간편결제, 신용카드 청구할인
인터파크 롯데카드 5% (19,670원)
(최대할인 10만원 / 전월실적 40만원)
북피니언 롯데카드 30% (14,490원)
(최대할인 3만원 / 3만원 이상 결제)
NH쇼핑&인터파크카드 20% (16,560원)
(최대할인 4만원 / 2만원 이상 결제)
Close

그림과 수식으로 배우는 통통 머신러닝 : 머신러닝의 개념부터 실용적인 알고리즘까지 한 권에!

원제 : イラストで學ぶ機械學習 最小二乘法による識別モデル學習を中心に
소득공제

2013년 9월 9일 이후 누적수치입니다.

공유하기
정가

23,000원

  • 20,700 (10%할인)

    1,150P (5%적립)

할인혜택
적립혜택
  • S-Point 적립은 마이페이지에서 직접 구매확정하신 경우만 적립 됩니다.
추가혜택
  • 5/28(화) 이내 발송 예정  (서울시 강남구 삼성로 512)
  • 무료배송
  • 주문수량
    감소 증가
    • 이벤트/기획전

    • 연관도서(28)

    • 상품권

    AD

    책소개

    여러 형태의 과업을 해결하기 위한 패턴 분류 알고리즘부터 최소제곱 학습으로 배우는 최첨단 머신러닝 학습 기법까지 『그림과 수식으로 배우는 통통 머신러닝』. 최첨단 머신러닝 학습 기법의 대부분은 사실 고전적인 최소제곱 학습의 확장으로 해석할 수 있다. 이 책은 이런 관점에서 다양한 학습 기법을 최소제곱 학습에 기초하여 소개한다. 따라서 최소제곱 학습만 확실히 이해해 둔다면, 중간 규모 정도의 데이터에 대한 고도의 학습 기법을 적용할 수 있다. 또한, 이 책은 머신러닝의 큰 그림과 함께 다양한 형태의 과제를 해결할 수 있는 학습 알고리즘을 소개한다. 특히, 최소제곱 학습을 기반으로 한 MATLAB 구현 예를 제공하므로 실험 결과를 간단히 재현해 볼 수 있다.

    출판사 서평

    이 책의 주요 내용
    ● 1부: 시작하며
    지도 학습 / 비지도 학습 / 강화 학습
    ● 2부: 지도 학습 기반 회귀
    최소제곱 학습 / 제약 최소제곱 학습 /희소 학습 / 로버스트 학습
    ● 3부: 지도 학습 기반 분류
    서포트 벡터 분류기 / 앙상블 분류 / 배깅과 부스팅 / 로지스틱 회귀 / 최소제곱 확률적 분류기 / 조건부 확률장
    ● 4부: 비지도 학습
    비지도 학습 기법 / 차원 축소 기법 / 클러스터링 기법
    ● 5부: 심화 학습
    순차적 학습 기법 / 반지도 학습 기법 / 지도 학습 기반의 차원 축소 기법 / 전이 학습 기법 / 멀티 태스크 학습 기법

    목차

    PART 1 시작하며 1
    CHAPTER 1 머신러닝이란? 2
    1.1 학습의 종류 3
    1.2 머신러닝 과업들 5
    1.3 머신러닝의 접근법 8

    CHAPTER 2 학습 모델 12
    2.1 선형 모델 12
    2.2 커널 모델 15
    2.3 계층 모델 18

    PART 2 지도 학습 기반 회귀 21
    CHAPTER 3 최소제곱 학습 22
    3.1 최소제곱 학습 22
    3.2 최소제곱해의 성질 25
    3.3 대규모 데이터를 다루기 위한 학습 알고리즘 27

    CHAPTER 4 제약 최소제곱 학습 32
    4.1 부분 공간 제약 최소제곱 학습 33
    4.2 제약 최소제곱 학습 34
    4.3 모델 선택 38

    CHAPTER 5 희소 학습 44
    5.1 제약 최소제곱 학습 44
    5.2 제약 최소제곱 학습의 해를 구하는 방법 46
    5.3 희소 학습에 의한 특징 선택 51
    5.4 제약 최소제곱 학습 52
    5.5 제약 최소제곱 학습 53

