통합검색

검색

  • IT 자격증 수험서
    • 워드프로세서
    • 컴퓨터활용능력
    • 정보처리/사무자동화/정보기기
    • ITQ
    • GTQ
    • 컴퓨터그래픽스
    • 웹디자인
  • 실용 자격증 수험서
    • 한국사
    • 조리/제과/운전면허
    • 기타
  • IT 도서
    • 컴퓨터 일반/활용
    • 사무자동화(OA)
    • 웹/홈페이지
    • 그래픽/멀티미디어
    • 프로그래밍
    • 컴퓨터공학
    • 어린이 교재
  • 단행본 도서
    • 가정과 생활
    • 유아/아동
    • 기타
  • 시리즈
    • 더 쉽게 배우기
    • 환상의 콤비
    • 눈이 편한
    • 속전속결
    • 비주얼(Visual)
    • 학교에서 통하는
    • 이게 진짜

프로그래밍 일반

HOME 도서정보 IT 도서 프로그래밍

New 다양한 그래프, 간단한 수학, R로 배우는 머신러닝 저자 요코우치 다이스케, 아오키 요시미쓰 | 페이지 208
ISBN 9788931461121 | 정가 16,000 | 출판일 2019-07-10
판매처

부록CD

도서소개

다양한 그래프, 간단한 수학, R로 배우는 머신러닝

다양한 그래프, 간단한 수학을 통해 머신러닝의 기초를 이해하고, 데이터에 맞는 머신러닝을 선택하고, 통계 프로그램인 R을 이용해서 머신러닝을 실제 데이터에 적용할 수 있는 도서입니다. 수학이나 프로그래밍을 잘 알지 못해도 머신러닝을 배우고 싶은 사람들을 위한 최적의 도서로 어려운 개념 설명이 아닌 실제 예시를 통해 머신러닝의 개념을 이해하도록 도와줍니다.
데이터에 적합한 머신러닝 모델을 선택하도록 판별 분석, 서포트 벡터 머신, 로지스틱 회귀 모델, 신경 모델 등 동일한 예제를 적용해 그 차이를 비교해 줍니다. 각 모델들의 특징과 장점들을 설명합니다.

저자소개

요코우치 다이스케
히토쓰바시대학교 대학원 국제기업전략연구과 준교수. 게이오대학교 공학 박사.
데이터 사이언스, 통계적 머신러닝에 관련한 강의나 세미나를 담당.
복수의 민간기업의 기술고문으로 취임해 데이터 분석이나 AI 개발의 감수도 하고 있다.

아오키 요시미쓰
히토쓰바시대학교 대학원 국제기업전략연구과 비상임 강사.
대학원 국제기업전략연구과 조수를 거치던 중, 종합연구대학원 복합과학대수, 미분적분, 확률론 등의 기초에 더해서 시계열 데이터 분석, 베이즈 통계학의 강의를 담당한다.

목차

Part 1 시작하면서
CHAPTER 1.1 머신러닝이란
CHAPTER 1.2 R을 이용한 실습
Part 2 회귀
CHAPTER 2.1 선형 회귀 모델
CHAPTER 2.2 선형 회귀 모델의 계수 추정
2.2.1 최소제곱법
2.2.2 최대우도법
CHAPTER 2.3 잔차에 의한 모델 검토
컬럼 극값과 편미분
CHAPTER 2.4 모델의 설명력 - 결정계수와 상관계수
컬럼 비선형 회귀 모델의 피팅
CHAPTER 2.5 회귀 모델의 한계 - 분류의 응용
Part 3 경계에 의한 분류
CHAPTER 3.1 선형 판별 분석
3.1.1 평면을 분할한다
3.1.2 판별 분석을 실현하는 방식
3.1.3 R을 이용한 선형판별 분석
CHAPTER 3.2 서포트 벡터 머신
3.2.1 완전하게 분류할 수 있는 문제에 대해서
3.2.2 선형 분리가 불가능한 문제에 대해서
3.2.3 커널 함수의 이용
3.2.4 R을 이용한 서포트 벡터 머신
Part 4 확률에 의한 분류
CHAPTER 4.1 로지스틱 회귀 모델
CHAPTER 4.2 로지스틱 회귀 모델의 피팅
CHAPTER 4.3 로지스틱 회귀 모델의 파라미터 추정
Part 5 신경망에 의한 분류
CHAPTER 5.1 피드 포워드 신경망
CHAPTER 5.2 3층 구조의 피드 포워드 신경망
CHAPTER 5.3 가중치 추정 방법 - 오차 역전파법
CHAPTER 5.4 R을 이용한 신경망의 추정
CHAPTER 5.5 딥러닝으로 가는 출발점
컬럼 신경 세포(뉴런)와 신경망
Part 6 설명변량의 추가와 예측 정확도의 평가
CHAPTER 6.1 설명변수를 늘리다
6.1.1 분류 문제의 재설정
6.1.2 각 분류법의 적용
CHAPTER 6.2 예측 정확도의 평가
6.2.1 인 샘플과 아웃 샘플
6.2.2 데이터의 의미를 생각한 예측 평가 방법
CHAPTER 6.3 정리

목록