파이썬을 못해도, 수학을 잘 몰라도 이해할 수 있는 머신러닝!

이 책은 개발 환경 준비부터 머신러닝, 딥러닝의 기초까지 다룹니다. 파이썬 기초 지식을 공부하고 머신러닝을 다루는 데 필요한 최소한의 수학을 알려줍니다. 어려운 내용은 그림을 보면서 코드로 확인할 수 있게 구성했습니다. 그동안 머신러닝을 다룬 책이 어렵고 힘들게 느껴졌다면 이 책으로 시작해보길 권합니다.

주요 내용
●개발 환경 준비
●파이썬의 기초 지식
●데이터 시각화 (그래프)
●머신러닝에 필요한 수학의 기초
●지도 학습, 비지도 학습
●신경망 딥러닝의 기초와 응용 (필기 숫자의 인식)

[목 차]

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

이 책은 머신러닝을 수식으로 제대로 이해하려는 초심자를 대상으로 합니다. 머신러닝을 이해하는 데 필요한, 최소한의 수학을 정리합니다. 문제와 수식을 가능한 한 단순하게 제시해 설명하고 그래프로 결과를 확인합니다. 그동안 접한 머신러닝 책이 너무 어려웠다고 머신러닝을 포기하지 마세요. 이 책이면 부담 없이 머신러닝을 시작할 수 있습니다. 이 책을 다 읽을 무렵에는 그동안 이해하지 못했던 다른 책들도 훨씬 잘 이해할 수 있을 것입니다.

이제 대세는 파이썬, 머신러닝도 파이썬으로 배웁니다!
배우기도 쉽고 어디서나 실행되는 언어인 파이썬으로 머신러닝을 실행해볼 수 있습니다. 특히나 파이썬에는 머신러닝에 대한 강력한 라이브러리가 많이 제공되기 때문에 이론적인 지식을 현실 세계로 빠르게 구현할 수 있습니다.

지도학습뿐만 아니라 비지도 학습까지!
지도 학습(정답을 준 상태에서 학습시켜 결과를 예측)뿐 아니라 비지도 학습(자율학습, 정답을 주지 않은 상태에서 학습해 결과의 특징을 추출)의 영역까지 다루고 있습니다. 저차원에서 시작해 고차원의 실질적인 문제를 해결할 기초를 쌓을 수 있습니다.

차근차근 밟아가는 3단계 내용 설명!
수학적 배경 지식 습득(입력) → 소스 코드로 실행(연산) → 그래프로 결과를 확인하여 머릿속에서 시각화(출력)하는 구성을 반복합니다. 마치 프로그래밍의 흐름처럼 과학적인 학습법을 제공합니다. 머신러닝에서 수학(수식)은 피할 수 없습니다. 이를 정면돌파할 수 있도록 그래프를 많이 제공합니다.

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


옮긴이 박광수(아크몬드)
‘아크몬드’라는 필명으로 더 잘 알려진 블로거입니다. 아크윈 블로그(http://archmond.win/)에서 최신 윈도우 정보를 꾸준히 나누고 있습니다. 2007년부터 마이크로소프트 MVP(Windows 부문)를 수상했습니다. 오피스 365, 애저 등 마이크로소프트의 최신 기술에 열광합니다. 현재 일본에서 서버 개발자로 활동하면서 딥러닝에 많은 관심을 두고 있습니다. 번역한 도서로는 『처음 배우는 딥러닝 수학』(한빛미디어, 2018)이 있습니다.