데이터 과학자와 데이터 엔지니어를 위한 인터뷰 문답집(아이러브 인공지능 28)

로지스틱 회귀, 랜덤 포레스트 등 전통적인 머신러닝에서 GANs, 강화학습 등 최신 알고리즘까지!



분야별, 난이도별로 잘 구성된 실전 면접 문제!

이 책은 간단한 내용부터 복잡한 내용까지, 로지스틱 회귀, 랜덤 포레스트 등 전통적인 머신러닝에서 GANs, 강화학습 등 최신 알고리즘까지 차례대로 전개되며, 머신러닝 각각의 영역을 포괄하는 간결한 문답 형식으로 되어 있습니다. 따라서 인공지능 분야에 종사하기 위해 알아야 할 기술을 잘 설명하고 있는 동시에 독자들의 필요에 따라, 역량에 따라 주제와 난이도별로 골라 읽는 학습을 통해 필수 기술을 익힐 수 있도록 도와줍니다.



Hulu 데이터 과학팀 실전 면접 문제 수록!

Hulu(훌루)는 넷플릭스 대항마로 월트 디즈니가 설립한 OTT(Over The Top) 서비스 회사이며, 이 책은 스탠퍼드대학교, 칭화대학교, 베이징대학교 등 일류 대학 출신들로 구성된 Hulu 데이터 과학팀 멤버 15인이 튼튼한 수학 기초, 알고리즘 시스템에 대한 완전한 이해, 모델에 대한 깊은 이해를 제공하기 위해 집필한 서적입니다.



데이터 과학자/데이터 엔지니어가 알아야 할 필수 스킬 트리 PDF 파일 제공!

데이터 과학자/데이터 엔지니어를 위한 스킬 트리(기술 로드맵) PDF 파일이 온라인으로 무료 제공됩니다.

CHAPTER 1 피처 엔지니어링 1

① 피처 정규화 3

② 범주형 피처 6

③ 고차원 결합 피처의 처리 방법 9

④ 결합 피처 12

⑤ 텍스트 표현 모델 14

⑥ Word2Vec 17

⑦ 이미지 데이터가 부족할 때는 어떻게 처리해야 할까요? 20



CHAPTER 2 모델 평가 23

① 평가 지표의 한계 25

② ROC 곡선 31

③ 코사인 거리의 응용 38

④ A/B 테스트의 함정 43

⑤ 모델 평가 방법 46

⑥ 하이퍼파라미터 튜닝 49

⑦ 과적합과 과소적합 52



CHAPTER 3 클래식 알고리즘 55

① 서포트 벡터 머신 57

② 로지스틱 회귀 67

③ 의사결정 트리 71



CHAPTER 4 차원축소 85

① PCA 최대분산 이론 87

② PCA 최소제곱오차 이론 92

③ 선형판별분석 96

④ 선형판별분석과 주성분분석 101



CHAPTER 5 비지도학습 107

① k평균 클러스터링 109

② 가우스 혼합 모델 121

③ 자기 조직화 지도 125

④ 클러스터링 알고리즘 평가 131



CHAPTER 6 확률 그래프 모델 137

① 확률 그래프 모델의 결합확률분포 139

② 확률 그래프 표현 142

③ 생성모델과 판별모델 146

④ 마르코프 모델 148

⑤ 토픽 모델 156



CHAPTER 7 최적화 알고리즘 163

① 지도학습에서의 손실함수 165

② 머신러닝에서의 최적화 문제 169

③ 전통적인 최적화 알고리즘 172

④ 경사하강법 검증 방법 177

⑤ 확률적 경사하강법 180

⑥ 확률적 경사하강법의 가속 184

⑦ L1 정규화와 희소성 192



CHAPTER 8 샘플링 199

① 샘플링의 역할 201

② 균등분포의 난수 204

③ 자주 사용하는 샘플링 방법 207

④ 가우스 분포 샘플링 212

⑤ 마르코프 체인 몬테카를로 219

⑥ 베이지안 네트워크 샘플링 225

⑦ 불균형 샘플 집합에서의 리샘플링 230



CHAPTER 9 피드 포워드 신경망 235

① 다층 퍼셉트론과 부울 함수 237

② 딥러닝의 활성화 함수 245

③ 다층 퍼셉트론의 오차역전파 알고리즘 249

④ 딥러닝 훈련 테크닉 257

⑤ 합성곱 신경망 263

⑥ ResNet 271



CHAPTER 10 순환신경망 277

① 순환신경망과 합성곱 신경망 279

② 순환신경망의 그래디언트 소실 문제 281

③ 순환신경망의 활성화 함수 284

④ LSTM 네트워크 286

⑤ Seq2Seq 모델 290

⑥ 어텐션 메커니즘 294



CHAPTER 11 강화학습 299

① 강화학습 기초 301

② 비디오 게임에서의 강화학습 308

③ 폴리시 그래디언트 313

④ 탐색과 이용 317



CHAPTER 12 앙상블 학습 323

① 앙상블 학습의 종류 325

② 앙상블 학습 단계와 예제 329

③ 기초 분류기 332

④ 편향과 분산 334

⑤ GBDT 알고리즘의 기본 원리 338

⑥ XGBoost와 GBDT의 차이점, 그리고 연관성 342



CHAPTER 13 생성적 적대 신경망 347

① 처음 만나는 GANs의 비밀 349

② WGAN: 저차원의 유령을 잡아라 357

③ DCGAN: GANs이 합성곱을 만났을 때 365

④ ALI 372

⑤ IRGAN: 이산 샘플의 생성 377

⑥ SeqGAN: 텍스트 시퀀스 생성 382



CHAPTER 14 인공지능의 응용 현황 391

① 알고리즘 마케팅 393

② 게임에서의 인공지능 409

③ 자율 주행에서의 AI 428

④ 기계 번역 439

⑤ 인간과 컴퓨터 상호작용 443



에필로그 및 저자 소개 449

참고문헌 465

찾아보기 470

Hulu 데이터 과학팀 ㆍ 주거웨(Zhuge Yue)

ㆍ 왕지에(Wang Jie)

ㆍ 지앙윈셩(Jiang Yunsheng)

ㆍ 리판딩(Li Fanding)

ㆍ 왕위징(Wang Yujing)

ㆍ 조우한닝(Zhou Hanning)

ㆍ 씨에시아오후이(Xie Xiaohui)

ㆍ 천라밍(Chen Laming)

ㆍ 리우춘양(Liu Chunyang)

ㆍ 리우천하오(Liu Chenhao)

ㆍ 쉬샤오란(Xu Xiaoran)

ㆍ 펑웨이(Feng Wei)

ㆍ 둥찌엔치앙(Dong Jianqiang)

ㆍ 리우멍이(Liu Mengy)

ㆍ 장궈신(Zhang Guoxin)