알고리즘은 과학 이론과 프로그래밍에서 언제나 중요한 역할을 수행해 왔습니다. 이 책은 실생활의 문제를 해결할 수 있는 여러 알고리즘을 활용하는 방법을 다룹니다. 알고리즘을 100% 활용하려면 그 논리와 수학적 기반을 깊이 이해해야 합니다. 이 책은 알고리즘과 여러 알고리즘 설계 기법을 소개하면서 시작합니다. 그러고 나서 선형 계획법, 페이지랭크, 그래프 등을 소개하고, 머신러닝 알고리즘을 뒷받침하는 수학과 논리에 대해서도 배울 것입니다. 또한, 날씨 예측, 트윗 클러스터링, 영화 추천 엔진 등 알고리즘을 어떻게 활용하는지 보여줄 사례도 포함하고 있습니다. 이 책을 끝내고 나면 여러분은 실생활 연산 문제의 알고리즘을 해결할 수 있는 자신감을 얻게 될 것입니다.

이 책은 프로그래머를 위해 쓰였습니다. 이 책은 알고리즘을 구성하는 수학에 대해 더 깊이 이해하고 싶은 숙련된 프로그래머나 이제 막 프로그래밍과 데이터 과학을 공부하려는 초보자에게 유용한 지식을 제공합니다. 데이터 과학에 대한 지식은 없어도 되지만 파이썬 프로그래밍 경험은 필수입니다.
- <들어가며> 중에서

1부 기초와 핵심 알고리즘

1장 알고리즘 기초
1.1 알고리즘 정의하기
__1.1.1 알고리즘의 단계
1.2 알고리즘의 로직 표현하기
__1.2.1 의사코드 이해하기
__1.2.2 스니펫 사용하기
__1.2.3 실행 계획 생성하기
1.3 파이썬 패키지 살펴보기
__1.3.1 파이썬 패키지
__1.3.2 주피터 노트북으로 파이썬 사용하기
1.4 알고리즘 설계 기법 이해하기
__1.4.1 데이터 차원
__1.4.2 연산 차원
1.5 성능 분석하기
__1.5.1 공간 복잡도 분석
__1.5.2 시간 복잡도 분석
__1.5.3 성능 추정
__1.5.4 알고리즘 선택
__1.5.5 빅오 표기법
1.6 알고리즘 검증하기
__1.6.1 결정론적, 비결정론적 알고리즘과 최적, 근사 알고리즘
__1.6.2 해석 가능성
1.7 요약

2장 알고리즘에 사용되는 자료 구조
2.1 파이썬 자료 구조 파악하기
__2.1.1 리스트
__2.1.2 튜플
__2.1.3 딕셔너리
__2.1.4 세트
__2.1.5 데이터프레임
__2.1.6 행렬
2.2 추상화 자료 유형 파악하기
__2.2.1 벡터
__2.2.2 스택
__2.2.3 큐
__2.2.4 스택과 큐에 대한 기본 아이디어
__2.2.5 트리
2.3 요약

3장 정렬과 검색 알고리즘
3.1 정렬 알고리즘 이해하기
__3.1.1 파이썬에서 변수 바꾸기
__3.1.2 버블 정렬
__3.1.3 삽입 정렬
__3.1.4 병합 정렬
__3.1.5 셸 정렬
__3.1.6 선택 정렬
3.2 검색 알고리즘 이해하기
__3.2.1 선형 검색
__3.2.2 이진 검색
__3.2.3 보간 검색
3.3 활용 사례 - 이민관리청에 접수된 서류 조회하기
3.4 요약

4장 알고리즘 설계
4.1 알고리즘 설계의 기본 개념 살펴보기
__4.1.1 관점 1 - 설계한 알고리즘이 우리가 기대하는 결과를 출력하는가?
__4.1.2 관점 2 - 설계한 알고리즘이 결과를 얻을 수 있는 최적의 방법인가?
__4.1.3 관점 3 - 설계한 알고리즘이 규모가 더 큰 데이터셋을 다룰 수 있는가?
4.2 알고리즘 설계 전략 이해하기
__4.2.1 분할 및 정복 전략 이해하기
__4.2.2 동적 계획법 이해하기
__4.2.3 탐욕 알고리즘 이해하기
4.3 활용 사례 - 외판원 문제 해결하기
__4.3.1 무차별 대입 전략 사용하기
__4.3.2 탐욕 알고리즘 사용하기
4.4 페이지랭크 알고리즘 이해하기
__4.4.1 문제 정의하기
__4.4.2 페이지랭크 알고리즘 구현하기
4.5 선형 계획법 이해하기
__4.5.1 선형 계획법 문제 정의하기
4.6 활용 사례 - 선형 계획법을 활용해 용량 계획하기
4.7 요약

