기초 수학으로 이해하는 머신러닝 알고리즘

▣ 1장: 둘이 여행을 시작한다
1 머신러닝에 대한 관심
2 머신러닝의 중요성
3 머신러닝 알고리즘
4 수학과 프로그래밍

▣ 2장: 회귀를 배워보자 - 광고비에서 클릭 수를 예측한다
1 문제 설정
2 모델을 정의한다
3 최소제곱법
3-1 최급하강법
4 다항식 회귀
5 중회귀
6 확률 경사하강법

▣ 3장: 분류에 대해 배워보자 - 이미지 크기를 기준으로 분류한다
1 문제 설정
2 내적
3 퍼셉트론
___3-1 학습 데이터를 준비한다
___3-2 웨이트 벡터 갱신식
4 선형분리가능
5 로지스틱 회귀
___5-1 시그모이드 함수
___5-2 최급하강법
6 우도함수
7 대수우도함수
___7-1 우도함수의 미분
8 선형분리불가능

▣ 4장: 평가해보자 - 만든 모델을 평가하자
1 모델 평가
2 교차 검증
___2-1 최급하강법
___2-2 분류 문제를 검증한다
___2-3 최급하강법
___2-4 F값
3 정칙화
___3-1 과잉적합
___3-2 정칙화하는 방법
___3-3 정칙화의 효과
___3-4 분류의 정칙화
___3-5 정칙화한 식을 미분한다
4 학습곡선
___4-1 오적합
___4-2 과잉적합과 오적합을 판별한다

▣ 5장: 파이썬으로 프로그래밍해보자
1 파이썬으로 구현해보자
2 회귀
___2-1 학습 데이터를 확인하자
___2-2 1차함수로 구현한다
___2-3 검증
___2-4 다항식 회귀를 구현한다
___2-5 확률 경사하강법을 구현한다
3 분류(퍼셉트론)
___3-1 학습 데이터를 확인한다
___3-2 퍼셉트론을 구현한다
___3-3 검증
4 분류(로지스틱 회귀)
___4-1 학습 데이터를 확인한다
___4-2 로지스틱 회귀를 구현한다
___4-3 검증
___4-4 선형분리불가능인 분류를 구현한다
___4-5 확률 경사하강법을 구현한다
5 정칙화
___5-1 학습 데이터를 확인한다
___5-2 정칙화를 적용하지 않고 구현한다
___5-3 정칙화를 적용해서 구현한다
___5-4 후일담

▣ 부록
1 시그마 기호, 파이 기호
2 미분
3 편미분
4 합성함수
5 벡터와 행렬
6 기하벡터
7 지수와 대수
8 파이썬 환경 구축
___8-1 파이썬을 설치한다
___8-2 파이썬 실행
9 파이썬 기초
___9-1 숫자값과 문자열
___9-2 변수
___9-3 부울값과 비교연산자
___9-4 리스트
___9-5 제어구문
___9-6 함수
10 NumPy 기초
___10-1 임포트
___10-2 다차원 배열
___10-3 브로드캐스트