자바 머신 러닝 마스터

1장. 머신 러닝의 개요

__머신 러닝의 역사와 정의
__머신 러닝에 대한 오해: 머신 러닝이 아닌 것은?
__머신 러닝의 핵심 개념과 주요 용어
__머신 러닝에 활용되는 다양한 데이터 타입과 서브타입
__머신 러닝에 활용되는 데이터세트
__산업 부문별 머신 러닝 응용 분야와 알고리즘
__머신 러닝의 실무적인 과제
__머신 러닝 전문가와 구현 프로세스
____머신 러닝 전문가
____머신 러닝 프로세스
__머신 러닝 도구와 데이터세트
____머신 러닝 데이터세트
__정리


2장. 지도학습에 대한 실무적인 접근

__지도학습에 사용되는 용어와 표기법
____데이터 품질 분석
____기술적(설명적) 데이터 분석
____시각화 분석
__데이터 변환 및 전처리
____추가적인 특성
____누락값 처리
____이상점
____이산화
____데이터 표본추출
____모델 훈련, 검증, 그리고 테스트 데이터세트
__특성 관계 분석과 차원 감소
____특성 검색 기술
____특성 평가 기법
____랩퍼 기법
____임베드 접근법
__모델 만들기
____선형 모델
____비선형 모델
____앙상블 학습과 메타학습 모델
__모델 평가, 검증, 비교
____모델 평가
____모델 검증 매트릭스
____머신 러닝 모델 간의 비교
__사례 연구 - 말의 복통 분류
____비즈니스 문제 정의
____머신 러닝 맵핑
____데이터 분석
____지도학습 실험
____결과, 관찰, 그리고 분석
__정리


3장. 비지도식 머신 러닝 기법

__지도식 머신 러닝 기법의 주요 이슈
__비지도식 머신 러닝 기법의 주요 이슈
__특성 분석과 차원 감소
____표기법
____선형 차원 감소 기법
____비선형 차원 감소 기법
__클러스터링
____클러스터링 알고리즘
____스펙트럴 클러스터링
____어피니티 전파
____클러스터링 검증 및 평가
__이상점 또는 특이점 감지 기법
____이상점 감지 알고리즘
____이상점 평가 기법
__실무 사례 분석
____도구와 소프트웨어
____비즈니스 문제 정의
____머신 러닝 맵핑
____데이터 수집
____데이터 품질 분석
____데이터 샘플링 및 변환
____특성 분석 및 차원 감소
____클러스터링 모델, 결과, 그리고 평가
____이상점 모델 구현 결과 및 평가
__정리


4장. 반지도 학습 및 능동 학습

__반지도 학습
____기본적인 수식 및 표현, 가정
____반지도 학습 기법
____반지도 학습 실무 사례 분석
__능동 학습
____기본 표현과 수식
____능동 학습 시나리오
____능동 학습 절차
____버전 공간 표본추출
____데이터 분포 표본추출
__능동 학습 실무 사례 분석
____도구와 소프트웨어
____비즈니스 문제 정의
____머신 러닝 맵핑
____데이터 수집
____데이터 샘플링 및 변환
____특성 분석 및 차원 감소
____모델, 결과, 평가
____능동 학습 결과 분석
__정리


5장 .실시간 스트림 머신 러닝

__스트림 기반 학습의 기본 가정 및 수학적 표현
__기본 스트림 처리 및 연산 기법
____스트림 연산
____슬라이딩 윈도우
____표본추출
__컨셉 드리프트와 드리프트 감지
____데이터 관리 기법
____감지 기법
__증가형 지도 학습
____모델 구현 방법
____온라인 설정에서의 모델 검증, 평가, 비교
__클러스터링을 활용한 증가형 비지도 학습
____모델 구현 기법
__이상점 감지를 위한 비지도 학습
____이상점 감지를 위한 파티션 기반 클러스터링
____이상점 감지를 위한 거리 기반 클러스터링
__스트림 기반 학습의 실무 사례
____도구 및 소프트웨어
____비즈니스 문제 정의
____머신 러닝 맵핑
____데이터 수집
____표본추출 및 변환
____모델, 결과, 평가
____스트림 기반 학습 결과 분석
__정리


