파이썬을 못해도, 수학을 잘 몰라도 이해할 수 있는 머신러닝!

『파이썬으로 배우는 머신러닝의 교과서』는 개발 환경 준비부터 머신러닝, 딥러닝의 기초까지 다루는 책이다. 파이썬 기초 지식을 공부하고 머신러닝을 다루는 데 필요한 최소한의 수학을 알려준다. 어려운 내용은 그림을 보면서 코드로 확인할 수 있게 구성했다. 그동안 머신러닝을 다룬 책이 어렵고 힘들게 느껴졌다면 이 책으로 시작해보자.

2000년 도호쿠 대학 대학원에서 ‘생쥐의 내비게이션 행동의 수학적 모델’ 연구로 정보 과학 박사를 취득했다. 2004년부터 2016년까지 오키나와 과학기술대학원 대학에서 신경 계산 유닛의 실험 그룹 리더를 맡아 생쥐의 뇌 활동 데이터 수집 및 분석을 했다. 주로 생쥐의 선택 행동과 뇌 활동을 강화 학습 모델로 설명하는 연구를 해왔다. 2017년 프로그레스 테크놀로지 주식회사에 입사하여 인공지능의 산업적 이용을 목표로 일하고 있다. 취미는 골판지 공작이다.

CHAPTER 1 머신러닝의 준비
__1.1 머신러닝에 대해서
__1.2 파이썬 설치
__1.3 주피터 노트북
__1.4 케라스와 텐서플로 설치

CHAPTER 2 파이썬 기본
__2.1 사칙 연산
__2.2 변수
__2.3 자료형
__2.4 print 문
__2.5 list
__2.6 tuple
__2.7 if 문
__2.8 for 문
__2.9 벡터
__2.10 행렬
__2.11 행렬(ndarray)의 사칙 연산
__2.12 슬라이싱
__2.13 조건을 만족하는 데이터의 수정
__2.14 Help
__2.15 함수
__2.16 파일 저장

CHAPTER 3 그래프 그리기
__3.1 2차원 그래프 그리기
__3.2 3차원 그래프 그리기

CHAPTER 4 머신러닝에 필요한 수학의 기본
__4.1 벡터
__4.2 합의 기호
__4.3 곱의 기호
__4.4 미분
__4.5 편미분
__4.6 행렬
__4.7 지수 함수와 로그 함수

CHAPTER 5 지도 학습: 회귀
__5.1 1차원 입력 직선 모델
__5.2 2차원 입력면 모델
__5.3 D차원 선형 회귀 모델
__5.4 선형 기저 함수 모델
__5.5 오버피팅의 문제
__5.6 새로운 모델의 생성
__5.7 모델의 선택
__5.8 정리

CHAPTER 6 지도 학습: 분류
__6.1 1차원 입력 2클래스 분류
__6.2 2차원 입력 2클래스 분류
__6.3 2차원 입력 3클래스 분류

CHAPTER 7 신경망·딥러닝
__7.1 뉴런 모델
__7.2 신경망 모델
__7.3 케라스로 신경망 모델 구현

CHAPTER 8 신경망·딥러닝의 응용(필기체 숫자 인식)
__8.1 MNIST 데이터베이스
__8.2 2층 피드 포워드 네트워크 모델
__8.3 ReLU 활성화 함수
__8.4 공간 필터
__8.5 합성곱 신경망
__8.6 풀링
__8.7 드롭아웃
__8.8 MNIST 인식 네트워크 모델

CHAPTER 9 비지도 학습
__9.1 2차원 입력 데이터
__9.2 K-means 기법
__9.3 가우시안 혼합 모델

APPENDIX 머신러닝에 도움되는 파이썬 명령집