Page 2 -

목차

1장 컴퓨터는 데이터에서 배운다 031

1.1 데이터를 지식으로 바꾸는 지능적인 시스템 구축 032

1.2 머신 러닝의 세 가지 종류 033
1.2.1 지도 학습으로 미래 예측 034
1.2.2 강화 학습으로 반응형 문제 해결 037
1.2.3 비지도 학습으로 숨겨진 구조 발견 038
1.3 기본 용어와 표기법 소개 040
1.3.1 이 책에서 사용하는 표기법과 규칙 041
1.3.2 머신 러닝 용어 043
1.4 머신 러닝 시스템 구축 로드맵 043
1.4.1 전처리: 데이터 형태 갖추기 044
1.4.2 예측 모델 훈련과 선택 045
1.4.3 모델을 평가하고 본 적 없는 샘플로 예측 046

1.5 머신 러닝을 위한 파이썬 046
1.5.1 파이썬과 PIP에서 패키지 설치 047
1.5.2 아나콘다 파이썬 배포판과 패키지 관리자 사용 048
1.5.3 과학 컴퓨팅, 데이터 과학, 머신 러닝을 위한 패키지 048
1.6 요약 049

2장 간단한 분류 알고리즘 훈련 051

2.1 인공 뉴런: 초기 머신 러닝의 간단한 역사 052
2.1.1 인공 뉴런의 수학적 정의 053
2.1.2 퍼셉트론 학습 규칙 055

2.2 파이썬으로 퍼셉트론 학습 알고리즘 구현 058
2.2.1 객체 지향 퍼셉트론 API 059
2.2.2 붓꽃 데이터셋에서 퍼셉트론 훈련 062
2.3 적응형 선형 뉴런과 학습의 수렴 068
2.3.1 경사 하강법으로 비용 함수 최소화 070
2.3.2 파이썬으로 아달린 구현 072

machinelearning_06.indd 18 2021-03-17 오후 12:35:56