머신러닝 쉽게 이해하기

머리말
제1장 우리가 머신러닝에 관심을 가지는 이유
- 디지털의 힘
- 데이터를 저장하는 컴퓨터
- 컴퓨터는 데이터를 교환한다
- 모바일 컴퓨팅
- 사회적 데이터
- 방대한 데이터: 데이터퀘이크
- 학습과 프로그래밍
- 인공지능
- 뇌를 이해하기
- 패턴 인식
- 우리가 학습에 대해 논할 때 말하는 것
- 머신러닝의 간략한 역사

제2장 머신러닝과 통계, 그리고 데이터 분석
- 중고차 가격 예측 방법 학습
- 임의성과 확률
- 일반 모델 학습하기
- 모델 선택
- 지도 학습
- 수열 학습
- 개인신용평가
- 전문가 시스템
- 기대치

제3장 패턴 인식
- 읽기 학습
- 모델의 균질도 일치시키기
- 생성 모델
- 얼굴 인식
- 음성 인식
- 자연어 처리 및 번역
- 다수의 모델 혼합하기
- 이상점 감지
- 차원 축소
- 의사결정 트리
- 능동 학습
- 순위 매기기 학습
- 베이지안 방법론

제4장 신경망과 딥러닝
- 인공 신경망
- 신경망 학습 알고리즘
- 퍼셉트론이 할 수 있는 것과 할 수 없는 것
- 인지과학의 연결주의 모델
- 병렬처리를 위한 패러다임으로서의 신경망
- 다층에서의 계층적 표현
- 딥러닝

제5장 학습 클러스터와 추천
- 데이터에서 그룹 찾기
- 추천 시스템

제6장 행동하는 법 학습하기
- 강화 학습
- 케이 암드 밴딧
- 시간차 학습
- 강화 학습 응용

제7장 우리는 여기서 어디로 가야 하는가?
- 스마트하게, 그리고 학습할 수 있도록 만들자
- 고성능 계산
- 데이터 마이닝
- 데이터 프라이버시와 보안
- 데이터 과학
- 머신러닝과 인공지능, 그리고 우리의 미래

맺음말
용어사전