소득공제
PDF
eBook
패턴 인식과 머신 러닝
스마트한 PDF 필기 기능을 사용해 보세요!
- PDF 안내
-
이 상품은 구매 후 지원 기기에서 예스24 eBook앱 설치 후 바로 이용 가능한 상품입니다.
상세 이미지
소개
목차
|
CHAPTER 1 소개 11.1 예시: 다항식 곡선 피팅 _ 51.2 확률론 _ 131.3 모델 선택 _ 361.4 차원의 저주 _ 371.5 결정 이론 _ 421.6 정보 이론 _ 54CHAPTER 2 확률 분포 752.1 이산 확률 변수 _ 762.2 다항 변수 _ 832.3 가우시안 분포 _ 872.4 지수족 _ 1262.5 비매개변수적 방법 _ 134CHAPTER 3 선형 회귀 모델 1553.1 선형 기저 함수 모델 _ 1563.2 편향 분산 분해 _ 1663.3 베이지안 선형 회귀 _ 1723.4 베이지안 모델 비교 _ 1813.5 증거 근사 _ 186CHAPTER 4 선형 분류 모델 2014.1 판별 함수 _ 2034.2 확률적 생성 모델 _ 2214.3 확률적 판별 모델 _ 2294.4 라플라스 근사 _ 2404.5 베이지안 로지스틱 회귀 _ 245CHAPTER 5 뉴럴 네트워크 2535.1 피드 포워드 네트워크 함수 _ 2555.2 네트워크 훈련 _ 2615.3 오차 역전파 _ 2715.4 헤시안 행렬 _ 2815.5 뉴럴 네트워크에서의 정규화 _ 2895.6 혼합 밀도 네트워크 _ 3065.7 베이지안 뉴럴 네트워크 _ 312CHAPTER 6 커널 방법론 3276.1 듀얼 표현 _ 3296.2 커널의 구성 _ 3306.3 방사 기저 함수 네트워크 _ 3366.4 가우시안 과정 _ 341CHAPTER 7 희박한 커널 머신 3637.1 최대 마진 분류기 _ 3647.2 상관 벡터 머신 _ 387CHAPTER 8 그래프 모델 4038.1 베이지안 네트워크 _ 4048.2 조건부 독립 _ 4188.3 마르코프 무작위장 _ 4318.4 그래프 모델에서의 추론 _ 443CHAPTER 9 혼합 모델과 EM 4779.1 K 평균 집단화 _ 4789.2 혼합 가우시안 _ 4859.3 EM에 대한 다른 관점 _ 4959.4 일반적 EM 알고리즘 _ 507CHAPTER 10 근사 추정 51710.1 변분적 추론 _ 51810.2 예시: 변분적 가우시안 혼합 분포 _ 53110.3 변분적 선형 회귀 _ 54510.4 지수족 분포 _ 54910.5 지역적 변분 방법론 _ 55210.6 변분적 로지스틱 회귀 _ 55810.7 EP _ 566CHAPTER 11 표집법 58711.1 기본적인 표집 알고리즘 _ 59011.2 마르코프 연쇄 몬테 카를로 _ 60311.3 기브스 표집법 _ 60811.4 조각 표집법 _ 61311.5 하이브리드 몬테 카를로 알고리즘 _ 61511.6 분할 함수 추정 _ 622CHAPTER 12 연속 잠재 변수 62712.1 PCA _ 62912.2 확률적 PCA _ 64012.3 커널 PCA _ 65712.4 비선형 잠재 변수 모델 _ 662CHAPTER 13 순차 데이터 67713.1 마르코프 모델 _ 67913.2 은닉 마르코프 모델 _ 68213.3 선형 동적 시스템 _ 710CHAPTER 14 모델 조합 72914.1 베이지안 모델 평균 _ 73014.2 위원회 방식 _ 73214.3 부스팅 _ 73314.4 트리 기반 모델 _ 74014.5 조건부 혼합 모델 _ 744부록 A. 데이터 집합 757손글씨 숫자 _ 757오일 흐름 _ 758오래된 믿음 _ 761합성 데이터 _ 762부록 B. 확률 분포 765베르누이 분포 _ 765베타 분포 _ 766이항 분포 _ 766디리클레 분포 _ 767감마 분포 _ 768가우시안 분포 _ 768가우시안 감마 분포 _ 770가우시안 위샤트 분포 _ 770다항 분포 _ 771정규 분포 _ 772스튜던트 t 분포 _ 772균등 분포 _ 773폰 미제스 분포 _ 773위샤트 분포 _ 774부록 C. 행렬의 성질 775기본 행렬 성질 _ 775대각합과 행렬식 _ 777행렬 미분 _ 778고윳값 공식 _ 779부록 D. 변분법 783부록 E. 라그랑주 승수법 787
|
저자 소개 2
Christopher M. Bishop
크리스토퍼 M. 비숍은 마이크로소프트 리서치 케임브리지의 부 디렉터이자 에든버러 대학교 컴퓨터 공학과의 학과장을 맡고 있다. 또한, 케임브리지 다윈 칼리지와 왕립 공학회의 펠로우이기도 하다. 크리스는 양자론에 관한 논문으로 세인트 캐서린 대학과 옥스퍼드 대학교에서 물리학 학사, 에든버러 대학교에서 이론 물리학 박사 학위를 취득했다.
