기초 수학으로 이해하는 머신러닝 알고리즘(데이터 사이언스 시리즈 10)

▣ 1장: 둘이 여행을 시작한다

1 머신러닝에 대한 관심

2 머신러닝의 중요성

3 머신러닝 알고리즘

4 수학과 프로그래밍



▣ 2장: 회귀를 배워보자 - 광고비에서 클릭 수를 예측한다

1 문제 설정

2 모델을 정의한다

3 최소제곱법

3-1 최급하강법

4 다항식 회귀

5 중회귀

6 확률 경사하강법



▣ 3장: 분류에 대해 배워보자 - 이미지 크기를 기준으로 분류한다

1 문제 설정

2 내적

3 퍼셉트론

___3-1 학습 데이터를 준비한다

___3-2 웨이트 벡터 갱신식

4 선형분리가능

5 로지스틱 회귀

___5-1 시그모이드 함수

___5-2 최급하강법

6 우도함수

7 대수우도함수

___7-1 우도함수의 미분

8 선형분리불가능



▣ 4장: 평가해보자 - 만든 모델을 평가하자

1 모델 평가

2 교차 검증

___2-1 최급하강법

___2-2 분류 문제를 검증한다

___2-3 최급하강법

___2-4 F값

3 정칙화

___3-1 과잉적합

___3-2 정칙화하는 방법

___3-3 정칙화의 효과

___3-4 분류의 정칙화

___3-5 정칙화한 식을 미분한다

4 학습곡선

___4-1 오적합

___4-2 과잉적합과 오적합을 판별한다



▣ 5장: 파이썬으로 프로그래밍해보자

1 파이썬으로 구현해보자

2 회귀

___2-1 학습 데이터를 확인하자

___2-2 1차함수로 구현한다

___2-3 검증

___2-4 다항식 회귀를 구현한다

___2-5 확률 경사하강법을 구현한다

3 분류(퍼셉트론)

___3-1 학습 데이터를 확인한다

___3-2 퍼셉트론을 구현한다

___3-3 검증

4 분류(로지스틱 회귀)

___4-1 학습 데이터를 확인한다

___4-2 로지스틱 회귀를 구현한다

___4-3 검증

___4-4 선형분리불가능인 분류를 구현한다

___4-5 확률 경사하강법을 구현한다

5 정칙화

___5-1 학습 데이터를 확인한다

___5-2 정칙화를 적용하지 않고 구현한다

___5-3 정칙화를 적용해서 구현한다

___5-4 후일담



▣ 부록

1 시그마 기호, 파이 기호

2 미분

3 편미분

4 합성함수

5 벡터와 행렬

6 기하벡터

7 지수와 대수

8 파이썬 환경 구축

___8-1 파이썬을 설치한다

___8-2 파이썬 실행

9 파이썬 기초

___9-1 숫자값과 문자열

___9-2 변수

___9-3 부울값과 비교연산자

___9-4 리스트

___9-5 제어구문

___9-6 함수

10 NumPy 기초

___10-1 임포트

___10-2 다차원 배열

___10-3 브로드캐스트

타테이시 켄고 LINE Fukuoka 주식회사의 데이터 엔지니어다. 사가대학을 졸업한 후 사가현 내에 있는 시스템 개발 회사에 입사했다. 그 후 후쿠오카에 있는 개발회사를 거쳐 2014년에 LINE Fukuoka 주식회사에 입사했다. 웹 서비스와 안드로이드 앱을 개발하며 댓글과 텍스트 분류 등의 머신러닝을 활용한 개발에 경험을 쌓은 후에 LINE Fukuoka에서 데이터 분석과 머신러닝을 전문으로 하는 조직을 구성해서 이끌고 있다.