머신러닝·딥러닝 실무 예제풀이

Chapter 01 머신러닝의 원리와 유형
1.1 학습과 머신러닝의 개념
1.1.1 학습의 개념과 프로세스별 특징
1.1.2 지식발견 프로세스와 데이터 마이닝
1.1.3 머신러닝의 개념
1.1.4 머신러닝의 특징과 발달과정
1.1.5 머신러닝의 알고리즘
1.2 머신러닝의 유형
1.2.1 머신러닝 알고리즘의 유형
1.2.2 지도학습
1.2.3 비지도학습
1.2.4 준지도학습
1.2.5 강화학습
1.2.6 딥러닝
1.3 본 책의 구성
1A 워크시트 성분과 마우스 구조
1A.1 Microsoft 365 워크시트 구성요소
1A.2 엑셀 활용에 필요한 컴퓨터 마우스의 구성과 활용법
참고문헌

Chapter 02 EDA, 데이터 클리닝, 속성 선택
2.1 EDA의 개념과 Excel 사용 풀이
2.1.1 EDA의 개념
2.1.2 EDA의 수행 원리
2.1.2 EDA의 Excel 사용 풀이
2.2 데이터 클리닝
2.2.1 데이터 클리닝의 개념
2.2.2 변칙 값들의 규명
2.2.3 변칙 값 규명 결과 기반 데이터 클리닝 수행
2.3 부호화 및 목표 설명 특색속성 선택
2.3.1 클리닝 데이터의 부호화 및 정규화
2.3.2 상관계수 행렬의 계산과 특성 선택
2A 제2장에 사용한 Excel함수
2A.1 IS함수
2A.2 IF함수
2A.3 IFERROR함수
2A.4 AND함수와 OR함수
2A.5 COUNT함수와 COUNTA함수
2A.6 CORREL함수
2A.7 INDEX함수
2B 표본크기 결정 SW G*Power 다운로드와 사용
참고문헌

Chapter 03 회귀분석
3.1 단순회귀의 Excel 사용 풀이
3.1.1 SLOPE함수 및 INTERCEPT함수 사용
3.1.2 LINEST함수와 배열수식 처리
3.2 다중회귀모델의 Excel 사용 풀이
3.2.1 다중회귀분석의 LINEST함수 사용 풀이
3.2.2 LINEST함수 사용 다중회귀분석의 적합도 및 유의성 검정
3A 회귀방정식과 관련 함수
3A.1 단순회귀모형
3A.2 다중회귀분석 원리와 검정통계량 계산
3A.3 SLOPE함수
3A.4 INTERCEPT함수
3A.5 LINEST함수
3A.6 MATCH함수
3A.7 F.DIST.RT함수
3A.8 T.DIST.2T함수
참고문헌

Chapter 04 군집분석 도구와 K-평균 군집화
4.1 군집분석의 개념과 수행 알고리즘
4.1.1 비지도학습기법과 군집분석의 개념
4.1.2 군집화 수행 프로세스
4.1.3 군집화 알고리즘
4.1.4 개체 간 거리 측정
4.1.5 유클리드 거리 사용 집괴방법
4.1.6 덴드로그램
4.1.7 군집화 우수성 측정
4.2 K-평균 군집화의 개념과 알고리즘
4.2.1 K-평균 군집화의 개념
4.2.2 K-평균방법 알고리즘
4.3 K-평균 군집화의 Excel 풀이
4.3.1 자료 입력과 군집 수 K 및 평균(중심) 결정
4.3.2 유클리드 거리 계산과 군집화
4.3.3 새로운 K-평균 군집화의 반복 수행
4.3.4 K-평균 군집화를 통한 패턴 규명
4A 제4장에서 사용한 Excel함수들
4A.1 SUMXMY2함수
4A.2 AVERAGEIFS함수
4A.3 INDIRECT 함수
참고문헌

