Chapter 01 인공지능과 머신러닝의 이해

01 인공지능 개념
02 인공지능의 발전
03 머신러닝 기초

Chapter 02 머신러닝을 위한 수학과 넘파이 라이브러리

01 머신러닝을 위한 기초수학
02 예제로 풀어보는 머신러닝 수학
03 머신러닝을 위한 넘파이 라이브러리

Chapter 03 선형 회귀

01 회귀의 개념과 데이터셋
02 단순 선형 회귀
03 단순 선형 회귀 모델의 학습(경사하강법)
04 다중 선형 회귀
05 예제로 풀어보는 선형 회귀
06 코드로 구현하는 선형 회귀

Chapter 04 로지스틱 회귀

01 로지스틱 회귀의 데이터
02 로지스틱 회귀 모델
03 예제로 풀어보는 로지스틱 회귀
04 코드로 구현하는 로지스틱 회귀

Chapter 05 퍼셉트론

01 퍼셉트론의 구조
02 활성화 함수
03 퍼셉트론의 학습 과정
04 퍼셉트론과 논리 게이트
05 예제로 풀어보는 퍼셉트론
06 코드로 구현하는 퍼셉트론

Chapter 06 다층 퍼셉트론

01 다층 퍼셉트론의 핵심
02 다층 퍼셉트론의 학습 원리
03 모델 성능 평가 지표
04 다층 퍼셉트론의 성능 향상을 위한 고려 사항
05 꼭 알아야 할 예제
06 예제로 풀어보는 다층 퍼셉트론
07 코드로 구현하는 퍼셉트론

Chapter 07 k-최근접 이웃

01 모델 기반 학습과 사례 기반 학습
02 k-최근접 이웃의 주요 개념
03 거리 측도
04 k-최근접 이웃을 통한 분류
05 k-최근접 이웃을 통한 회귀
06 k-최근접 이웃의 하이퍼파라미터
07 예제로 풀어보는 k-최근접 이웃
08 코드로 구현하는 k-최근접 이웃

Chapter 08 의사결정 트리

01 지도학습 측면에서의 의사결정 트리
02 의사결정 트리의 기본 개념
03 의사결정 트리 모델의 구조
04 의사결정 트리 모델의 동작 원리
05 의사결정 트리의 회귀 적용
06 예제로 풀어보는 의사결정 트리
07 코드로 구현하는 의사결정 트리

Chapter 09 군집화

01 비지도학습의 정의와 데이터
02 군집화의 기본 개념
03 k-평균 군집화의 핵심 원리
04 k-평균 군집화 관련 고려 사항
05 예제로 풀어보는 군집화
06 코드로 구현하는 군집화

Appendix Basic Cheat Sheet

찾아보기