스칼라와 기계 학습

1장. 시작하며
__관심 있는 독자를 위한 수식 표기법
__기계 학습이란 무엇인가
____분류
____예측
____최적화
____회귀
__왜 스칼라인가
____추상화
____규모 확장성
____설정성
____유지 보수성(Maintainability)
____요구불 연산
__모델의 범주
__기계 학습 알고리즘 분류체계
____비감독 학습
__________군집화
__________차원 축소
____감독 학습
__________생성 모델
__________식별 모델
____강화 학습
__도구 및 프레임워크
____자바
____스칼라
____아파치 커먼스 수학(Apache Commons Math)
__________설명
__________라이선스
__________설치
____JFreeChart
__________설명
__________라이선스
__________설치
____기타 라이브러리 및 프레임워크
__소스 코드
____맥락과 뷰 바운드
____코드 표시
____기본 타입 및 암시
__________기본 타입
__________타입 변환
__________연산자
____변경 불가능성
____스칼라 이터레이터의 성능
__최종 점검
____계산 워크플로우 개요
____간단한 워크플로우 작성
__________데이터 집합 선택
____데이터 집합 적재
__________데이터 집합 전처리
__________모델 생성 (학습)
__________데이터 분류
__요약

2장. Hello, World!
__모델링
____모델의 다른 이름
____모델 vs. 설계
____모델 특성 선택
____특성 추출
__워크플로우 설계
____계산 프레임워크
____파이프 연산자
____모나딕 데이터 변환
____의존관계 주입
____워크플로우 모듈
____워크플로우 팩토리
____워크플로우 구성 요소 예제
__________전처리 모듈
__________군집화 모듈
__모델 평가하기
____검증
__________핵심 지표
__________구현
____K-폴드 교차 검증
____편향-분산 분해
____과적합
__요약

3장. 데이터 전처리
__시계열
__이동 평균
____단순 이동 평균
____가중 이동 평균
____지수 이동 평균
__푸리에 분석
____이산 푸리에 변환(DFT)
____DFT 기반 필터링
____시장 사이클 감지하기
__칼만 필터
____상태 공간 추정
__________천이식
__________측정식
____재귀 알고리즘
__________예측
__________보정
__________칼만 평활화
__________실험
__다른 전처리 기법들
__요약

4장. 비감독 학습
__군집화
____K-평균 군집화
__________유사도 측정하기
__________K-평균 알고리즘 개괄
__________1단계: 군집 설정
__________2단계: 군집 할당
__________3단계: 반복적인 재구축
__________차원의 저주
__________실험
__________군집의 개수 튜닝하기
__________검증
____기대값 최대화 알고리즘
__________가우스 혼합 모델
__________EM 개괄
__________구현
__________테스트
__________온라인 EM
__차원 축소
____주성분 분석(PCA)
__________알고리즘
__________구현
__________테스트 케이스
__________평가
____다른 차원 축소 기법
__성능 고려 사항
____K-평균
____EM
____PCA
__요약

5장. 나이브 베이즈 분류기
__확률적 그래프 모델
__나이브 베이즈 분류기
____다항 나이브 베이즈 소개
__________정식화
__________빈도주의자(frequentist)의 관점
__________예측 모델
__________0-빈도 문제
____구현
__________소프트웨어 설계
__________훈련
__________분류
__________레이블 붙이기
__________결과
__다변량 베르누이 분류
____모델
____구현
__나이브 베이즈와 텍스트 마이닝
____정보 추출의 기본
____구현
__________용어 추출
__________용어 점수 매기기
____테스트
__________텍스트 정보 가져오기
__________평가
__장점과 단점
__요약

6장. 회귀분석과 정규화
__선형 회귀
____1-변량 선형 회귀
__________구현
__________테스트 케이스
____일반 최소 제곱 회귀
__________설계
__________구현
__________테스트 케이스 1: 추세
__________테스트 케이스 2: 특성 선택
__정규화
____Ln 거칠기 벌점
____리지 회귀
__________구현
__________테스트 케이스
__수치 최적화
__로지스틱 회귀
____로짓 함수
____이항 분류
____소프트웨어 설계
____훈련 워크플로우
__________최소 제곱 최적화기 설정하기
__________자코비안 행렬 계산하기
__________종료 조건 정의하기
__________최소 제곱 문제 정의하기
__________손해 함수 최소화하기
__________테스트
____분류
__요약

7장. 순차적 데이터 모델
__마코프 결정 과정
____마코프 특성
____1차 이산 마코프 체인
__은닉 마코프 모델(HMM)
____표기법
____람다 모델
____HMM 실행 상태
____평가(CF-1)
__________알파 클래스(전방 변수)
__________베타 클래스(역방향 변수)
____훈련(CF-2)
__________바움-웰치 추정기
____디코딩(CF-3)
__________비터비 알고리즘
____하나로 합치기
____테스트 케이스
____시계열 분석을 위한 은닉 마코프 모델
__조건부 임의 필드
____CRF 소개
____선형 체인 CRF
__CRF와 텍스트 분석
____특성 함수 모델
____소프트웨어 설계
____구현
__________훈련 집합 만들기
__________태그 만들기
__________데이터 시퀀스 추출하기
__________CRF 제어 매개변수
__________하나로 합치기
____테스트
__________훈련 수렴 프로파일
__________훈련 집합 크기에 따른 영향
__________L2 정규화 요소의 영향
__CRF와 HMM 비교
__성능상 고려
__요약

