기계학습 기반의 파이썬 활용

제 1장 인공지능 일반
1.1 인공지능이란 무엇인가? ........ 009
1.2 인공지능의 역사 ........ 013
1.3 인공지능 기술의 대중화 ........ 020
1.4 시민 데이터 과학자 ........ 024

제 2장 기계학습 일반
2.1 기계학습이란 무엇인가? ........ 027
2.2 기계학습의 분류 ........ 030
2.3 기계학습의 수행 방법 ........ 039
2.4 기계학습의 성능평가 ........ 042

제 3장 기계학습 준비
3.1 목표 선정 ........ 047
3.2 목표 기준선 설정 ........ 048
3.3 기계학습 개발환경 준비 ........ 049
3.4 데이터 확보 ........ 055
3.5 실습 환경 구축 ........ 058

제 4장 데이터 전처리
4.1 탐색적 데이터 분석 (Exploratory Data Analysis) ........ 067
4.2 결측치 대체 (Missing Data Imputation) ........ 090
4.3 이상치 탐지 (Outlier Data Detection) ........ 097
4.4 데이터 불균형 (Data Imbalanced) ........ 118

제 5장 분류 (Classification)
5.1 분류 분석의 개요 ........ 139
5.2 Kernel Support Vector Machine ........ 141
기계학습 기반의-앞부속.indd 5 2021-11-26 오후 6:02:28
5.3 Random Forest ........ 148
5.4 Gradient Boosting ........ 152

제 6장 회귀 분석 (Regression)
6.1 회귀 분석의 개요 ........ 157
6.2 고전적인 선형회귀분석 (Classical Linear Regression Analysis) ........ 160
6.3 다항회귀분석 (Polynomial Regression Analysis) ........ 162
6.4 로지스틱 회귀분석 (Logistic Regression Analysis) ........ 168
6.5 기타 회귀분석 방법 ........ 172

제 7장 군집화 (Clustering)
7.1 군집화의 개요 ........ 173
7.2 K-means ........ 176
7.3 DBSCAN ........ 180

제 8장 차원 축소 (Dimensionality Reduction)
8.1 차원 축소의 개요 ........ 187
8.2 주성분 분석 (PCA) ........ 189
8.3 선형 판별 분석 (LDA) ........ 195
8.4 AutoEncoder ........ 198

제 9장 시계열 예측 (Time Series Forecasting)
9.1 시계열 예측의 개요 ........ 207
9.2 AR 모형 ........ 208
9.3 MA 모형 ........ 213
9.4 ARIMA 모형 ........ 215

제 10장 딥러닝 (Deep Learning)
10.1 딥러닝의 개요 ........ 217
10.2 CNN (Convolutional Neural Network) ........ 217
10.3 RNN (Recurrent Neural Network) ........ 233
10.4 딥러닝의 옵티마이저 ........ 241

제 11장 최신 기술 동향
11.1 GAN (Generative Adversarial Network) ........ 249
11.2 XAI (eXplainable AI) ........ 257
11.3 AutoML