    CHAPTER 6 로버스트 학습 56
    6.1 손실 최소화 학습 57
    6.2 후버 손실 최소화 학습 59
    6.3 튜키 손실 최소화 학습 64
    6.4 제약 후버 손실 최소화 학습 66

    PART 3 지도 학습 기반 분류 71
    CHAPTER 7 최소제곱 학습 기반 분류 72
    7.1 최소제곱 분류 72
    7.2 0/1 손실과 마진 75
    7.3 다중 클래스 78

    CHAPTER 8 서포트 벡터 분류 81
    8.1 마진 최대화 분류 81
    8.2 서포트 벡터 분류기의 해를 구하는 방법 84
    8.3 희소성 87
    8.4 커널 트릭을 이용한 비선형화 89
    8.5 힌지 손실 최소화 학습 관점에서의 해석 91
    8.6 램프 손실을 이용한 로버스트 학습 94

    CHAPTER 9 앙상블 분류 99
    9.1 결정주 분류 100
    9.2 배깅 102
    9.3 부스팅 106

    CHAPTER 10 확률적 분류 114
    10.1 로지스틱 회귀 114
    10.2 최소제곱 확률적 분류 119

    CHAPTER 11 연속열 데이터의 분류 124
    11.1 연속열 데이터의 모형화 124
    11.2 조건부 확률장 모형의 학습 129
    11.3 조건부 확률장 모형을 이용한 레이블 연속열 예측 131

    PART 4 비지도 학습 133
    CHAPTER 12 이상 검출 134
    12.1 국소 이상 인자 134
    12.2 서포트 벡터 이상 검출 137
    12.3 밀도비 기반 이상 검출 140

    CHAPTER 13 비지도 기반 차원 축소 145
    13.1 선형 차원 축소의 개요 146
    13.2 주성분 분석 147
    13.3 국소성 보존 사영 150
    13.4 커널 주성분 분석 153
    13.5 라플라스 고유사상 156

    CHAPTER 14 클러스터링 159
    14.1 K-평균 클러스터링 159
    14.2 커널 K-평균 클러스터링 161
    14.3 스펙트럴 클러스터링 163
    14.4 파라미터의 자동 결정 165

    PART 5 심화 학습 171
    CHAPTER 15 온라인 학습 172
    15.1 수동 공격 학습 172
    15.2 적응 규제화 학습 179

    CHAPTER 16 반지도 학습 184
    16.1 입력 데이터가 이루는 다양체 구조의 활용 184
    16.2 라플라스 규제화 최소제곱 학습의 해를 구하는 방법 187
    16.3 라플라스 규제화에 대한 해석 189

    CHAPTER 17 지도 학습 기반 차원 축소 191
    17.1 분류 문제에 대한 판별 분석 191
    17.2 충분 차원 축소 198

    CHAPTER 18 전이 학습 200
    18.1 공변량 시프트 상황에서의 전이 학습 200
    18.2 클래스 밸런스 변화 상황에서의 전이 학습 208

    CHAPTER 19 멀티 태스크 학습 215
    19.1 최소제곱 회귀를 이용한 멀티 태스크 학습 215
    19.2 최소제곱 확률적 분류기를 이용한 멀티 태스크 학습 218
    19.3 다차원 출력 함수의 학습 220

    PART 6 마무리하며 225
    CHAPTER 20 앞으로의 전망 226

    참고문헌 230
    찾아보기 231

    본문중에서

    제약 최소제곱 학습과 교차 확인법을 함께 사용하는 것은 실제 응용에서 매우 유용한 회귀 방법이다. 그러나 파라미터 수가 많으면, 해나 학습한 함수의 출력값을 계산하는 데 시간이 많이 걸리는 문제가 있다. 이번 장에서는 파라미터의 대부분이 0으로 학습되는 것이 특징인 희소 학습을 소개한다. 파라미터 대부분이 0이 되므로 해나 학습한 함수의 출력을 빠르게 계산하는 데 도움이 된다.
    _44쪽

