Chapter 01 머신러닝 준비하기

_1 이 책의 목적
_2 이 책에서 다루지 않는 내용
__2.1 적절한 머신러닝 알고리즘을 선택하는 방법
__2.2 최적화한 구현의 소개
__2.3 딥러닝
_3 머신러닝의 기초
_4 파이썬 개발 환경 준비
__4.1 파이썬 버전
__4.2 아나콘다 가상 환경
__4.3 파이썬과 라이브러리 개별 설치
__4.4 예제 파일 다운로드

Chapter 02 파이썬 기초 살펴보기

_1 프로그램 실행 방법
__1.1 REPL
__1.2 주피터 노트북
_2 파이썬 기본 문법 살펴보기
__2.1 주석
_3 숫자와 문자열
_4 여러 줄 다루기
_5 제어 구조
_6 리스트, 딕셔너리, 세트
__6.1 리스트
__6.2 튜플
__6.3 시퀀스 타입
__6.4 딕셔너리
__6.5 세트
_7 함수 정의
_8 표준 라이브러리 이용
__8.1 클래스 정의
_9 모듈
__9.1 모듈 만들기
_10 파일 다루기
__10.1 pickle 모듈 이용
__10.2 기타 파일 형식
_11 예외 처리

Chapter 03 머신러닝에 필요한 수학

_1 머신러닝의 기초 수학 개념
__1.1 집합
__1.2 수열
__1.3 사상과 함수
_2 선형대수학
__2.1 벡터 기본
__2.2 벡터의 내적
__2.3 벡터의 기하학적 표현
__2.4 행렬의 기본
__2.5 행렬의 연산
__2.6 블록행렬의 계산
__2.7 역행렬과 연립방정식
__2.8 역행렬과 선형독립
__2.9 1차변환
__2.10 고윳값
__2.11 직교행렬
__2.12 대칭행렬
_3 미적분
__3.1 극한
__3.2 지수함수
__3.3 로그함수
__3.4 미분
__3.5 다항식의 미분
__3.6 곱과 몫의 미분과 고계도함수
__3.7 합성함수와 역함수의 미분
__3.8 지수함수와 로그함수의 미분
__3.9 지수의 미분
__3.10 함수의 증가·감소와 극대·극소
__3.11 부정적분
__3.12 정적분
__3.13 편미분과 기울기

Chapter 04 파이썬을 이용한 연산

_1 기본 연산
__1.1 실수 연산
__1.2 연산에서 발생하는 유의성의 손실
__1.3 수치의 범위 고려하기
_2 넘파이 기본
__2.1 넘파이의 배열
__2.2 2차원 배열
__2.3 배열의 데이터 속성 확인하기
__2.4 배열의 형태 변경
__2.5 기타 배열 관련 기능
__2.6 행렬 연결
_3 배열의 기본 연산
__3.1 브로드캐스팅
__3.2 배열끼리의 연산
_4 희소행렬
_5 넘파이와 사이파이를 이용한 선형대수학
_6 난수
__6.1 시드와 재현성
_7 데이터 시각화
__7.1 꺾은선 그래프
__7.2 산점도
__7.3 곡선 그래프
__7.4 다중 그래프
__7.5 히스토그램
__7.6 그래프 여러 개 그리기
__7.7 등고선
_8 수학적 최적화
__8.1 선형계획법
__8.2 2차계획법
__8.3 경사하강법
__8.4 뉴턴 방법
__8.5 라그랑주 곱셈자 방법
_9 통계
__9.1 통계의 기본
__9.2 정규분포와 확률밀도함수

Chapter 05 머신러닝 알고리즘

_1 준비
__1.1 입력 데이터
__1.2 용어
__1.3 인터페이스
_2 회귀
__2.1 원점을 지나는 직선을 이용한 근사
__2.2 일반 직선을 이용한 근사
__2.3 다차원 특징 벡터
__2.4 실제 데이터를 사용하는 예
__2.5 머신러닝 알고리즘의 평가
_3 릿지 회귀
__3.1 하이퍼 파라미터
_4 일반화와 과적합
__4.1 모델의 일반화 성능
__4.2 교차 검증
_5 라쏘 회귀
_6 로지스틱 회귀
_7 서포트 벡터 머신
__7.1 오차를 허용하는 분류
__7.2 커널 기법
_8 k-평균 알고리즘
_9 주성분 분석
__9.1 다차원 투영과 특잇값 분해
__9.2 주성분 분석 알고리즘

Chapter 06 참고 문헌과 자료

_1 수학
_2 파이썬
_3 머신러닝