반디앤루니스 인터넷서점

네비게이션 실시간 인기 책

    단단한 머신러닝

    단단한 머신러닝 머신러닝 기본 개념을 제대로 정리한 인공지능 교과서

    • 조우쯔화 저
    • 김태헌 역
    • 제이펍
    • 2020년 02월 28일
    • 정가
      30,000원
    • 판매가
      30,000원 [0% 할인]
    • 결제 혜택
      무이자
    • 적립금
      900원 적립 [3%P]

      NAVER Pay 결제 시 네이버페이 포인트 5% 적립 ?

    • 배송구분
      업체배송(반디북)
    • 배송료
      무료배송
    • 출고예정일

      출고예정일 안내

      ※ 출고예정일은 도서 재고상황에 따라 변동될 수 있습니다.

      close

      2026년 11월 18일(WED)

      ※ 출고예정일은 도서 재고상황에 따라 변동될 수 있습니다.

    수량
    회원리뷰
    - [0]
    ISBN: 9791188621989 536쪽 188 x 245 (㎜)

    지금 이책은

    이 책과 함께 구매한 책

    출판사 리뷰


    저자 소개

    조우쯔화

    저자 : 조우쯔화
    - 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

    역자 : 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.

    역자 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.

    책 속에서

    이 책은 머신러닝 교과서입니다. 최대한 많은 독자에게 머신러닝을 소개하고 싶은 마음에 수학적 지식의 사용은 최대한 배제하려 노력했습니다. 하지만 최소한의 확률, 통계, 대수, 최적화, 논리 관련 수학 이론은 포함되어 있습니다. 따라서 대학교 4학년 이상의 이공계열 학생이나 대학원생, 그리고 비슷한 배경을 가진 머신러닝에 관심 있는 독자들께 적합할 것 같습니다. 독자들의 편의를 위해 책 말미에는 수학 기초 지식에 관한 간략한 소개도 함께 다루고 있습니다.
    _ 머리말 중에서 


    P. 30 과적합을 일으키는 원인은 다양합니다. 그중에서도 학습능력이 너무 뛰어나 훈련 데이터들이 가진 일반적이지 않은 특성까지 학습하는 경우가 가장 흔한 원인입니다. 반대로, 과소적합은 일반적으로 학습능력이 좋지 못해서인 경우가 많습니다. 과소적합은 극복하기 쉽습니다.


    P. 96 실질적으로 정보 이득 규칙은 취할 수 있는 값의 수가 비교적 많은 속성에 유리하게 작용합니다. 이런 편향은 모델에 좋지 못한 영향을 끼칠 수 있습니다. 그래서 유명한 C4.5 의사결정 트리 방법[Quinlan, 1993]은 정보 이득을 사용하는 대신 이득율(gain ratio)이라는 방법을 사용하여 최적의 분할 속성을 선택했습니다. 식 4.2와 동일한 부호로 나타낸다면, 이득율은 다음과 같이 정의할 수 있습니다. 


    P. 171 커널 함수는 직접적으로 서포트 벡터 머신과 커널 기법의 최종 성능을 결정합니다. 한 가지 안타까운 것은 커널 함수의 선택 문제는 여전히 해결해야 할 어려운 문제입니다. 다중 커널 학습(multiple kernel learning)은 다수의 커널 함수를 사용하고 학습을 통해 얻은 최적의 컨벡스 조합을 최종 커널 함수로 설정합니다[Lanckriet et al., 2004; Bach et al., 2004]. 이는 사실상 앙상블 학습 메커니즘을 빌려온 것입니다. 


    P. 363 클러스터링은 일종의 전형적인 비지도 학습법입니다. 그러나 현실에서 우리는 클러스터링을 진행하며 지도 학습 정보를 획득할 때가 많습니다. 따라서 준지도 클러스터링(semi-supervised clustering) 방법으로 지도 정보를 활용해 더 좋은 클러스터링 결과를 얻을 수 있습니다.

    목차

    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

    배송 시 유의사항

    - 반디앤루니스에서 구매하신 도서는 물류 대행 위탁업체 웅진 북센을 통해 배송됩니다.
     (배송 포장에 "웅진 북센"으로 표기될 수 있습니다.)

    - 구매한 상품의 품질과 배송 관련 문의는 반디앤루니스로 문의 바랍니다.

    - 천재지변 및 택배사의 사정에 따라 배송이 지연될 수 있습니다.

    - 결제(입금) 완료 후 출판사 및 유통사의 사정으로 품절 또는 절판 되어 상품 구입이 어려울 수 있습니다. (별도 안내 예정)

    - 도서산간지역의 경우 추가 배송비가 발생될 수 있습니다.

    반품/교환

    상품 설명에 반품/ 교환 관련한 안내가 있는 경우 그 내용을 우선으로 합니다. (업체 사정에 따라 달라질 수 있습니다)

    반품/교환

    반품/교환
    반품/교환 방법 홈 > 고객센터 > 자주찾는질문 “반품/교환/환불” 안내 참고 또는 1:1상담게시판
    반품/교환 가능 기간 반품,교환은 배송완료 후 7일 이내, 상품의 결함 및 계약내용과 다를 경우 문제발견 후 30일 이내에 신청가능
    반품/교환 비용 변심 혹은 구매착오의 경우에만 반송료 고객 부담(별도 지정 택배사 없음)
    반품/교환 불가 사유
    • 소비자의 책임 사유로 상품 등이 손실 또는 훼손된 경우
    • 소비자의 사용, 포장 개봉에 의해 상품 등의 가치가 현저히 감소한 경우
    • 복제가 가능한 상품 등의 포장을 훼손한 경우 : 예)만화책, 잡지, 화보집 등
    • 시간의 경과에 의해 재판매가 곤란한 정도로 가치가 현저히 감소한 경우
    • 전자상거래등에서의 소비자보호에 관한 법률이 정하는 소비자 청약철회 제한 내용에 해당되는 경우
    • 해외주문 상품(해외 원서)의 경우(파본/훼손/오발송 상품을 제외)
    소비자 피해보상
    환불지연에 따른 배상
    • 상품의 불량에 의한 반품, 교환, A/S, 환불, 품질보증 및 피해보상 등에 관한 사항은
      소비자 분쟁해결 기준(공정거래위원회고시)에 준하여 처리됨
    • 대금 환불 및 환불지연에 따른 배상금 지급 조건, 절차 등은 전자상거래 등에서의
      소비자 보호에 관한 법률에 따라 처리함
    반품/교환 주소 경기도 파주시 문발로 77, 웅진북센(반디앤루니스)
    • 회사명 : (주)서울문고
    • 대표이사 : 김홍구
    • 개인정보 보호책임자 : 김홍구
    • E-mail : bandi_cs@bnl.co.kr
    • 소재지 : (06168) 서울 강남구 삼성로 96길 6
    • 사업자 등록번호 : 120-81-02543
    • 통신판매업 신고번호 : 제2023-서울강남-03728호
    • 물류센터 : (10881) 경기도 파주시 문발로 77 반디앤루니스
    copyright (c) 2016 BANDI&LUNI'S All Rights Reserved