▣ 01장: 개발자가 처음 만난 머신러닝의 세계
1.1 머신러닝이란?
1.2 프로젝트 과정 미리보기
1.3 실습의 중요성
▣ 02장: 실습 준비
2.1 예제 코드
2.2 구글 코랩(Google Colaboratory
▣ 03장: 자주 등장하는 머신러닝 필수 개념
3.1 지도학습과 비지도학습
____3.1.1 지도학습
____3.1.2 비지도학습
3.2 분류와 회귀
____3.2.1 분류
____3.2.2 회귀
3.3 과대적합과 과소적합
____3.3.1 과소적합
____3.3.2 과대적합
3.4 혼동 행렬
3.5 머신러닝 모델의 성능 평가
____3.5.1 TP(true positive - 맞는 것을 올바르게 예측한 것
____3.5.2 TN(true negative - 틀린 것을 올바르게 예측한 것
____3.5.3 FP(false positive - 틀린 것을 맞다고 잘못 예측한 것
____3.5.4 FN(false negative - 맞는 것을 틀렸다고 잘못 예측한 것
____3.5.5 정확도
____3.5.6 정밀도
____3.5.7 재현율
____3.5.8 F1 점수
3.6 k-폴드 교차 검증
▣ 04장: 머신러닝 알고리즘 실습
4.1 머신러닝 알고리즘 실습 개요
____4.1.1 알고리즘 선정 이유
4.2 k-최근접 이웃(k-Nearest Neighbor, kNN
____4.2.1 [이론] k-최근접 이웃 알고리즘(kNN
____4.2.2 [실습] 농구선수의 게임 데이터를 활용한 포지션 예측
4.3 서포트 벡터 머신(SVM
____4.3.1 [이론] 서포트 벡터 머신
____4.3.2 [실습] 농구선수의 게임 기록을 학습해서 포지션을 예측해보자
4.4 의사결정 트리
____4.4.1 [이론] 의사결정 트리
____4.4.2 [실습] 서울 지역(강동, 강서, 강남, 강북 다중 분류하기
4.5 나이브 베이즈
____4.5.1 [이론] 나이브 베이즈
____4.5.2 [
★ 이 책에서 배우는 내용 ★
◎ 머신러닝 필수 개념
◎ 딥러닝 필수 개념
◎ k-최근접 이웃
◎ 서포트 벡터 머신
◎ 의사결정 트리
◎ 나이브 베이즈
◎ 앙상블
◎ 군집화
◎ 선형회귀
◎ 로지스틱 회귀
◎ 주성분 분석
◎ 다층 퍼셉트론
◎ 컨볼루셔널 뉴럴 네트워크(CNN
◎ 순환신경망(RNN
◎ 오토인코더
◎ Word2Vec, FastText, Glove
◎ 전이학습