한빛출판네트워크

수학적 최적화를 이해하면, 머신러닝이 보인다!

머신러닝 알고리즘을 잘 이해하고 활용하려면 알고리즘의 기반이 되는 수학 원리를 이해해야 한다. 이 책은 머신러닝을 이해하고 구현하는 데 꼭 필요한 수학 개념만 엄선하여 구성하였다. 선형대수학, 다변수 미분적분학, 확률과 통계의 필수 개념으로 수학의 토대를 다지고 선형 회귀 분석, 서포트 벡터 머신, 주성분 분석의 3가지 핵심 알고리즘을 파이썬 코딩으로 직접 구현해보면 머신러닝 알고리즘의 핵심인 수학적 최적화를 확실하게 이해할 수 있다. 이 책을 통해 머신러닝에 필요한 수학이 무엇이며, 머신러닝과 수학이 어떻게 연결되는지를 이해하면 머신러닝에 한 발짝 더 가까워질 것이다.

1장 행렬

1.1 행렬

1.2 선형변환

1.3 고윳값과 고유벡터

1.4 이차형식

연습문제

2장 다변수 함수

2.1 다변수 함수

2.2 다변수 함수의 미분

2.3 다변수 벡터함수

연습문제

3장 볼록 최적화

3.1 볼록함수

3.2 볼록 최적화

3.3 경사하강법

3.4 응용 : 선형 회귀 분석

연습문제

4장 쌍대성

4.1 라그랑주 쌍대함수

4.2 라그랑주 쌍대성

4.3 응용 : 서포트 벡터 머신

연습문제

5장 고급 수학 이론

5.1 특잇값 분해와 반복법

5.2 가우시안 분포

5.3 응용 : 주성분 분석

연습문제

찾아보기

머신러닝 알고리즘의 핵심인 

수학적 최적화를 확실하게 이해할 수 있는 책

머신러닝 알고리즘을 이해하는 데 꼭 필요한 수학적 최적화 기법을 다루는 책입니다. 최적화를 완벽히 이해하기 위해 미리 알아두어야 할 선형대수학, 다변수 미분적분학, 확률과 통계의 이론을 핵심만 짚어 설명합니다. 복잡한 수학 이론을 명확하게 이해하고 문제해결력을 기를 수 있게 다양한 유형의 문제를 실었습니다. 또한 머신러닝의 핵심 알고리즘 3가지를 파이썬 코딩으로 직접 구현할 수 있도록 일부 예제와 연습문제에 파이썬 실습을 구성하였습니다. 장별로 구성한 칼럼에서는 각 장에서 살펴본 수학 개념이 머신러닝에서 어떻게 활용되는지 소개합니다.