1장. 시작하기 호기심 있는 독자를 위한 수학적 표기법 왜 머신 러닝인가? -분류 -예측 -최적화 -회귀 왜 스칼라인가? -함수형 언어로서의 스칼라 -객체 지향 언어로서의 스칼라 -확장성 있는 언어로서의 스칼라 모형 범주화 머신 러닝 알고리즘의 분류 -비지도 학습 -지도 학습 -준지도 학습 -강화 학습 자바 라이브러리 활용하기 도구와 프레임워크 -자바 -스칼라 -SBT -아파치 커먼즈 매스 -JFreeChart -그 외 라이브러리와 프레임워크 소스 코드 -관례 맛보기 -간단한 작업 흐름 작성하기 요약 2장. 데이터 파이프라인 모형화 -모형이란 무엇인가? -모형 대 디자인 -특성 선택하기 -특성 추출하기 방법론 정의하기 모나드적 데이터 변환 -오류 처리 -모나드의 구출 작업 흐름 연산 모형 -수학적 추상화 지원 -작업 흐름 구축을 위해 믹스인 구성하기 -모듈화하기 데이터 프로파일링 -불변 통계량 -Z-점수와 가우스 분포 모형 평가하기 -검증 -곡선하 면적 -교차 검증 -분산-편향 분해 -과적합 요약 3장. 데이터 전처리 스칼라에서의 시계열 -컨텍스트 바운드 -타입과 연산 -레이지 뷰 이동 평균 -단순 이동 평균 -가중 이동 평균 -지수 이동 평균 푸리에 분석 -이산 푸리에 변환 -DFT 기반 필터링 -시장 순환 감지 이산 칼만 필터 -상태 공간 추정 -전이 방정식 -측정 방정식 -재귀적 알고리즘 다른 전처리 기술 요약 4장. 비지도 학습 K-평균 군집화 -K-평균 기댓값-최대화 -가우스 조합 모형 -EM의 개요 -구현 -분류 -테스트 -온라인 EM -요약 5장. 차원 축소 모형 복잡도 문제 발산 -쿨백-라이블러 발산 -상호 정보 주성분 분석 -알고리즘 -구현 -테스트 사례 -평가 -PCA 확장하기 비선형 모형 -커널 PCA -다양체 요약 6장. 단순 베이즈 분류기 확률적 그래프 모형 단순 베이즈 분류기 -다항 단순 베이즈 소개 -구현 다변량 베르누이 분류 -모형 -구현 단순 베이즈와 텍스트 마이닝 -기본적인 정보 검색 -구현 -테스트 장점과 단점 요약 7장. 순차적 데이터 모형 마코프 결정 과정 -마코프 성질 -1차 이산 마코프 체인 은닉 마코프 모형 -표기법 -람다 모형 -디자인 -평가(CF-1) -훈련(CF-2) -디코딩 -모두 합치기 -테스트 사례 1: 훈련 -테스트 사례 2: 평가 -필터링 기술로서의 HMM 조건부 무작위장 -CRF 소개 -선형 연쇄 CRF 정칙화 CRF와 텍스트 분석 -특성 함수 모형 -디자인 -구현 -테스트 CRF와 HMM 비교하기 성능 고려 사항 요약 8장. 몬테카를로 추론 샘플링의 목적 가우스 샘플링 -박스-뮬러 변환 몬테카를로 근사 -개론 -구현 교체를 통한 부트스트래핑 -개요 -리샘플링 -구현 -부트스트랩의 장단점 마코프 연쇄 몬테카를로 -개요 -메트로폴리스-헤이스팅스 -구현 -테스트 요약 9장. 회귀와 정칙화 선형 회귀 -일변량 선형 회귀 -통상적인 최소제곱 회귀 정칙화 -Ln 조도 불이익 -능형 회귀 -디자인 -구현 -테스트 사례 수치적 최적화 로지스틱 회귀 -로지스틱 함수 -디자인 -훈련 작업 흐름 -분류 요약 10장. 다층 퍼셉트론 전방 전달 신경망 -생물학적 배경 -수학적 배경 다층 퍼셉트론 -활성화 함수 -네트워크 토폴로지 -디자인 -설정 -네트워크 구성 요소 -모형 -문제의 타입(방식) -온라인 훈련 대 배치 훈련 -훈련 회차 -훈련과 분류 평가 -실행 프로파일 -학습률의 영향 -가속도 인자의 영향 -은닉층 개수의 영향 -테스트 사례 이점과 한계 요약 11장. 딥러닝 희소 오토인코더 -저완성 오토인코더 -결정적 오토인코더 -범주화 -전방 전달 희소, 저완성 오토인코더 -희소성 갱신 방정식 -구현 제한된 볼츠만 머신 -볼츠만 머신 -이항 제한된 볼츠만 머신 합성곱 신경망 -국소 수용 영역 -가중치 공유하기 -합성곱층 -부표본층 -한데 모으기 요약 12장. 커널 모형과 서포트 벡터 머신 커널 함수 -개요 -일반적인 판별 커널 -모나드적 커널 합성 서포트 벡터 머신 -선형 SVM -비선형 SVM -서포트 벡터 분류기 -1계층 SVC로 이상치 찾기 -서포트 벡터 회귀 성능 고려 사항 요약 13장. 진화적 연산 진화 -기원 -NP 문제 -진화적 연산 유전 알고리즘과 머신 러닝 유전 알고리즘 구성 요소 -인코딩 -유전 연산자 -적합도 점수 구현 -소프트웨어 디자인 -핵심 구성 요소 -선택 -개체군 증가율 통제하기 -GA 설정 -교배 -변이 -생식 -풀이기 거래 전략을 위한 GA -거래 전략의 정의 -테스트 사례: 2008년 가을 시장 붕괴 유전 알고리즘의 장점과 위험 요약 14장. 멀티암드 밴딧 K-암드 밴딧 -탐색-활용 상반 관계 -기대 누적 후회 -베이즈 베르누이 밴딧 -엡실론-탐욕 알고리즘 톰슨 샘플링 -밴딧 컨텍스트 -사전/사후 베타 분포 -구현 -시뮬레이션된 탐색과 활용 신뢰 상단 -신뢰 구간 -구현 요약 15장. 강화 학습 강화 학습 -문제 이해하기 -해법: Q-학습 -구현 -Q-학습을 사용한 옵션 거래 -한데 합하기 -평가 -강화 학습의 장점과 단점 학습 분류기 시스템 -LCS 소개 -학습과 평가 조합하기 -전문 용어 요약 16장. 스칼라와 아카에서의 병렬화 개요 스칼라 -객체 생성 -스트림 -병렬 컬렉션 액터를 통한 확장성 -액터 모형 -분할 -액터를 넘어: 반응적 프로그래밍 아카 -마스터-워커 -퓨처 요약 17장. 아파치 스파크 MLlib 개요 아파치 스파크 코어 -왜 스파크인가? -디자인 원칙 -스파크로 실험하기 MLlib 라이브러리 -개요 -RDD 만들기 -MLlib을 사용한 K-평균 -테스트 재사용 가능한 ML 파이프라인 -재사용 가능한 ML 변환 -아파치 스파크와 ScalaTest 스파크 확장하기 -쿨백-라이블러 발산 -구현 -쿨백-라이블러 평가기 스트리밍 엔진 -왜 스트리밍인가? -배치와 실시간 처리 -아키텍처 개요 -이산화 스트림 -사용 사례: 연속적인 파싱 -체크포인팅 성능 평가 -개변수 조정하기 -성능 고려 사항 장점과 단점 요약 부록 A. 기본 개념 스칼라 프로그래밍 수학 금융 101