본문 바로가기

추천 검색어

실시간 인기 검색어

단단한 머신러닝

머신러닝 기본 개념을 제대로 정리한 인공지능 교과서
아이러브 인공지능 24
조우쯔화 저자(글) · 김태헌 번역
제이펍 · 2020년 02월 28일
9.5
10점 중 9.5점
(29개의 리뷰)
집중돼요 (30%의 구매자)
  • 단단한 머신러닝 대표 이미지
    단단한 머신러닝 대표 이미지
  • A4
    사이즈 비교
    210x297
    단단한 머신러닝 사이즈 비교 189x245
    단위 : mm
01 / 02
무료배송 이벤트 소득공제
10% 27,000 30,000
적립/혜택
1,500P

기본적립

5% 적립 1,500P

추가적립

  • 5만원 이상 구매 시 추가 2,000P
  • 3만원 이상 구매 시, 등급별 2~4% 추가 최대 1,500P
  • 리뷰 작성 시, e교환권 추가 최대 300원
배송안내
무료배송
배송비 안내
국내도서/외국도서
도서 포함 15,000원 이상 구매 시 무료배송
도서+사은품 또는 도서+사은품+교보Only(교보굿즈)

15,000원 미만 시 2,500원 배송비 부과

교보Only(교보배송)
각각 구매하거나 함께 20,000원 이상 구매 시 무료배송

20,000원 미만 시 2,500원 배송비 부과

해외주문 서양도서/해외주문 일본도서(교보배송)
각각 구매하거나 함께 15,000원 이상 구매 시 무료배송

15,000원 미만 시 2,500원 배송비 부과

업체배송 상품(전집, GIFT, 음반/DVD 등)
해당 상품 상세페이지 "배송비" 참고 (업체 별/판매자 별 무료배송 기준 다름)
바로드림 오늘배송
업체에서 별도 배송하여 1Box당 배송비 2,500원 부과

1Box 기준 : 도서 10권

그 외 무료배송 기준
바로드림, eBook 상품을 주문한 경우, 플래티넘/골드/실버회원 무료배송쿠폰 이용하여 주문한 경우, 무료배송 등록 상품을 주문한 경우
2/27(목) 출고예정
기본배송지 기준
배송일자 기준 안내
로그인 : 회원정보에 등록된 기본배송지
로그아웃 : '서울시 종로구 종로1' 주소 기준
로그인정확한 배송 안내를 받아보세요!

이달의 꽃과 함께 책을 받아보세요!

1권 구매 시 결제 단계에서 적용 가능합니다.

알림 신청하시면 원하시는 정보를
받아 보실 수 있습니다.

키워드 Pick

키워드 Pick 안내

관심 키워드를 주제로 다른 연관 도서를 다양하게 찾아 볼 수 있는 서비스로, 클릭 시 관심 키워드를 주제로 한 다양한 책으로 이동할 수 있습니다.
키워드는 최근 많이 찾는 순으로 정렬됩니다.

단단한 머신러닝 상세 이미지
『단단한 머신러닝』은 인공지능 분야의 명예의 전당이라는 AAAI의 펠로우로 선정된 저자가 머신러닝을 처음 접하는 독자를 위해 2년간 정성을 다해 집필한 책입니다. 이공계 고학년과 대학원의 16주 머신러닝 강의에 맞춰 각 장이 30페이지가 넘지 않는 16개의 장과 수준 있는 연습문제로 구성하였으며, 최대한 다양한 독자에게 머신러닝을 소개하기 위해 최소한의 수학적 지식만을 사용하였습니다.

이 책의 총서 (40)

작가정보

저자(글) 조우쯔화

ㆍ 난징대학교 컴퓨터과학과 교수
ㆍ 미국 컴퓨터학회(ACM) 선정 우수과학자
ㆍ AAAI, IEEE, IAPR, IET/IEE 펠로우
ㆍ 국가 우수청년장학금 수상자
ㆍ Chang Jiang Scholars 특별 초청 교수
ㆍ 현) 중국 인공지능학회 머신러닝 전문위원회 회장, 중국 컴퓨터학회 인공지능 및 패턴인식 전문위원회 부회장, IEEE 컴퓨터학회 난징지부 의장

번역 김태헌

하나금융융합기술원에서 데이터 과학자로 일하면서 로보어드바이저, 신용평가 시스템 개발 등의 프로젝트에 참여하고 있다. 중학생 시절부터 10여년간을 중국에서 보냈으며, 베이징 대학교를 졸업하고 미국 캘리포니아 대학교 샌디에이고 캠퍼스에서 국제경제 석사 학위를 받았다.

