머신러닝 입문

Chapter 01 서론(introduction)

1. 머신러닝의 개념
2. 머신러닝의 구성요소
3. 머신러닝의 분류
4. 파이썬(Python) 소개
가. 파이썬의 특징
나. 파이썬 프로그램의 구조
다. 파이썬의 설치와 사용법
라. 주피터 노트북(jupyter notebook) 사용법
마. 구글 코랩(Google Colab)의 사용법
바. 머신러닝과 관련된 주요 패키지 소개

Chapter 02 회귀분석(regression analysis)

1. 선형 회귀분석(linear regression analysis)
가. 단순선형 회귀(simple linear regression)
나. 다중선형 회귀(multiple linear regression)
다. 선형 회귀모형의 확률적 해석
2. 모수 추정을 위한 최적화 해법
3. 비선형 회귀(nonlinear regression)
4. 모형의 실행준비와 분석
가. 데이터 전처리(data preprocessing)
나. 과적합(overfitting)과 정규화(regularization)
다. 정규화의 확률적 의미
라. 초모수 결정(hyperparameter tuning)과 교차검증(cross-validation)
5. 회귀모형 예제 : 의료보험료 지출
6. 회귀모형 실습 : 자동차 판매가격

Chapter 03 선형분류기와 분류모형(linear classifier & classification model)

1. 선형분류기(linear classifier)
2. 로지스틱 회귀(logistic regression)
가. 이진분류(binary classification)
나. 확률적 해석과 비선형분류기
다. 다중분류(multi-class classification)
3. 나이브베이즈 분류(naive Bayes classification)
가. 이진분류
나. 다중분류
다. 연속형 특성변수
4. 가우시안 판별분석(Gaussian discriminant analysis)
5. 분류모형 예제 1 : 붓꽃 분류
6. 분류모형 예제 2 : MNIST 손글씨 인식
7. 분류모형 실습 : 펭귄 분류

Chapter 04 서포트벡터 머신(support vector machine)

1. 기본개념
가. 마진(margin)의 개념
나. 기하벡터 기본지식
2. 수학적 정식화
가. 기본모형
나. 소프트마진
3. 최적화 조건과 쌍대문제
가. 최적화 조건(optimal conditions)
나. 쌍대문제(dual problem)
4. 커널 기법(kernel trick)
5. 서포트벡터 회귀(support vector regression)
6. SVM 분류 예제 1 : 붓꽃 분류
7. SVM 분류 예제 2 : MNIST 손글씨 인식
8. SVR 회귀 예제 : 의료보험료 지출
9. SVM 분류 실습 : 펭귄 분류
10. SVR 회귀 실습 : 중고차 가격

Chapter 05 비모수모형(non-parametric models)

1. 최근접 이웃 모형(nearest neighbor model)
2. 결정나무(decision tree)
가. 결정나무의 구성과 예
나. 분기와 분할(split and partitioning)
다. 가지치기(pruning)
라. 임계값(threshold) 결정
3. 비모수모형 분류 예제 1: 붓꽃 분류
4. 비모수모형 분류 예제 2: MNIST 손글씨 인식
5. 비모수모형 회귀 예제 : 의료보험료 지출
6. 비모수모형 분류 실습 : 펭귄 분류
7. 비모수모형 회귀 실습 : 중고차 가격

Chapter 06 편향-분산과 앙상블 모형(bias-variance & ensemble model)

1. 편향과 분산(bias-variance)
2. 편향-분산 분해(bias-variance decomposition)
3. 앙상블(ensemble) 모형
가. 배깅(bagging)
나. 랜덤포레스트(random forest)
다. 부스팅(boosting)
4. 앙상블 분류 예제 : 붓꽃 분류
5. 앙상블 회귀 예제 : 의료보험료 지출
6. 앙상블 분류 실습 : 펭귄 분류
7. 앙상블 회귀 실습 : 중고차 가격

Chapter 07 신경망(neural networks)

1. 기본개념과 단일뉴론
2. 다층 신경망(multi-layer neural network)
3. 활성화함수와 은닉층(activation function and hidden layers)
4. 벡터화(vectorization)
5. 역방향전파(backpropagation)
6. 딥러닝 회귀 예제 : 의료보험료 지출
7. 딥러닝 분류 예제 : MNIST 패션아이템 분류
8. 딥러닝 회귀 실습 : 중고차 가격
9. 딥러닝 분류 실습 : MNIST 손글씨 인식

Chapter 08 비지도학습(unsupervised learning)

1. 군집화(clustering)
가. K-평균(K-means)
나. K-메도이드(K-medoid)
다. 계층적 군집화(hierarchical clustering)
라. 밀도기반 군집화(density-based clustering): DBSCAN
마. 가우시안 혼합모델(GMM, Gaussian Mixture Model)
2. 차원축소(dimension reduction)
가. 기본개념
나. 주성분 분석
3. 군집화 예제 : 고객 군집화
4. 차원축소 예제 : 얼굴인식
5. 군집화 실습 : 고객군집화
6. 차원축소 실습 : MNIST 손글씨 인식

찾아보기