과 유사점을 비교해본다. 3장, ‘로지스틱 회귀와 랜덤 포레스트’에서는 분류 예제를 통해 로지스틱 회귀와 랜덤 포레스트의 세부 단계를 상세히 설명하면서 비교한다. 이 장이 끝날 때쯤에는 통계학과 머신 러닝 두 주류 학문에 관한 큰 그림을 그릴 수 있을 것이다. 4장, ‘트리 기반 머신 러닝 모델’에서는 실제 현업에서 많이 사용되고 있는 다양한 트리 기반 머신 러닝 모델을 알아본다. HR 퇴사자 데이터 예제를 통해 의사결정 트리(decision trees), 배깅(bagging), 랜덤 포레스트(random forest), 에이다 부스트(AdaBoost), 기울기 부스팅(gradient boosting), XG부스트X(GBoost)를 파이썬과 R 언어를 사용해 배운다. 5장, ‘K-최근접 이웃과 나이브 베이즈’에서는 간단한 머신 러닝 기법인 k-최근접 이웃을 유방암 데이터와 함께 설명한다. 나이브 베이즈 모델은 다양한 자연어 전처리 기술, 메시지 분류 예제와 함께 설명한다. 6장, ‘서포트 벡터 머신과 신경망’에서는 서포트 벡터 머신과 관련한 다양한 기능에 관해 기술하고 커널 함수 사용법을 알아본다. 그런 다음, 신경망을 소개하고 딥러닝의 기초에 관한 모든 것을 다룬다. 7장, ‘추천 엔진’에서는 사용자-사용자 유사도 행렬로부터 찾아낸 ‘유사한 사람’의 정보에서 ‘유사한 영화’를 찾는 방법을 알아본다. 두 번째 절에서는 코사인 유사도(cosine similarity)를 계산한 후 영화-영화 유사도 행렬을 구성해 추천 시스템을 직접 만들어본다. 마지막으로 최종 추천을 위해 사용자와 영화 간에 교대 최소 자승법을 활용한 협업 필터링(collaborative filtering) 기술을 사용한다. 8장, ‘비지도학습’에서는 K-평균 군집화(k-means clustering), 주성분 분석(principal component analysis), 특이값 분해(singular value decomposition), 딥러닝 기반의 딥 오토 인코더(deep auto encoders) 같은 다양한 기술을 소개한다. 마지막 부분에서는 딥 오토 인코더가 전통적인 PCA기법과 비교했을 때 갖고 있는 장점을 알아본다. 9장, ‘강화학습’에서는 에피소드 상태를 통해 최적 경로를 학습하는 마르코프 결정 프로세스 (Markov decision process), 동적 프로그래밍(dynamic programming), 몬테카를로 기법(Monte Carlo methods), 시간차 학습(temporal difference learning)과 같은 완전 탐색 기법(exhaustive techniques)에 관해 알아본다. 마지막에는 머신 러닝과 강화학습을 사용한 좋은 응용 사례 몇 가지를 소개한다. 닫기

목차

1장. 통계학에서 머신 러닝으로의 여행 __모델 구축과 검증을 위한 통계 용어 ____머신 러닝 ____통계 모델링과 머신 러닝의 주요 차이점 ____머신 러닝 모델 개발과 배치를 위한 단계 ____통계학 기초 및 모델 구축과 검증에 관련된 용어 ____편향과 분산의 트레이드 오프 ____훈련 데이터와 테스트 데이터 __모델 구축과 검증을 위한 머신 러닝 용어 ____선형 회귀 vs 기울기 하강법 ____머신 러닝 손실 ____머신 러닝 모델 튜닝을 멈추는 시점 ____훈련, 검증, 테스트 데이터 ____교차 검증 ____그리드 검색 __머신 러닝 모델 개관 __요약 2장. 