Chapter 05 계층 군집화와 덴드로그램
5.1 계층 군집분석 수행 요령
5.1.1 계층군집분석의 특징
5.1.2 계층 군집화 수행 알고리즘
5.2 덴드로그램 작성
5.2.1 2차원 공간의 덴드로그램 작성 방법
5.2.2 레이블 표시 덴드로그램 작성
5.3 계층군집화의 Excel 풀이
5.3.1 상황설정 및 제1단계 조치
5.3.2 제2단계 조치
5.3.3 제3단계 조치
5.3.4 제4단계 조치
5.3.5 제5단계 조치
5.3.6 제6단계 조치
5.3.7 제7단계 조치
5.3.8 제8단계 조치
5.3.9 제9단계 조치
5.3.10 제10단계 조치
5.3.11 덴드로그램 작성
참고문헌

Chapter 06 판별분석 특징과 선형판별분석 수행
6.1 판별분석의 개념과 특징
6.1.1 판별분석의 개념
6.1.2 판별분석의 특징
6.1.3 판별분석 알고리즘
6.2 Excel 사용 선형판별함수 처리
6.2.1 워크시트의 틀 고정과 한 화면에서 작업수행 준비
6.2.2 선형판별분석의 Excel 사용 풀이
6.2.3 최적 판별함수 도출
6A 선형판별함수의 원리 및 알고리즘과 사용 Excel 함수
6A.1 판별함수의 원리
6A.2 선형판별함수 알고리즘
6A.3 최대화 수행을 위한 Excel "해 찾기"(Solver) 설치
6A.4 MMULT 함수
참고문헌

Chapter 07 로짓회귀
7.1 로짓회귀의 개념 및 특징과 수행 프로세스
7.1.1 로짓회귀의 개념
7.1.2 로짓회귀의 특징
7.1.3 로짓회귀 알고리즘과 적합도 검정
7.2 최대로그우도추정과 최소로그손실추정
7.2.1 최대로그우도추정
7.2.2 최소로그우도손실추정
7A 해 찾기 도구의 활용 방법
참고문헌

Chapter 08 KNN(K-최근접 이웃) 분류
8.1 KNN 분류의 개념 및 특징과 알고리즘
8.1.1 KNN 분류의 개념
8.1.2 KNN 분류의 특징
8.1.3 KNN 분류의 연속변수 알고리즘
8.1.4 KNN 분류의 범주변수 알고리즘 수행 프로세스
8.2 KNN방법 프로세스의 Excel 풀이
8.2.1 정량변수 속성 기반 K-NN 방법의 수행 프로세스
8.2.2 동일부류 및 수락 확률 적용 K-NN 방법의 수행 프로세스
8.2.3 동일 부류 확률 및 축척화 기반 K-NN 방법의 수행 프로세스
8.2.4 동일 부류 확률 및 축척화 기반 다항 라벨 K-NN 방법의 수행
8A 계산에 사용한 새로운 Excel함수들
8A.1 SMALL함수
8A.2 COUNTIF함수
8A.3 COUNTIFS함수
8A.4 SUMIFS 함수
참고문헌

Chapter 09 나이브 베이즈 분류
9.1 나이브 베이즈 분류의 개념 및 원리와 알고리즘
9.1.1 나이브 베이즈 분류의 개념
9.1.2 나이브 베이즈 분류의 원리
9.1.3 나이브 베이즈 분류의 적용 방식
9.2 나이브 베이즈 분류의 기초형 Excel 풀이
9.2.1 나이브 베이즈 데이터 구성 및 수행 과제의 설정
9.2.2 채점 데이터 조건부 확률 계산 및 라벨 표시
9.3 나이브 베이즈 분류의 일반형 Excel 풀이
9.3.1 속성 범주 및 종속변수 부류 확률행렬 구성
9.3.2 사전 단일확률 및 결합확률 계산
9.3.3 사후 조건부확률 계산
참고문헌