5장 그래프 알고리즘
5.1 그래프 표현 이해하기
__5.1.1 그래프 유형
__5.1.2 특수한 유형의 엣지
__5.1.3 에고 중심 네트워크
__5.1.4 소셜 네트워크 분석
5.2 네트워크 분석 이론 살펴보기
__5.2.1 최단 경로
__5.2.2 삼각형
__5.2.3 밀도
__5.2.4 중심성 지표 이해하기
__5.2.5 파이썬으로 중심성 지표 계산하기
5.3 그래프 순회 이해하기
__5.3.1 너비 우선 검색
__5.3.2 깊이 우선 검색
5.4 활용 사례 - 사기 범죄 분석하기
__5.4.1 간단한 사기 분석 방법
__5.4.2 감시탑 사기 분석 방법
5.5 요약

2부 머신러닝 알고리즘

6장 비지도 학습 알고리즘
6.1 비지도 학습 이해하기
__6.1.1 데이터 마이닝 사이클에서의 비지도 학습
__6.1.2 비지도 학습의 최신 연구 트렌드
__6.1.3 비지도 학습의 활용 사례
6.2 클러스터링 알고리즘 이해하기
__6.2.1 유사도 측정하기
__6.2.2 계층적 클러스터링 알고리즘
__6.2.3 클러스터 평가하기
__6.2.4 클러스터링의 활용 사례
6.3 차원 축소 알고리즘 이해하기
__6.3.1 주성분 분석
__6.3.2 주성분 분석의 한계
6.4 연관 규칙 마이닝 이해하기
__6.4.1 연관 규칙 마이닝의 활용 사례
__6.4.2 장바구니 분석
__6.4.3 연관 규칙
__6.4.4 평가 척도
__6.4.5 연관 규칙 마이닝 알고리즘
6.5 활용 사례 - 비슷한 트윗끼리 클러스터링하기
__6.5.1 토픽 모델링
__6.5.2 클러스터링
6.6 이상 탐지 알고리즘 이해하기
__6.6.1 클러스터링 알고리즘
__6.6.2 밀도 기반 이상 탐지 알고리즘
__6.6.3 서포트 벡터 머신 알고리즘
6.7 요약

7장 전통적인 지도 학습 알고리즘
7.1 지도 학습 이해하기
__7.1.1 지도 학습 구조 소개
__7.1.2 지도 학습의 필요 조건
__7.1.3 분류 모델과 회귀 모델 비교하기
7.2 분류 알고리즘 이해하기
__7.2.1 분류 문제 소개
__7.2.2 분류 모델 평가하기
__7.2.3 분류 모델 구축 단계
__7.2.4 결정 트리 분류 알고리즘
__7.2.5 앙상블 알고리즘
__7.2.6 로지스틱 회귀 알고리즘
__7.2.7 서포트 벡터 머신 알고리즘
__7.2.8 나이브 베이즈 알고리즘
__7.2.9 분류 알고리즘 비교하기
7.3 회귀 알고리즘 이해하기
__7.3.1 회귀 문제 소개
__7.3.2 선형 회귀 알고리즘
__7.3.3 회귀 트리 알고리즘
__7.3.4 그레이디언트 부스팅 회귀 알고리즘
__7.3.5 회귀 알고리즘 비교하기
7.4 활용 사례 - 날씨 예측하기
7.5 요약

8장 뉴럴 네트워크 알고리즘
8.1 뉴럴 네트워크 이해하기
8.2 뉴럴 네트워크의 발전 살펴보기
8.3 뉴럴 네트워크 훈련하기
__8.3.1 뉴럴 네트워크 구조
__8.3.2 경사하강법
__8.3.3 활성화 함수
8.4 도구와 프레임워크 살펴보기
__8.4.1 케라스
__8.4.2 텐서플로 사용하기
__8.4.3 뉴럴 네트워크의 종류
8.5 전이 학습 이해하기
8.6 활용 사례 - 딥러닝으로 부정 탐지하기
__8.6.1 방법론
8.7 요약

