머신 러닝 알고리즘

1장. 머신 러닝 개요

__소개-초기의 기계
__학습
__지도학습
____비지도학습
____강화학습
__머신 러닝을 넘어서: 딥러닝과 생체-적응 시스템
__머신 러닝과 빅데이터
__심화 학습
__요약


2장. 머신 러닝의 핵심 요소

__데이터 형식
____멀티클래스 전략
________일대다
________일대일
__학습 능력
____부적합과 과적합
____오류 측정
____PAC 학습
__통계적 학습 접근
____MAP 학습
____최대-우도 학습
__정보 이론의 요소
__참고 문헌
__요약


3장. 특징 선택과 특징 엔지니어링

scikit-learn 토이 데이터셋
__훈련 및 테스트 집합 만들기
__범주형 데이터 관리
__누락된 특징 관리
__데이터 스케일링 및 정규화
__특징 선택 및 필터링
__주성분 분석
____음수 미포함 행렬 분해
____희소 PCA
____커널 PCA
__원자 추출 및 딕셔너리 학습
__참고 문헌
__요약


4장. 선형 회귀

__선형 모델
__2차원 예제
__scikit-learn을 이용한 고차원 선형 회귀
____회귀 분석 표현
__릿지, 라소 및 엘라스틱 넷
__랜덤 샘플 합의 -기반 견고한 회귀
__다항회귀
__이소토닉 회귀
__참고 문헌
__요약


5장. 로지스틱 회귀

__선형 분류
__로지스틱 회귀
__구현 및 최적화
__확률적 경사 하강 알고리즘
__그리드 검색을 통해 최적의 하이퍼파라미터 찾기
__분류 측정 방법
__ROC 곡선
__요약


6장. 나이브 베이즈

__베이지안 이론
__나이브 베이즈 분류기
__scikit-learn에서 나이브 베이즈
____베르누이 나이브 베이즈
____다항 나이브 베이즈
____가우시안 나이브 베이즈
__참고 문헌
__요약


7장. 지지 벡터 머신

__선형 지지 벡터 머신
__scikit-learn 구현
____선형 분류
____커널-기반 분류
________방사형 기저 함수
________다항식 커널
________시그모이드 커널
________사용자 정의 커널
____비선형 예
__제어된 지지 벡터 시스템
__지지 벡터 회귀
__참고 문헌
__요약


8장. 의사 결정 나무와 앙상블 학습

__이진 의사 결정 나무
____이진 의사 결정
____불순도 측정
________지니 불순도 지수
________교차-엔트로피 불순도 지수
________오분류 불순도 지수
____특징 중요도
__scikit-learn을 이용한 의사 결정 나무 분류
__앙상블 학습
____랜덤 포레스트
________랜덤 포레스트에서 특징 중요도
____아다부스트
____그레이디언트 트리 부스팅
____투표 분류기
__참고 문헌
__요약


9장. 군집화 개요

__군집화 기초
____k-평균
________최적 군집 수 찾기
____DBSCAN
____스펙트럼 군집화
__실측 자료에 근거한 평가 방법
____균질성
____완전성
____조정된 랜드 지표
__참고 문헌
__요약


10장. 계층적 군집화

__계층적 전략
__병합적 군집화
____덴드로그램
____scikit-learn에서 병합 군집화
____연결 제약 조건
__참고 문헌
__요약


11장. 추천 시스템 개요

__나이브 사용자 -기반 시스템
____scikit 학습을 이용한 사용자 -기반 시스템 구현
__콘텐츠 -기반 시스템
__모델 없는(또는 메모리-기반) 협업 필터링
__모델 -기반 협업 필터링
____단일값 분해 전략
____교대 최소 자승 전략
____아파치 스파크 MLlib으로 최소 자승 교체하기
__참고 문헌
__요약


12장. 자연어 처리

__NLTK 및 내장형 코사인
____말뭉치 예제
__단어 바구니 전략
____토큰화하기
________문장 토큰화
________Word 토큰화
____불용어 제거
____언어 감지
____어간 추출
____벡터화
________카운트 벡터화
________Tf-idf 벡터화
__로이터 말뭉치에 따른 샘플 텍스트 분류기
__참고 문헌
__요약


13장. NLP에서 토픽 모델링과 감정 분석

__토픽 모델링
____잠재 의미 분석
____확률적 잠재 의미 분석
____잠재 디리클레 할당
__감정 분석
____NLTK를 이용한 VADER 감정 분석
__참고 문헌
__요약


14장. 딥러닝과 텐서플로 개요

__딥러닝 살펴보기
____인공 신경망
____딥 아키텍처
________완전 연결층
________컨볼루션층
________드롭아웃층
________순환 신경망
__텐서플로 소개
____그레이디언트 계산하기
____로지스틱 회귀
____다층 퍼셉트론을 이용해 분류 실행하기
____이미지 컨볼루션
__케라스 내부 빨리 들여다 보기
__참고 문헌
__요약


15장. 머신 러닝 아키텍처 만들기

__머신 러닝 아키텍처
____데이터 수집
____정규화
____차원 축소
____데이터 증강
____데이터 변환
____모델링/그리드 탐색/교차 검증
____가시화
____머신 러닝 아키텍처용 scikit-learn 도구
________파이프라인
____특징 결합
__참고 문헌
__요약