통계학과 머신 러닝의 유사점 __회귀와 머신 러닝 모델의 비교 __머신 러닝 모델의 보상 요인들 ____선형 회귀의 가정들 ____선형 회귀 모델링에 적용된 단계들 ____기본 원리로 해결하는 간단한 선형 회귀 예제 ____와인 품질 데이터를 이용한 단순 선형 회귀 예제 ____다중 선형 회귀 예제 - 모델 구축을 위한 단계별 기법 ________후진 제거법과 전진 선택법 __머신 러닝 모델 - 리지와 라소 회귀 ____리지 회귀 분석 머신 러닝 예 ____라소 회귀 분석 머신 러닝 모델 ____선형 회귀와 리지/라소 회귀의 매개변수 정규화 __요약 3장. 로지스틱 회귀 vs 랜덤 포레스트 __최대 우도 추정 __로지스틱 회귀 - 소개 및 장점 ____로지스틱 회귀에서 사용되는 용어 ____로지스틱 회귀 모델링의 적용 단계 ____독일 신용 데이터를 이용한 로지스틱 회귀 예 __랜덤 포레스트 ____독일 신용 데이터를 이용한 랜덤 포레스트 예 ________랜덤 포레스트에서의 그리드 검색 __변수 중요도 그래프 __로지스틱 회귀와 랜덤 포레스트 비교 __요약 4장. 트리 기반 머신 러닝 모델 __결정 트리 분류기 소개 ____결정 트리에 사용되는 용어들 ____기본 원리로 본 결정 트리의 작동 원리 __로지스틱 회귀와 결정 트리 비교 __다양한 모델 형식 간의 오차항 비교 __이상적인 영역으로 가는 개선책 __HR 퇴직율 데이터 예제 __의사결정 트리(DT) 분류기 __트리 분류기의 가중값 튜닝 __배깅 분류기 __랜덤 포레스트 분류기 __랜덤 포레스트 - 그리드 검색 __에이다 부스트 분류기 __기울기 부스팅 분류기 __에이다 부스팅과 기울기 부스팅의 비교 __극단 기울기 부스팅 - XG 부스트 분류기 __앙상블들의 앙상블 - 모델 스태킹 __서로 다른 분류기 형태 간의 앙상블들의 앙상블 __동일 형식 분류기를 사용한 부트스트랩 표본을 통한 앙상블들의 앙상블 __요약 5장. K-최근접 이웃과 나이브 베이즈 __K-최근접 이웃 ____KNN투표 예제 ____차원의 저주 ________차원의 저주 1차, 2차, 3차원 예제 __위스콘신 유방암 진단 데이터를 이용한 KNN 분류기 __KNN분류기에서 K 값 튜닝 __나이브 베이즈 __확률 기초 ____결합 확률 __조건부 확률과 베이즈 정리의 이해 __나이브 베이즈 분류기 __라플라스 계산 __나이브 베이즈 SMS 스팸 분류 예 __요약 6장. 서포트 벡터 머신과 신경망 __SVM 동작 원리 ____최대 마진 분류기 ____서포트 벡터 분류기 ____서포트 벡터 머신 __커널 함수 __SVM 다중 레이블 분류기를 사용한 문자 인식 예제 ____최대 마진 분류기 - 선형 커널 ____다항 커널 ____RBF 커널 __인공 신경망 __활성 함수 __순전파와 역전파 __신경망의 최적화 ____확률 경사 하강법(SGD) ____모멘텀 ____NAG ____에이다 그래드 ____에이다 델타 ____RMS프랍 ____적응 모멘트 계산 - Adam ____L-BFGS 최적화 알고리즘 __신경망에서의 드롭아웃 __scikit-learn을 사용해 필기체 숫자 인식에 적용한 ANN 분류기 __딥러닝 소개 ____해결 기법 ____딥러닝 소프트웨어 ____필기체 숫자 인식을 위해 케라스를 사용한 딥 신경망 분류기 __요약 7장. 추천 엔진 __내용 기반 필터링 ____코사인 유사도 __협업 필터링 ____내용 기반 필터링 대비 협업 필터링의 장점 ____협업 필터링을 위한 교대 최소 자승법에 의한 행렬 인수 분해 __추천 엔진 모델의 평가 ____그리드 검색을 사용한 추천 엔진의 초매개변수 선택 ____무비렌즈 데이터에 적용한 추천 엔진 ________사용자-사용자 유사도 행렬 ________영화-영화 유사도 행렬 ________ALS를 사용한 협업 필터링 ________협업 필터링에서의 그리드 검색 __요약 8장. 