9장 자연어 처리 알고리즘
9.1 자연어 처리 살펴보기
__9.1.1 자연어 처리 용어 이해하기
__9.1.2 자연어 처리 툴킷
9.2 백오브워즈 기반 자연어 처리 이해하기
9.3 단어 임베딩 살펴보기
__9.3.1 단어의 이웃
__9.3.2 단어 임베딩의 특징
9.4 자연어 처리에 리커런트 뉴럴 네트워크 사용하기
9.5 자연어 처리를 이용해 감성 분석하기
9.6 활용 사례 - 영화 리뷰 감성 분석하기
9.7 요약

10장 추천 엔진
10.1 추천 엔진 살펴보기
10.2 추천 엔진 종류 살펴보기
__10.2.1 콘텐츠 기반 추천 엔진
__10.2.2 협업 필터링 추천 엔진
__10.2.3 하이브리드 추천 엔진
10.3 추천 엔진의 한계점 이해하기
__10.3.1 콜드 스타트 문제
__10.3.2 메타 데이터
__10.3.3 데이터 희소성 문제
__10.3.4 사회적 영향력으로 인한 편향
__10.3.5 제한된 데이터
10.4 활용 분야 살펴보기
10.5 활용 사례 - 추천 엔진으로 영화 추천하기
10.6 요약
3부 고급 기법

11장 데이터 알고리즘
11.1 데이터 알고리즘 살펴보기
__11.1.1 데이터 분류
11.2 데이터 저장 알고리즘 이해하기
__11.2.1 데이터 저장 전략 이해하기
11.3 데이터 스트리밍 알고리즘 이해하기
__11.3.1 스트리밍 활용 분야
11.4 데이터 압축 알고리즘 이해하기
__11.4.1 무손실 압축 알고리즘
11.5 활용 사례 - 트위터 실시간 감성 분석하기
11.6 요약

12장 암호화
12.1 암호화 살펴보기
__12.1.1 가장 약한 연결고리의 중요성 이해하기
__12.1.2 기본 용어
__12.1.3 보안 요구사항 이해하기
__12.1.4 기본적인 암호 설계 이해하기
12.2 암호화 기법의 종류 이해하기
__12.2.1 암호화 해시 함수 사용하기
__12.2.2 대칭 암호화
__12.2.3 비대칭 암호화
12.3 활용 사례 - 머신러닝 모델 배포와 관련한 보안 이슈 살펴보기
__12.3.1 중간자 공격
__12.3.2 위장 공격
__12.3.3 데이터와 모델 암호화
12.4 요약

13장 대규모 알고리즘
13.1 대규모 알고리즘 살펴보기
__13.1.1 대규모 알고리즘 정의
__13.1.2 기본 용어
13.2 병렬 알고리즘 설계 이해하기
__13.2.1 암달의 법칙
__13.2.2 작업 세분성
__13.2.3 부하 분산
__13.2.4 국지성 이슈
__13.2.5 파이썬에서 병렬 프로세싱 실행하기
13.3 멀티 자원 프로세싱 전략 이해하기
__13.3.1 컴퓨팅 통합 장치 아키텍처
__13.3.2 클러스터 컴퓨팅
__13.3.3 혼합 방법
13.4 요약

14장 실질적 고려사항
14.1 실질적 고려사항 살펴보기
__14.1.1 AI 트위터 봇의 슬픈 사연
14.2 알고리즘의 해석 가능성 이해하기
__14.2.1 머신러닝 알고리즘과 해석 가능성
14.3 알고리즘의 윤리 이해하기
__14.3.1 학습 알고리즘이 가진 문제
__14.3.2 윤리적 고려사항 이해하기
14.4 모델의 편향 줄이기
14.5 NP-난해 문제 다루기
__14.5.1 문제를 단순화하기
__14.5.2 널리 알려진 다른 해결책을 수정해 사용하기
__14.5.3 확률적 모델 사용하기
14.6 알고리즘을 사용해야 할 때
__14.6.1 활용 사례 - 검은 백조 이벤트
14.7 요약

찾아보기