Chapter 10 ANN과 딥러닝 Excel 풀이
10.1 ANN의 개념, 특징과 알고리즘
10.1.1 ANN의 기원 및 개념
10.1.2 ANN의 특징
10.1.3 ANN 알고리즘
10.2 딥러닝 Excel 풀이 : 단일 은닉층 ANN 적용
10.2.1 ANN 구성에 대한 정의
10.2.2 집계함수 사용 은닉층함수 가중치 및 절편 계산
10.2.3 활성화함수 사용 출력 값 및 오차제곱 계산
10.2.4 오차제곱합 최적화 해 찾기
10.2.5 부류 구분 분리 값 계산
10.2.6 검정 데이터집합 기반 최적화 신경망모델 평가
10.3 딥러닝 Excel 풀이 : 이중 은닉층 ANN 적용
10.3.1 이중 은닉층 사용 ANN의 구성 정의
10.3.2 데이터 집계와 정규화 및 출력물1의 오차제곱합 계산
10.3.3 은닉층 1의 오차제곱합 최소화와 모수 최적화
10.3.4 출력물 2의 오차제곱합 계산
10.3.5 은닉층 2의 오차제곱합 최소화와 모수 최적화
10.3.6 분리 값 설정과 부류 예측
10.3.7 딥러닝의 채점 데이터집합 표본 부류 예측
참고문헌

Chapter 11 교차검증 및 ROC분석
11.1 교차검증의 개념과 Excel 적용 풀이
11.1.1 교차검증의 개념
11.1.2 교차검증의 Excel 풀이
11.2 ROC분석의 개념 및 알고리즘과 Excel 적용 풀이
11.2.1 ROC분석의 개념
11.2.2 ROC분석의 알고리즘
11.2.3 ROC곡선의 Excel 적용 풀이
참고문헌

Chapter 12 의사결정 트리
12.1 의사결정 트리의 개념과 마디 분리 및 정보이익
12.1.1 의사결정 트리의 개념
12.1.2 트리 엔트로피의 Excel 풀이
12.1.3 의사결정 트리의 정보이익
12.2 트리 마디 분리, 정보 결정, 예측의 Excel 풀이
12.2.1 최대 정보이익 기준 마디 분리 Excel 풀이
12.2.2 마디 분리 종료 및 트리 완성 Excel 풀이
12.2.3 트리 기반 미래사상 예측 Excel 풀이
참고문헌

Chapter 13 연관분석
13.1 연관분석의 개념과 알고리즘
13.1.1 연관분석 개념과 가격결정 동향
13.1.2 연관분석의 알고리즘
13.2 연관분석의 엑셀 풀이
13.2.1 장바구니 데이터 사용 연관분석 테이블 프레임 작성
13.2.2 연관분석 데이터 테이블 작성
13.2.3 품목 기준 연관분석 테이블 설정
13.2.4 단일 거래에서 두 품목의 동시 판매 횟수 계산
13.2.5 지지도와 신뢰도 요건 충족 연관분석 수행
13A 검토할 Excel함수
13A.1 PERMUT함수
13A.2 COMBINA함수
13A.3 TEXT함수
13A.4 TEXTJOIN함수
참고문헌

Chapter 14 텍스트 마이닝
14.1 텍스트 마이닝의 개념과 알고리즘
14.1.1 텍스트 마이닝의 개념과 중요성
14.1.2 텍스트 마이닝의 알고리즘
14.2 텍스트 마이닝 엑셀 풀이
14.2.1 핵심어 및 부정어와 불용어 사전 작성
14.2.2 데이터 구간의 이름 지정
14.2.3 텍스트 데이터의 전처리
14A 검토할 Excel함수들
14A.1 LOWER함수
14A.2 TRIM함수
14A.3 MID함수
14A.4 LEN함수
14A.5 LEFT함수
참고문헌

Chapter 15 시계열분석
15.1 시계열 데이터의 특징, 예측, 결정요인
15.1.1 시계열 데이터의 특징
15.1.2 시계열 데이터 사용 예측
15.1.3 시계열의 4대 결정요인
15.1.4 예측 알고리즘과 딥러닝의 강점
15.2 시계열 데이터 분해의 엑셀 워크시트 사용 풀이
15.2.1 추세분석의 엑셀 풀이
15.2.2 순환변동분석의 엑셀 풀이
15.2.3 계절변동분석
15.2.4 지수평활예측 원리와 엑셀 풀이
15.3 예측 관련 Excel함수
15.3.1 LOGEST함수
15.3.2 TREND함수
15.3.3 FORECAST.ETS 함수
15.3.4 GROWTH함수
참고문헌

찾아보기

문창권 배재대학교 무역물류경영학과 명예교수