목차

  • CHAPTER 01 서론 1
    1.1 들어가며 1
    1.2 머신러닝의 기본 용어 2
    1.3 가설 공간 5
    1.4 귀납적 편향 8
    1.5 발전 과정 13
    1.6 응용 현황 18
    1.7 더 읽을거리 22
    연습문제 25
    참고문헌 26
    머신러닝 쉼터 28

    CHAPTER 02 모델 평가 및 선택 29
    2.1 경험 오차 및 과적합 29
    2.2 평가 방법 31
    2.3 모델 성능 측정 37
    2.4 비교 검증 47
    2.5 편향과 분산 57
    2.6 더 읽을거리 59
    연습문제 61
    참고문헌 62
    머신러닝 쉼터 64

    CHAPTER 03 선형 모델 65
    3.1 기본 형식 65
    3.2 선형 회귀 66
    3.3 로지스틱 회귀 70
    3.4 선형 판별분석 73
    3.5 다중 분류 학습 77
    3.6 클래스 불균형 문제 80
    3.7 더 읽을거리 83
    연습문제 85
    참고문헌 86
    머신러닝 쉼터 88

    CHAPTER 04 의사결정 트리 89
    4.1 기본 프로세스 89
    4.2 분할 선택 92
    4.3 가지치기 98
    4.4 연속값과 결측값 103
    4.5 다변량 의사결정 트리 110
    4.6 더 읽을거리 113
    연습문제 115
    참고문헌 117
    머신러닝 쉼터 118

    CHAPTER 05 신경망 119
    5.1 뉴런 모델 119
    5.2 퍼셉트론과 다층 네트워크 121
    5.3 오차 역전파 알고리즘 124
    5.4 글로벌 미니멈과 로컬 미니멈 130
    5.5 기타 신경망 133
    5.6 딥러닝 139
    5.7 더 읽을거리 142
    연습문제 144
    참고문헌 145
    머신러닝 쉼터 148

    CHAPTER 06 서포트 벡터 머신 149
    6.1 마진과 서포트 벡터 149
    6.2 쌍대문제 151
    6.3 커널 함수 155
    6.4 소프트 마진과 정규화 158
    6.5 서포터 벡터 회귀 163
    6.6 커널 기법 167
    6.7 더 읽을거리 170
    연습문제 172
    참고문헌 173
    머신러닝 쉼터 175

    CHAPTER 07 베이지안 분류기 177
    7.1 베이지안 결정 이론 177
    7.2 최대 우도 추정 179
    7.3 나이브 베이즈 분류기 181
    7.4 세미 나이브 베이즈 분류기 186
    7.5 베이지안 네트워크 188
    7.6 EM 알고리즘 195
    7.7 더 읽을거리 197
    연습문제 199
    참고문헌 200
    머신러닝 쉼터 202

    CHAPTER 08 앙상블 학습 203
    8.1 객체와 앙상블 203
    8.2 부스팅 206
    8.3 배깅과 랜덤 포레스트 211
    8.4 결합 전략 215
    8.5 다양성 221
    8.6 더 읽을거리 227
    연습문제 229
    참고문헌 231
    머신러닝 쉼터 234

    CHAPTER 09 클러스터링 235
    9.1 클러스터링 학습 문제 235
    9.2 성능 척도 236
    9.3 거리 계산법 238
    9.4 프로토타입 클러스터링 241
    9.5 밀도 클러스터링 252
    9.6 계층 클러스터링 255
    9.7 더 읽을거리 259
    연습문제 262
    참고문헌 264
    머신러닝 쉼터 266

    CHAPTER 10 차원 축소와 척도 학습 267
    10.1 k-최근접 이웃 기법 267
    10.2 임베딩 269
    10.3 주성분 분석 273
    10.4 커널 선형 차원 축소 275
    10.5 매니폴드 학습 278
    10.6 척도 학습 282
    10.7 더 읽을거리 285
    연습문제 287
    참고문헌 288
    머신러닝 쉼터 290

    CHAPTER 11 특성 선택과 희소 학습 291
    11.1 부분집합 탐색과 평가 291
    11.2 필터식 선택 294
    11.3 포괄식 선택 296
    11.4 임베딩식 선택과 L1 정규화 298
    11.5 희소 표현과 사전 학습 301
    11.6 압축 센싱 304
    11.7 더 읽을거리 308
    연습문제 310
    참고문헌 311
    머신러닝 쉼터 314