    실제 문제에서 대규모의 훈련 표본을 다룰 때에는 많든 적든 어느 정도의 이상값이 포함되어 있
    다고 보는 것이 당연하다. 이 때문에 최소제곱 학습은 이런 경우에는 신뢰성이 낮다고 할 수 있
    다. 통계학이나 머신러닝 분야에서는 이상값에 대한 견고성(안정성)을 로버스트성(robustness)이라고 부른다. 훈련 표본에 이상값이 섞여 있을 때에는 이상값을 처음부터 제거하고 학습을 실시하거나 이상값을 그대로 둔 채 영향을 덜 받는 방향으로 학습을 수행하는 것이 바람직하다. 전자에 해당하는 이상값 소거에 대해서는 12장에서 설명하도록 하고, 이번 장에서는 이상값에 대해 높은 안정성을 갖는 로버스트 학습을 소개하겠다.
    _56쪽

    여기까지 2 클래스 패턴 인식 문제를 중심으로 살펴보았다. 그러나 알파벳 문자 인식의 예만 보아도 26 클래스나 되며, 한자 인식 문제는 클래스 수가 적게는 수백, 많게는 수천에 이른다. 다중 클래스 패턴 인식 문제를 푸는 직접적인 방법은 10장에서 소개하기로 하고, 이번 절에서는 2 클래스 패턴 인식의 방법을 확장하여 다중 클래스 패턴 인식 문제를 푸는 방법을 두 가지 소개하도록 한다.
    _78쪽

    그 외에도 오류 정정 부호를 사용하여 각각의 클래스를 10011이나 01010 따위로 부호화하여 각 비트를 2 클래스 분류기로 예측하는 오류 수정 출력 부호라 불리는 방법도 제안되었다. 그러나 오류 수정 부호를 적절하게 설계하는 과정이 쉽지 않다는 단점이 있다. 10장에서 다중 클래스 분류 문제를 직접 푸는 알고리즘을 소개하겠지만, 그렇다고 반드시 다중 클래스 분류 문제를 직접 풀어야 하는 것은 아니다. 왜냐하면, 다중 클래스 분류 문제는 일반적으로 2 클래스 분류 문제에 비해 학습이 어렵기 때문이다. 따라서 목적과 상황에 맞게 적절한 방법을 택하는 것이 현실적이라 할 수 있다.
    _80쪽

    문자열을 낱낱의 문자로 인식하는 것은 지금까지 소개한 다양한 방법을 적용할 수 있다. 그러나 문자가 출현하는 데는 같은 문자가 연속하여 출현한다든가, 어떤 문자 뒤에는 어떤 문자가 자주 나온다든가 하는 전후관계가 관련되어 있다. 이러한 규칙성을 활용하면 문자열의 인식 정밀도를 향상시킬 수 있다. 한편, 문자열 안의 모든 문자를 동시에 인식하려면 클래스 수가 문자열 길이의 제곱에 비례하는 지수적 증가를 보이기 때문에 학습이 어렵다. 그래서 이번 장에서는 문자열의 부분적 전후관계를 이용하여 실용적인 계산 시간 내에서 학습할 수 있는 조건부 확률장이라는 기법을 소개하겠다.
    _124쪽

    관련이미지

    저자소개

    스기야마 마사시 [저] 신작알림 SMS신청
    생년월일 -

    해당작가에 대한 소개가 없습니다.

    심효섭 [역] 신작알림 SMS신청
    생년월일 -

    연세대학교 문헌정보학과를 졸업하고 모교 중앙도서관과의 인연으로 도서관 솔루션 업체에서 일하게 되면서 개발을 시작했다. 네이버에서 웹 서비스 개발 업무를 맡았으며, 웹 서비스 외에 머신러닝에 대한 공부도 꾸준히 하고 있다. 최근 관심사는 회사에 속하지 않고도 지속 가능한 삶이다. 옮긴 책으로 『머신러닝 실무 프로젝트』(한빛미디어), 『딥 러닝 제대로 시작하기』, 『딥 러닝 제대로 정리하기』, 『엔지니어를 위한 파이썬』, 『그림과 수식으로 배우는 통통 머신러닝』, 『그림과 수식으로 배우는 통통 인공지능』(이상 제이펍) 등이 있다.

