이 책의 사용법
머리말
역자 서문
1장 머신러닝의 기본
§1 머신러닝과 AI、그리고 딥러닝
▶ AI란
▶ AI、머신러닝、딥러닝
▶ 머신러닝의 역할
§2 지도학습과 비지도학습
▶ AI를 위한 데이터
▶ 지도학습과 비지도학습, 강화학습
2장 머신러닝을 위한 기본적인 알고리즘
§1 모델의 최적화와 최소제곱법
▶ 최적화란
▶ 최소제곱법
▶ 엑셀을 이용한 최소제곱법
▶ 데이터의 크기와 파라미터의 수
▶ 엑셀 실습
§2 최적화 계산의 기본이 되는 경사하강법
▶ 경사하강법의 아이디어
▶ 근사 공식과 내적의 관계
▶ 경사하강법의 기본식
▶ 경사하강법과 사용 방법
▶ 3 변수 이상인 경우 경사하강법을 확장
▶ h의 의미와 경사하강법의 주의할 점
▶ 엑셀을 이용한 경사하강법
§3 라그랑지의 완화법과 쌍대 문제
▶ 라그랑지의 완화법
▶ 라그랑지 쌍대 문제
▶ 구체적인 계산
▶ 엑셀로 확인
§4 몬테카를로법의 기본
▶ 몬테카를로법으로 r를 산출
▶ 엑셀을 이용한 몬테카를로법
§5 유전 알고리즘 .
▶ 유전 알고리즘으로 최솟값 문제를 해결
▶ x의 후보를 골라 2진수 표시
▶ 환경에 적합한 것을 ‘선택’
▶ 우수한 개체를 만들기 위한 ‘교차’
▶ 돌연변이
▶ 이상의 3연산을 여러 번 반복
▶ 엑셀을 이용한 유전 알고리즘
§6 베이즈 정리
▶ 조건부 확률
▶ 곱셈 정리
▶ 베이즈 정리
▶ 베이즈 정리의 해석
▶ 원인의 확률
▶ 베이즈 정리의 일반화
▶ 우도, 사전확률, 사후확률
▶ 유명한 예제로 베이즈 정리를 확인
▶ 베이즈 정리는 학습을 표현
▶ 엑셀을 이용한 베이즈 정리
3장 회귀분석
§1 중회귀분석
▶ 중회귀분석
▶ 중회귀분석의 회귀방정식 이미지
▶ 회귀방정식을 구하는 방법
▶ 회귀방정식을 이용한 분석
§2 중회귀분석을 엑셀로 체험
▶