    CHAPTER 12 계산 학습 이론 315
    12.1 기초 지식 315
    12.2 PAC 학습 317
    12.3 유한 가설 공간 319
    12.4 VC 차원 323
    12.5 라데마허 복잡도 329
    12.6 안정성 335
    12.7 더 읽을거리 339
    연습문제 341
    참고문헌 342
    머신러닝 쉼터 343

    CHAPTER 13 준지도 학습 345
    13.1 언레이블된 데이터 345
    13.2 생성적 방법 348
    13.3 준지도 SVM 352
    13.4 그래프 준지도 학습 355
    13.5 불일치에 기반한 방법 359
    13.6 준지도 클러스터링 363
    13.7 더 읽을거리 368
    연습문제 370
    참고문헌 372
    머신러닝 쉼터 374

    CHAPTER 14 확률 그래피컬 모델 375
    14.1 은닉 마르코프 모델 375
    14.2 마르코프 랜덤 필드 379
    14.3 조건 랜덤 필드 383
    14.4 학습과 추론 386
    14.5 근사추론 390
    14.6 토픽 모델 397
    14.7 더 읽을거리 400
    연습문제 403
    참고문헌 404
    머신러닝 쉼터 406

    CHAPTER 15 규칙 학습 407
    15.1 기본 개념 407
    15.2 순차적 커버링 410
    15.3 가지치기 최적화 414
    15.4 일차 규칙 학습 416
    15.5 귀납 논리 프로그래밍 420
    15.6 더 읽을거리 428
    연습문제 431
    참고문헌 432
    머신러닝 쉼터 434

    CHAPTER 16 강화 학습 435
    16.1 과업과 보상 435
    16.2 K-암드 밴딧 438
    16.3 모델 기반 학습 443
    16.4 모델-프리 학습 450
    16.5 가치 함수 근사 457
    16.6 이미테이션 러닝 460
    16.7 더 읽을거리 462
    연습문제 464
    참고문헌 465
    머신러닝 쉼터 467

    APPENDIX A 행렬 469
    A.1 기본 연산 469
    A.2 도함수 470
    A.3 특잇값 분해 472

    APPENDIX B 최적화 474
    B.1 라그랑주 승수법 474
    B.2 이차 프로그래밍 477
    B.3 반정형 프로그래밍 478
    B.4 경사하강법 479
    B.5 좌표하강법 480

    APPENDIX C 확률 분포 482
    C.1 자주 사용하는 확률 분포 482
    C.2 켤레 분포 487
    C.3 KL 발산 488

    에필로그 489
    찾아보기 494

책 속으로

이 책은 머신러닝 교과서입니다. 최대한 많은 독자에게 머신러닝을 소개하고 싶은 마음에 수학적 지식의 사용은 최대한 배제하려 노력했습니다. 하지만 최소한의 확률, 통계, 대수, 최적화, 논리 관련 수학 이론은 포함되어 있습니다. 따라서 대학교 4학년 이상의 이공계열 학생이나 대학원생, 그리고 비슷한 배경을 가진 머신러닝에 관심 있는 독자들께 적합할 것 같습니다. 독자들의 편의를 위해 책 말미에는 수학 기초 지식에 관한 간략한 소개도 함께 다루고 있습니다.
_xvii페이지(머리말 중에서)

과적합을 일으키는 원인은 다양합니다. 그중에서도 학습능력이 너무 뛰어나 훈련 데이터들이 가진 일반적이지 않은 특성까지 학습하는 경우가 가장 흔한 원인입니다. 반대로, 과소적합은 일반적으로 학습능력이 좋지 못해서인 경우가 많습니다. 과소적합은 극복하기 쉽습니다.
_30페이지

실질적으로 정보 이득 규칙은 취할 수 있는 값의 수가 비교적 많은 속성에 유리하게 작용합니다. 이런 편향은 모델에 좋지 못한 영향을 끼칠 수 있습니다. 그래서 유명한 C4.5 의사결정 트리 방법[Quinlan, 1993]은 정보 이득을 사용하는 대신 이득율(gain ratio)이라는 방법을 사용하여 최적의 분할 속성을 선택했습니다. 식 4.2와 동일한 부호로 나타낸다면, 이득율은 다음과 같이 정의할 수 있습니다.
_96페이지