8장. 커널 모델과 서포트 벡터 머신
__커널 함수
____개요
____일반적인 판별 커널
__서포트 벡터 머신
____선형 SVM
__________분리 가능한 경우(하드 마진)
__________분리 불가능한 경우(소프트 마진)
____비선형 SVM
__________최대 마진 분류
__________커널 트릭
__서포트 벡터 분류기
____이진 SVC
________LIBSVM
________소프트웨어 설계
________설정 매개변수
________SVM구현
________C-벌점과 마진
________커널 평가
________위험 분석에 적용하기
__1-분류 SVC를 사용해 변칙성 감지하기
__서포트 벡터 회귀
____개괄
____SVR vs. 선형 회귀
__성능상 고려할 점
__요약

9장. 인공 뉴럴 네트워크
__앞먹임 뉴럴 네트워크
____생물학적 배경
____수학적 배경
__다층 퍼셉트론
____활성화 함수
____네트워크 구조
____소프트웨어 설계
____모델 정의
________계층
________시냅스
________연결
____훈련 사이클/에포크
________1단계: 입력 전방 전파
________2단계: 오차 제곱 합
________3단계: 오차 역전파
________4단계: 시냅스/가중치 조정
________5단계: 수렴 기준
________설정
________한데 모으기
____훈련 전략과 분류
________온라인 vs. 배치 훈련
________정규화
________모델 인스턴스화
________예측
__평가
____학습 비율의 효과
____모멘텀 계수의 영향
____테스트 케이스
________구현
________모델 평가
________은닉 계층구조가 끼치는 영향
__장점과 한계
__요약

10장. 유전자 알고리즘
__진화
____기원
____NP 문제
____진화적 계산
__유전자 알고리즘과 기계 학습
__유전자 알고리즘의 구성 요소
____인코딩
________값 인코딩
________술어 인코딩
________해 인코딩
________인코딩 방식
____유전적 연산자
________선택
________교차
________변이
____적합도 점수
__구현
____소프트웨어 설계
____핵심 구성 요소
____선택
____개체군 크기 증가 제어
____GA 설정
____교차
________개체군
________염색체
________유전자
____변이
________개체군
________염색체
________유전자
____번식 사이클
__매매 전략을 위한 GA
____매매 전략 정의
________매매 연산자
________비용/부적합도 함수
________거래 신호
________매매 전략
________신호 인코딩
____테스트 케이스
________데이터 추출
________초기 개체군
________설정
________GA 인스턴스화
________GA 실행
________테스트
__유전자 알고리즘의 장점과 단점
__요약

11장. 강화 학습
__소개
____문제
____해법: Q-학습
________용어
________개념
________정책의 값
________벨만 최적화 공식
________모델이 없는 학습의 시간적 차이
________동작-값 반복 갱신
____구현
________소프트웨어 설계
________상태와 동작
________검색 공간0
________정책과 동작-값
________Q-학습 훈련
________해결사 꼬리 재귀
________예측
____Q-학습을 사용한 옵션 거래
________옵션의 속성
________옵션 모델
________함수 근사
________제약이 가해진 상태 천이
________한데 모으기
____평가
____강화 학습의 장점과 단점
__학습 분류 시스템
____LCS 소개
____LCS를 사용하는 이유는 무엇인가
____용어
____확장 학습 분류 시스템
____XCS 구성 요소들
________포트폴리오 관리에 적용하기
________XCS 코어 데이터
________XCS 규칙
________커버링
________구현 예제
____학습 분류 시스템의 장점과 한계
__요약

12장. 확장 가능한 프레임워크
__개요
__스칼라
____객체 생성 제어하기
____병렬 컬렉션
________병렬 컬렉션 처리하기
________벤치마크 프레임워크
________성능 평가
__액터로 규모 확장하기
____액터 모델
____파티셔닝
____액터를 넘어서: 반응형 프로그래밍
__아카
____마스터-작업자
________메시지 교환
________작업자 액터
________워크플로우 컨트롤러
________마스터 액터
________마스터에서 라우팅 사용하기
________분산 이산 푸리에 변환
________한계
____퓨처
________액터의 생명주기
________퓨처를 기다리며 블록하기
________퓨처 콜백 처리하기
________한데 모으기
__아파치 스파크
____스파크를 사용해야 하는 이유는 무엇인가
____설계 원칙
________인메모리 영속성
________지연 계산
________변환과 액션
________공유 변수
____스파크로 실험하기
________스파크 배치하기
________스파크 셀 사용하기
________MLlib
________RDD 생성
________스파크를 사용한 K-평균
____성능 평가
________튜닝 가능한 요소
________테스트
________성능 고려 사항
____장점과 단점
____0xdata 스파클링 워터
__요약

부록A. 기본 개념
__스칼라 프로그래밍
____라이브러리 목록
____코드 조각의 서식
____캡슐화
____클래스 생성자 템플릿
____동반 객체 vs. 케이스 클래스
____열거형 vs. 케이스 클래스
____오버로딩
____분류기를 위한 설계 템플릿
____데이터 추출
____데이터 소스
____문서 추출
____행렬 클래스
__수학
____선형대수
________QR 분해
________LU 인수분해
________LDL 분해
________콜레스키 인수분해
________특이 값 분해
________고유값 분해
________대수 및 수학 라이브러리
____1차 술어 논리
____자코비안 및 헤시안 행렬
____최적화 기법 정리
________기울기 하강 기법
________쿼시-뉴튼 알고리즘
________비선형 최소 제곱 최소화
________라그랑주 승수
____동적 프로그래밍 개요
__금융 개론
____기본적 분석
____기술적 분석
________용어
________매매 신호 및 전략
________가격 패턴
____옵션 거래
____금융 데이터 소스
__추천 온라인 강좌
__참고 문헌

부록B. 참고 문헌