서문
저자 소개
베타 리더 리뷰

Chapter 01 비지도 학습 개요

1.1 비지도 학습이란?
1.2 주요 주제 소개
1.3 비지도 학습의 장단점
1.4 비지도 학습의 시작

Chapter 02 차원 축소

2.1 주성분분석
2.2. 특이값 분해
2.3 차원 축소의 성능 평가를 위한 재구축 오차
2.4 다른 차원 축소 기법들

Chapter 03 이상치 탐지

3.1 데이터 불러오기
3.2 데이터 표준화와 분할
3.3 주성분분석의 적용과 해석
3.4 마할라노비스 거리 측정법
3.5 재구축 오차
3.6 답을 안다는 가정에서 성능 평가하기
3.7 데이터 탐색과 이상치 탐지
3.8 지도 학습을 이용한 최적화와 결과 해석
3.9 그 외 sklearn 내장된 이상치 탐지

Chapter 04 군집화

4.1 군집화 과정
4.2 희소행렬(Sparse Matrix) 만들기
4.3 거리 측정법의 소개
4.4 군집화 알고리즘

Chapter 05 군집화의 응용

5.1 상위 군집 만들기
5.2 군집별 등급 지정하기
5.3 군집별 중요도 구하기
5.4 텍스트 데이터를 이용한 군집 특성 이해하기
5.5 군집화 결과 해석하기

Chapter 06 텐서플로 2 소개

6.1 텐서플로2의 장점과 강점
6.2 케라스 소개(Keras API)
6.3 합성곱 신경망(CNN) 소개
6.4 순환 신경망(RNN)과 장단기 기억 모델(LSTM) 소개
6.5 모델의 시각화, 저장, 불러오기

Chapter 07 오토 인코더(Auto Encoder)

7.1 바닐라 오토 인코더(with keras)
7.2 다양한 오토 인코더의 구조

Chapter 08 오토 인코더의 응용

8.1 오토 인코더 은닉층을 이용한 군집화 예제
8.2 오토 인코더의 이상치 탐지
8.3 오토 인코더에 범주형 변수 추가
8.4 변분 오토 인코더
8.5 앙상블 결과

찾아보기