    이 상품의 시리즈

    (총 28권 / 현재구매 가능도서 28권)

    선택한 상품 북카트담기
    펼쳐보기

    전공도서/대학교재 분야에서 많은 회원이 구매한 책

      리뷰

      0.0 (총 0건)

      100자평

      작성시 유의사항

      평점
      0/100자
      등록하기

      100자평

      0.0
      (총 0건)

      판매자정보

      • 인터파크도서에 등록된 오픈마켓 상품은 그 내용과 책임이 모두 판매자에게 있으며, 인터파크도서는 해당 상품과 내용에 대해 책임지지 않습니다.

      상호

      (주)교보문고

      대표자명

      안병현

      사업자등록번호

      102-81-11670

      연락처

      1544-1900

      전자우편주소

      callcenter@kyobobook.co.kr

      통신판매업신고번호

      01-0653

      영업소재지

      서울특별시 종로구 종로 1(종로1가,교보빌딩)

      교환/환불

      반품/교환 방법

      ‘마이페이지 > 취소/반품/교환/환불’ 에서 신청 또는 1:1 문의 게시판 및 고객센터(1577-2555)에서 신청 가능

      반품/교환가능 기간

      변심 반품의 경우 출고완료 후 6일(영업일 기준) 이내까지만 가능
      단, 상품의 결함 및 계약내용과 다를 경우 문제점 발견 후 30일 이내

      반품/교환 비용

      변심 혹은 구매착오로 인한 반품/교환은 반송료 고객 부담
      상품이나 서비스 자체의 하자로 인한 교환/반품은 반송료 판매자 부담

      반품/교환 불가 사유

      ·소비자의 책임 있는 사유로 상품 등이 손실 또는 훼손된 경우
      (단지 확인을 위한 포장 훼손은 제외)

      ·소비자의 사용, 포장 개봉에 의해 상품 등의 가치가 현저히 감소한 경우
      예) 화장품, 식품, 가전제품(악세서리 포함) 등

      ·복제가 가능한 상품 등의 포장을 훼손한 경우
      예) 음반/DVD/비디오, 소프트웨어, 만화책, 잡지, 영상 화보집

      ·시간의 경과에 의해 재판매가 곤란한 정도로 가치가 현저히 감소한 경우

      ·전자상거래 등에서의 소비자보호에 관한 법률이 정하는 소비자 청약철회 제한 내용에 해당되는 경우

      상품 품절

      공급사(출판사) 재고 사정에 의해 품절/지연될 수 있음

      소비자 피해보상
      환불지연에 따른 배상

      ·상품의 불량에 의한 교환, A/S, 환불, 품질보증 및 피해보상 등에 관한 사항은 소비자분쟁해결 기준 (공정거래위원회 고시)에 준하여 처리됨

      ·대금 환불 및 환불지연에 따른 배상금 지급 조건, 절차 등은 전자상거래 등에서의 소비자 보호에 관한 법률에 따라 처리함

      (주)KG이니시스 구매안전서비스서비스 가입사실 확인

      (주)인터파크커머스는 회원님들의 안전거래를 위해 구매금액, 결제수단에 상관없이 (주)인터파크커머스를 통한 모든 거래에 대하여
      (주)KG이니시스가 제공하는 구매안전서비스를 적용하고 있습니다.

      배송안내

      • 교보문고 상품은 택배로 배송되며, 출고완료 1~2일내 상품을 받아 보실 수 있습니다.

      • 출고가능 시간이 서로 다른 상품을 함께 주문할 경우 출고가능 시간이 가장 긴 상품을 기준으로 배송됩니다.

      • 군부대, 교도소 등 특정기관은 우체국 택배만 배송가능합니다.

      • 배송비는 업체 배송비 정책에 따릅니다.

      • - 도서 구매 시 15,000원 이상 무료배송, 15,000원 미만 2,500원 - 상품별 배송비가 있는 경우, 상품별 배송비 정책 적용