비지도학습 __K-평균 군집화 ____K-평균 군집화 기본 작동 원리362 ____최적 클러스터 개수와 클러스터 평가 ________엘보 기법 ____붓꽃 데이터 예제를 이용한 K-평균 군집화 __주성분 분석 - PCA ____기본 원리로 본 PCA작동 기법 ____scikit-learn를 활용한 필기체 숫자 인식에 PCA적용 __특이점 분해 - SVD ________scikit-learn를 사용한 필기체 숫자에 SVD적용 __딥 오토 인코더 __인코더-디코더 구조를 이용한 모델 구축 기법 __케라스를 이용한 필기체 숫자 인식에 딥 오토 인코더 적용 __요약 9장. 강화학습 __강화학습 소개 __지도?비지도?강화학습의 상세 비교 __강화학습의 특성 __강화학습 기초 ____범주 1 - 가치 기반 ____범주 2 - 정책 기반 ____범주 3 - 액터 크리틱 ____범주 4 - 비모델 기반 ____범주 5 - 모델 기반 ____순차적 의사결정의 기본 범주 __마르코프 결정 프로세스와 벨만 방정식 __동적 프로그래밍 ____동적 프로그래밍으로 최적 정책을 계산하는 알고리즘 __파이썬으로 격자 세상에 가치와 정책 반복 알고리즘 구현 __몬테카를로 기법 ____동적 프로그래밍과 몬테카를로 기법의 비교 ____DP기법 대비 MC기법의 핵심 우위점 ____몬테카를로 예측 ____그리드 문제에 적용한 몬테카를로 예측의 적합성 ____파이썬을 사용해 블랙잭 게임을 몬테카를로 기법으로 모델링 __시간차 학습 ____몬테카를로 기법과 시간차 학습의 비교 ____TD 예측 ____TD 학습을 위한 회사까지 운전 예제 ____SARSA 온-폴리시 TD 제어 __Q-러닝 오프-폴리시 TD 제어 __절벽 걷기 예제에 적용한 온-폴리시와 오프-폴리시 TD 제어 __머신 러닝과 딥러닝을 통합한 강화학습의 응용 ____자율 운행 제어 - 자율 주행 차량 ____구글 딥마인드의 알파고 ____로봇 축구 __참고문헌 __요약
추천포스트

교환 및 환불안내

도서교환 및 환불
  • ㆍ배송기간은 평일 기준 1~3일 정도 소요됩니다.(스프링 분철은 1일 정도 시간이 더 소요됩니다.)
  • ㆍ상품불량 및 오배송등의 이유로 반품하실 경우, 반품배송비는 무료입니다.
  • ㆍ고객님의 변심에 의한 반품,환불,교환시 택배비는 본인 부담입니다.
  • ㆍ상담원과의 상담없이 교환 및 반품으로 반송된 물품은 책임지지 않습니다.
  • ㆍ이미 발송된 상품의 취소 및 반품, 교환요청시 배송비가 발생할 수 있습니다.
  • ㆍ반품신청시 반송된 상품의 수령후 환불처리됩니다.(카드사 사정에 따라 카드취소는 시일이 3~5일이 소요될 수 있습니다.)
  • ㆍ주문하신 상품의 반품,교환은 상품수령일로 부터 7일이내에 신청하실 수 있습니다.
  • ㆍ상품이 훼손된 경우 반품 및 교환,환불이 불가능합니다.
  • ㆍ반품/교환시 고객님 귀책사유로 인해 수거가 지연될 경우에는 반품이 제한될 수 있습니다.
  • ㆍ스프링제본 상품은 교환 및 환불이 불가능 합니다.
  • ㆍ군부대(사서함) 및 해외배송은 불가능합니다.
  • ㆍ오후 3시 이후 상담원과 통화되지 않은 취소건에 대해서는 고객 반품비용이 발생할 수 있습니다.
반품안내
  • 마이페이지 > 나의상담 > 1 : 1 문의하기 게시판 또는 고객센터 1800-7327
교환/반품주소
  • 경기도 파주시 문발로 211 1층 / (주)북채널 / 전화 : 1800-7327
  • 택배안내 : CJ대한통운(1588-1255)
  • 고객님 변심으로 인한 교환 또는 반품시 왕복 배송비 5,000원을 부담하셔야 하며, 제품 불량 또는 오 배송시에는 전액을 당사에서부담 합니다.