다양한 현실 세계의 문제들을 머신 러닝을 이용하여 해결하는 데 관심이 많은 소프트웨어 엔지니어이자 데이터 과학자다. 카이스트 전산학과 학부과정과 스탠퍼드 전산학과 석사과정을 마친 후, 링크드인 데이터팀에서 친구 추천 등 각종 데이터 기반 제품의 개발에 참여하였다. 그 후 스타트업에서 자연어 처리 시스템을 만들었으며, 현재는 우버 매칭팀의 머신 러닝 엔지니어로서 실시간으로 드라이버와 승객의 연결을 최적화하는 문제를 풀고 있다.
품목정보
- 발행일
- 2026년 09월 10일
- 지원기기
- 크레마, PC(윈도우 - 4K 모니터 미지원), 아이폰, 아이패드, 안드로이드폰, 안드로이드패드, 전자책단말기(저사양 기기 사용 불가), PC(Mac)
- 파일/용량
- PDF(DRM) | 47.12MB ?
- 글자 수/ 페이지 수
- 약 855쪽 ?
- ISBN13
- 9791124205969
출판사 리뷰
|
현대 패턴 인식과 머신 러닝의 개념과 효과적 이해를 위한 수학적 사고!지난 수년간 머신 러닝은 그 어느 때보다도 뜨거운 관심을 받았다. 특히, 2016년 알파고와 이세돌 9단의 대국은 더 많은 사람이 인공지능 분야에 관심을 가지게 하는 촉매제가 되었다. 이는 딥 러닝을 비롯한 여러 머신 러닝 알고리즘의 성능이 최근 매우 향상되었기 때문이다.머신 러닝은 최근에 새롭게 생겨난 기술이 아니다. 데이터를 기반으로 해서 최적화 문제를 풀거나 예측해야 하는 다양한 분야에서 이미 오랜 시간 동안 머신 러닝 기술이 활용되었다. 최근에 가장 주목을 받고 있는 딥 러닝은 수십 년 전에 처음 제안된 뉴럴 네트워크 알고리즘이 기반이다. 오랜 시간 동안 학계로부터 외면받고 있었던 뉴럴 네트워크 기술이 GPU 등 하드웨어의 발전과 구글/페이스북 등의 회사에서 발생하는 엄청난 양의 데이터, 여러 알고리즘 개선법 등을 만나면서 새로운 모습을 보이게 된 것이다.이 책은 지난 수십 년간 발전되어 온 확률/통계 기반의 패턴 인식과 머신 러닝 분야의 전반적인 내용을 다루고 있다. 내용을 이해하는 데 있어서 패턴 인식이나 머신 러닝 분야에 대한 사전 지식은 필요하지 않지만, 다변량 미적분과 기초 선형 대수학을 다뤄본 경험은 필요하다. 또한 기초적인 확률 이론에 대한 소개가 포함되어 있으므로 확률론에 대한 기초 지식이 반드시 필요하지는 않다. 기본적으로 학부 고학년생들이나 박사과정 1년 차 학생들을 대상으로 하고 있으나, 해당 분야의 연구자들이나 업계에서 머신 러닝을 활용하는 사람들이 읽기에도 적합하다. 그리고 머신 러닝, 통계, 컴퓨터 공학, 신호 처리, 컴퓨터 비전, 데이터 마이닝, 바이오 인포매틱스와 같은 분야의 강의 과정에서 사용하기도 적합하다.
|