6장. 확률적 그래프 모델 구현

__확률 복습
____확률의 개념
__그래프의 개념
____그래프 구조 및 기본 속성
____서브그래프와 클리닉
____패스, 트레일, 사이클
____베이지안 네트워크
____수학적 표현
____추론
____베이지안 네트워크에서의 학습
____학습 파라미터
__마코프 네트워크와 조건부 랜덤 필드
____수학적 표현
____마코프 네트워크에서의 추론
____마코프 네트워크에서의 학습
____조건부 랜덤 필드
__특화된 네트워크
____트리 강화 네트워크
____마코프 체인
____HMM의 최고 확률 경로
____HMM의 사후 복호화
__도구와 활용 방법
____오픈마코프
____Weka 베이지안 네트워크 GUI
__실무 사례 분석
____비즈니스 문제 정의
____머신 러닝 맵핑
____표본추출 및 데이터 변환
____특성 분석
____모델, 결과, 평가
____결과 분석
__정리


7장. 딥러닝

__다층 피드포워드 신경망 기법
____입력값, 뉴론, 활성화 함수, 수학적 표현
____다층 신경망
__신경망 기법의 한계
____기울기 사라짐, 지역 최적화, 훈련 지연 문제
__딥러닝
____딥러닝의 주요 개념
__사례 분석
____도구와 소프트웨어
____비즈니스 문제
____머신 러닝 맵핑
____표본추출 및 데이터
____특성 분석
____모델, 결과, 평가
__정리


8장. 텍스트 마이닝과 자연어 처리

__NLP, 하위 분야 및 주요 임무
____텍스트 범주화(카테고리화)
__음성 태깅
__텍스트 클러스터링
____정보 추출 및 개체명 인식
____감정 분석 및 오피니언 마이닝
____대용어 또는 동일지시어 해소
____어휘 중의성 해소
____기계 번역
____시멘틱(의미론적) 논증 및 추론
____텍스트 자동 요약
__자동화된 질문과 답변
__비정형 데이터 마이닝의 당면 과제
__텍스트 처리 요소와 변환
____문서 수집 및 표준화
____토큰화
____중지 단어 제거
____어간 단어 표기
____지역 및 전역 사전 생성
____특성 추출 및 생성
____특성의 대표성 및 유사성
____특성 선택 및 차원 감소 기법
__텍스트 마이닝에서의 토픽 선정
____텍스트 카테고리화 및 텍스트 분류
____토픽 모델링
____텍스트 클러스터링
____클러스터링 기법
__개체명 인식
____NER을 위한 은닉 마코프 모델
____딥러닝과 NLP
__NLP 분석 도구와 활용 방법
____맬릿을 이용한 토픽 모델링
____비즈니스 문제 정의
____머신 러닝 맵핑
____데이터 수집
____표본추출 및 변환
____특성 분석 및 차원 감소
____모델, 결과, 평가
____텍스트 처리 결과 분석
__정리


9장. 빅데이터 분석을 위한 머신 러닝의 첨단 도구

__빅데이터의 특징
__빅데이터 분석을 위한 머신 러닝
____범용 빅데이터 프레임워크
__배치형 빅데이터 머신 러닝
____빅데이터 머신 러닝 플랫폼 - H2O
__사례 분석
____비즈니스 문제 정의
____머신 러닝 맵핑
____데이터 수집
____데이터 추출 및 변환
____빅데이터 머신 러닝 플랫폼 - Spark MLlib
__실시간형 빅데이터 머신 러닝
____실시간 빅데이터 머신 러닝 프레임워크 - SAMOA
____머신 러닝 알고리즘
____도구와 활용
____실험, 결과, 그리고 분석
__머신 러닝의 미래
__정리


부록 A. 선형 대수학

__벡터
____벡터의 스칼라 곱
__행렬
____행렬 변환
__행렬의 특이값 분해


부록 B. 확률

__확률의 공리
__베이즈 이론
____확률 밀도 측정
____평균
____분산
____표준편차
____가우시안 표준편차
____공분산
____상관관계 상관계수
____이항 분포
____푸와송 분포
____가우시안 분포
____중심극한정리
____오류 전파