커널 함수는 직접적으로 서포트 벡터 머신과 커널 기법의 최종 성능을 결정합니다. 한 가지 안타까운 것은 커널 함수의 선택 문제는 여전히 해결해야 할 어려운 문제입니다. 다중 커널 학습(multiple kernel learning)은 다수의 커널 함수를 사용하고 학습을 통해 얻은 최적의 컨벡스 조합을 최종 커널 함수로 설정합니다[Lanckriet et al., 2004; Bach et al., 2004]. 이는 사실상 앙상블 학습 메커니즘을 빌려온 것입니다.
_171페이지

클러스터링은 일종의 전형적인 비지도 학습법입니다. 그러나 현실에서 우리는 클러스터링을 진행하며 지도 학습 정보를 획득할 때가 많습니다. 따라서 준지도 클러스터링(semi-supervised clustering) 방법으로 지도 정보를 활용해 더 좋은 클러스터링 결과를 얻을 수 있습니다.
_363페이지

출판사 서평

간결한 설명과 최소한의 수학적 지식을 통해 체계적으로 정리한 머신러닝 입문서!

이 책의 주요 목적은 독자들에게 나무와 숲을 함께 볼 수 있는 ‘초급 지도’를 제공해 머신러닝 입문자들이 올바른 방향으로 나갈 수 있도록 도와주는 것입니다. 다양한 머신러닝 알고리즘을 이해하기 쉽도록 이론뿐만 아니라 내부 처리 로직까지 설명하고 있어서 실제 머신러닝 기법의 개념과 원리를 탄탄하게 배울 수 있습니다.

아울러 체계적이고 간결한 내용 전개는 학부나 대학원의 교재뿐만 아니라 독학을 위한 자습서나 연구 참고용 도서로도 좋습니다.

기본정보

상품정보 테이블로 ISBN, 발행(출시)일자 , 쪽수, 크기, 총권수, 시리즈명을(를) 나타낸 표입니다.
ISBN 9791188621989
발행(출시)일자 2020년 02월 28일
쪽수 536쪽
크기
189 * 245 * 32 mm / 1031 g
총권수 1권
시리즈명
아이러브 인공지능

Klover

구매 후 리뷰 작성 시, e교환권 200원 적립

10점 중 10점
/집중돼요
기본에 충실해서 좋아요
10점 중 7.5점
/최고예요
정말 좋은 책입니다. 인공지능 강국인 중국에서 1위한 이유를 알 것 같았습니다. 다만 공대 고학년이거나 대학원생을 위한 책이라도 교과서 컨셉의 책인 만큼 수학적 증명이 좀 더 친절히 있었어야 하는거 아닌가 싶네요 ㅠㅠ 따로 유튜브로 강의나 증명을 찾아들은게 힘들었습니다.
그리고 무엇보다 번역이 흠,,, 예를 들면 rank(A)라고 하면 일반적으로 그냥 랭크라고 하는데 이걸 구태여 순위 이런식으로 번역하는 등 중간중간 공부하다 흠싶었습니다,,

이외에는 되게 좋은 책입니다. 요즘 인공지능 붐을 등에 엎고 라이브러리 딸깍 이론 찔끔 식의 입문책들이 판을 치는 마당에 제대로 된 책은 정말 이 책이 유일무이하다고 생각합니다.
리뷰 썸네일
10점 중 10점
/추천해요
머신러닝 책으로 추천합니다
10점 중 7.5점
/도움돼요
내용은 탄탄하지만 수학적인 설명이 조금 부족했습니다. 대학 가의자료 기반으로 만든거라 그런것 같네요... 여러가지 주제를 스키밍 하실분에게 적극 추천합니다
10점 중 10점
/집중돼요
단단한 기초부터 수식을 다질 수 있는!
10점 중 10점
/최고예요
잘 읽어보겠습니다. 기대되네요 어떤 내용인지
10점 중 10점
/도움돼요
생각한대로 책이 잘 배송되어서 좋았습니다.
10점 중 10점
/최고예요
수학적 내용 많아 좋습니다
10점 중 10점
/도움돼요
대학 교재로 샀어요 어려워요 좋아요
10점 중 10점
/집중돼요
구매해서 봤는데 최고의 책입니다.

