전체 분야
도서분류
컴퓨터/IT > 컴퓨터공학 > 인공지능 > 딥러닝/머신러닝
컴퓨터/IT > 대학교재
대학교재 > 컴퓨터
컴퓨터/IT > 대학교재
대학교재 > 컴퓨터
도서소개
배울 것 많은 머신러닝을 만화로 쉽게 학습할 수 있다!
《만화로 쉽게 배우는 머신러닝》
이 책은 발전 가능성이 무궁무진할 것으로 기대되는 인공지능 분야의 하나인 머신러닝에 대해서 기초 지식부터 머신러닝의 하나인 심층학습의 기초 지식까지 만화로 배울 수 있습니다. 특히 머신러닝 방법 중에서 대표적인 예를 몇 가지 들어, 그 개요를 쉽게 해설했습니다.
대상 독자는 머신러닝을 처음 접하는 초보자로, 대학 초년생 정도의 수학 지식이 필요합니다. 만약 수식이 생소하다면 각 장의 마지막에 있는 수학적 배경을 설명한 부분을 참고하면서, 수식이 어떠한 목적으로 표현되어 있는지 막연하게나마 파악해도 도움이 될 겁니다.
이 책은 문제 설정이 처음에 나오고, 그 문제를 해결하는 수단으로서 각각의 머신러닝 방법이 설명되어 있습니다.
시청을 무대로 흥미로운 전개가 눈길을 끈다
이 책은 시청을 무대로 일어나는 일을 회귀(이벤트의 실행), 분류1(검진), 평가(머신러닝을 배운 결과의 확인), 분류2(농산물의 크기 특정 등), 비지도 학습(행정 서비스)이라는 흐름으로 이야기를 즐기면서 머신러닝을배울 수 있습니다.
머신러닝 초보자, 문과 계열 SE에서 머신러닝 프로그래밍이 필요한 사람, 소프트웨어 기술자ㆍ소프트웨어 개발업 관리자 등, 이과 학부 1~2년차에게 도움이 될 것입니다.
상세이미지
저자소개
저자 아라키 마사히로
저자: 아라키 마사히로(荒木 雅弘)
1998년 박사 학위(공학) 취득(교토대학)
1999년 교토공예섬유대학공예학부 조교수
2007년~현재 교토공예섬유대학대학원 공예과학연구과 준교수로 재임
[주요 저서]
「음성대화시스템」(공저 オ-ム社), 「프리 소프트로 만드는 음성인식시스템 패턴 인식·기계학습의 첫걸음부터 대화 시스템까지」(森北出版), 「프리 소프트로 배우는 시만텍 Web과 인터액션」(森北出版), 「일러스트로 배우는 음성인식」(講談社)
역자 김정아
교 일어일문학과 졸업
출판사에서 교과서, 단행본, 잡지 편집, 취재, 번역 등의 업무 진행
현재 전문 번역가로 프리랜서 활동 중
[주요 경력]
ㆍ ㈜금성교과서 기획실에서 교과서 및 참고서 기획, 교정, 교열 및
편집, 일본어 참고서 번역 업무
ㆍ ㈜첨단에서 [월간 자동화기술], [월간 금형기술] 편집장으로 활약
감수 이강덕
서강대학교 경영학부(경영학전공) 학사
동 경영전문대학원 MBA(관리전공) 석사
동 대학원 글로벌서비스경영(경영학) 박사
현재 서강대학교 경영학과/경영전문대학원에 출강
[주요 활동]
ㆍ서강대학교 스마트핀테크연구센터 연구과제 및 참여기업 관리
ㆍ산학협력중점 교수 한국능률협회인증원 연구수행 전문위원
ㆍ신협의 신성장 및 조합원(소상공인) 안정화 방안연구 공동연구
ㆍ 4차 산업혁명시대의 동반성장을 위한 성과평가체계 및 지표개발 참여연구
목차
서장 머신러닝을 가르쳐 주세요!
윤서의 방 ① 윤서와 여고생 지민
제1장 회귀란 어떻게 하는 거야?
1.1 숫자를 예측하는 어려움
1.2 설명변수에서 목표변수를 구한다
1.3 선형회귀함수를 구한다
1.4 정칙화의 효과
윤서의 방 ② 수학 복습 ①
제2장 분류는 어떻게 하는 거야?
2.1 데이터를 정리한다
2.2 데이터에서 클래스를 예측한다
2.3 로지스틱 분류
2.4 결정나무를 이용한 분류
윤서의 방 ③ 수학 복습 ②
제3장 결과의 평가
3.1 테스트 데이터로 평가하지 않으면 의미가 없다
3.2 학습 데이터ㆍ검증 데이터ㆍ테스트 데이터
3.3 교차확인법
3.4 정확성ㆍ정밀도ㆍ재현율ㆍ값
윤서의 방 ④ 수학 복습 ③
제4장 딥러닝
4.1 뉴럴 네트워크
4.2 오차역전파법을 이용한 학습
4.3 심층학습에 도전
4.3.1 딥 뉴럴 네트워크의 문제점
4.3.2 다계층학습을 이용한 방법(1) 사전학습법
4.3.3 다계층학습을 이용한 방법(2) 활성화 함수
4.3.4 다계층학습을 이용한 방법(3) 과적합의 회피
4.3.5 특화된 구조의 뉴럴 네트워크
윤서의 방 ⑤ 수학 복습 ④
제5장 앙상블 학습
5.1 버깅
5.2 랜덤 포레스트
5.3 부스팅
윤서의 방
⑥ 수학 복습 ⑤
제6장 비지도 학습
6.1 클러스터링
6.1.1 계층적 클러스터링
6.1.2 분할 최적화 클러스터링
6.2 행렬 분해
윤서의 방 ⑦ 수학 복습 ⑥
에필로그
참고문헌
찾아보기
