길벗·이지톡

길벗스쿨 시나공 IT

1부 도입편

1장 시작하며

1.1 머신 러닝이란

1.2 파이썬과 머신 러닝

1.3 설치와 설정

1.4 파이썬 빨리 배우기: NumPy와 Matplotlib

1.5 퀵 투어

2장 머신 러닝의 여러 측면

2.1 머신 러닝을 둘러싼 환경

2.2 관련 분야

2.3 학습법에 따른 분류

2.4 방법이나 과제 설정에 따른 분류

2.5 응용 사례

2부 기초편

3장 분류 문제

3.1 분류 문제

3.2 첫 분류기

3.3 학습 데이터와 테스트 데이터

3.4 분류기 성능 평가

3.5 여러 가지 분류기

3.6 마무리

4장 회귀 문제

4.1 회귀 문제와 분류

4.2 첫 회귀: 최소제곱법과 평가 방법

4.3 머신 러닝에서 피해야 하는 부분: 과적합

4.4 과적합 대응: 정규화 회귀 분석

4.5 다양한 회귀 모델

4.6 마무리

5장 클러스터링

5.1 클러스터링이란

5.2 iris 데이터셋

5.3 대표적인 클러스터링 방법: k-means

5.4 기타 클러스터링 방법

5.5 마무리

3부 응용편

6장 이미지를 사용한 손 모양 분류

6.1 과제 설정

6.2 첫 학습

6.3 일반화 성능 만들기: 인원수를 늘린다

6.4 인원수 더 늘리기

6.5 데이터 검토와 정리: 데이터 클리닝

6.6 특징량 도입

6.7 파라미터 튜닝

6.8 마무리

7장 센서 데이터를 사용한 회귀 문제

7.1 시작하며

7.2 준비

7.3 센서 데이터란

7.4 데이터 읽기

7.5 다카마쓰의 기온 데이터와 시코쿠 전력 소비량

7.6 나머지 이야기와 마무리

7.7 마지막으로

4부 부록

부록 A 파이썬으로 만드는 머신 러닝

A.1 목적

A.2 최소제곱법

A.3 행렬 계산으로 분석적 해 도출

A.4 반복법

A.5 코드를 작성하기 전에

A.6 구현 사례

부록 B 선형대수 복습과 대표적인 비선형 모델

B.1 목적

B.2 선형이란

B.3 선형 변환과 아핀 변환

B.4 노름과 페널티 항

B.5 선형 회귀의 최소제곱해

B.6 머신 러닝에서 비선형

참고 정보