문장수집 (3)

문장수집 안내
문장수집은 고객님들이 직접 선정한 책의 좋은 문장을 보여주는 교보문고의 새로운 서비스입니다. 마음을 두드린 문장들을 기록하고 좋은 글귀들은 "좋아요“ 하여 모아보세요. 도서 문장과 무관한 내용 등록 시 별도 통보 없이 삭제될 수 있습니다.
리워드 안내
구매 후 90일 이내에 문장수집 작성 시 e교환권 100원을 적립해드립니다.
e교환권은 적립 일로부터 180일 동안 사용 가능합니다. 리워드는 작성 후 다음 날 제공되며, 발송 전 작성 시 발송 완료 후 익일 제공됩니다.
리워드는 한 상품에 최초 1회만 제공됩니다.
주문취소/반품/절판/품절 시 리워드 대상에서 제외됩니다.
판매가 5,000원 미만 상품의 경우 리워드 지급 대상에서 제외됩니다. (2024년 9월 30일부터 적용)

구매 후 리뷰 작성 시, e교환권 100원 적립

귀납과 연역은 과학 추론의 두 가지 기본 수단입니다.
단단한 머신러닝
'10대 알고리즘' 혹은 '20대 알고리즘'에 익숙하면 무엇이든지 해결할 수 있다고 생각하게 되고, 초점이 자연스럽게 구체적인 알고리즘 공식과 코드 구현에 맞춰집니다. 하지만 실제 응용 단계에서 잘 되지 않음을 발견하고는 머신러닝 자체에 대해 실망하게 됩니다.
단단한 머신러닝

교환/반품/품절 안내

  • 반품/교환방법

    마이룸 > 주문관리 > 주문/배송내역 > 주문조회 > 반품/교환 신청, [1:1 상담 > 반품/교환/환불] 또는 고객센터 (1544-1900)
    * 오픈마켓, 해외배송 주문, 기프트 주문시 [1:1 상담>반품/교환/환불] 또는 고객센터 (1544-1900)
  • 반품/교환가능 기간

    변심반품의 경우 수령 후 7일 이내,
    상품의 결함 및 계약내용과 다를 경우 문제점 발견 후 30일 이내
  • 반품/교환비용

    변심 혹은 구매착오로 인한 반품/교환은 반송료 고객 부담
  • 반품/교환 불가 사유

    1) 소비자의 책임 있는 사유로 상품 등이 손실 또는 훼손된 경우
    (단지 확인을 위한 포장 훼손은 제외)
    2) 소비자의 사용, 포장 개봉에 의해 상품 등의 가치가 현저히 감소한 경우
    예) 화장품, 식품, 가전제품(악세서리 포함) 등
    3) 복제가 가능한 상품 등의 포장을 훼손한 경우
    예) 음반/DVD/비디오, 소프트웨어, 만화책, 잡지, 영상 화보집
    4) 소비자의 요청에 따라 개별적으로 주문 제작되는 상품의 경우 ((1)해외주문도서)
    5) 디지털 컨텐츠인 ebook, 오디오북 등을 1회이상 ‘다운로드’를 받았거나 '바로보기'로 열람한 경우
    6) 시간의 경과에 의해 재판매가 곤란한 정도로 가치가 현저히 감소한 경우
    7) 전자상거래 등에서의 소비자보호에 관한 법률이 정하는 소비자 청약철회 제한 내용에 해당되는 경우
    8) 세트상품 일부만 반품 불가 (필요시 세트상품 반품 후 낱권 재구매)
    9) 기타 반품 불가 품목 - 잡지, 테이프, 대학입시자료, 사진집, 방통대 교재, 교과서, 만화, 미디어전품목, 악보집, 정부간행물, 지도, 각종 수험서, 적성검사자료, 성경, 사전, 법령집, 지류, 필기구류, 시즌상품, 개봉한 상품 등
  • 상품 품절

    공급사(출판사) 재고 사정에 의해 품절/지연될 수 있으며, 품절 시 관련 사항에 대해서는 이메일과 문자로 안내드리겠습니다.
  • 소비자 피해보상 환불 지연에 따른 배상

    1) 상품의 불량에 의한 교환, A/S, 환불, 품질보증 및 피해보상 등에 관한 사항은 소비자분쟁 해결 기준 (공정거래위원회 고시)에 준하여 처리됨
    2) 대금 환불 및 환불지연에 따른 배상금 지급 조건, 절차 등은 전자상거래 등에서의 소비자 보호에 관한 법률에 따라 처리함

상품 설명에 반품/교환 관련한 안내가 있는 경우 그 내용을 우선으로 합니다. (업체 사정에 따라 달라질 수 있습니다.)

기분 좋은 발견

이 분야의 베스트

이 분야의 신간

TOP