머신 러닝 워크북
1장 머신 러닝이란 무엇인가?
__1.1 머신 러닝의 역사
____앨런 튜링
____아서 사무엘
____톰 미첼
____요약
__1.2 머신 러닝 알고리즘의 종류
____지도 학습
____비지도 학습
__1.3 인간의 개입
__1.4 머신 러닝의 활용
____소프트웨어
____주식 매매
____로보틱스
____의학과 헬스 케어
____광고
____소매업과 전자 상거래
____게임 분석
____사물인터넷
__1.5 머신 러닝을 위한 프로그래밍 언어
____파이썬
____R
____매트랩
____스칼라
____클로저
____루비
__1.6 이 책에서 사용한 소프트웨어
____자바 버전 확인하기
____웨카 툴킷
____머하웃
____스프링 XD
____하둡
____통합개발환경(IDE) 사용하기
__1.7 데이터 저장소
____UC 어바인 머신 러닝 저장소
____인포침스
____캐글
__1.8 요약

2장 머신 러닝 계획하기
__2.1 머신 러닝 순환 주기
__2.2 모든 것은 질문으로 시작된다
__2.3 데이터가 없어요!
____지역 사회에서 시작하기
____경진대회
__2.4 하나로 모두 해결한다?
__2.5 프로세스 정의하기
____계획
____개발
____테스팅
____보고
____개선
____프로덕션
__2.6 데이터 팀 구성하기
____수학과 통계
____프로그래밍
____그래픽 디자인
____전문 지식
__2.7 데이터 처리
____내 컴퓨터 사용하기
____컴퓨터 클러스터
____클라우드 기반 서비스
__2.8 데이터 스토리지
____물리 디스크
____클라우드 기반 스토리지
__2.9 사생활 데이터 보안
____문화 규범
____세대적인 기대
____사용자 데이터의 익명성
____‘오싹한 선’을 넘지 마라
__2.10 데이터 품질과 정리
____입력 여부 확인
____타입 확인
____길이 확인
____범위 확인
____포맷 확인
____브리트니 딜레마
____국가 이름에는 어떤 것들이 있나?
____날짜와 시간
____데이터 정리에 관한 마지막 생각
__2.11 입력 데이터에 대해 생각해보기
____원시 텍스트
____CSV
____JSON
____YAML
____XML
____스프레드시트
____데이터베이스
__2.12 결과 데이터에 대해 생각해보기
__2.13 실험을 두려워하지 마라
__2.14 요약

3장 의사결정트리로 작업하기
__3.1 의사결정트리의 기본
____의사결정트리의 사용
____의사결정트리의 장점
____의사결정트리의 한계
____여러 가지 알고리즘
____의사결정트리는 어떻게 작동하는가?
__3.2 웨카의 의사결정트리
____필요 사항
____훈련용 데이터
____웨카를 사용하여 의사결정트리 만들기
____분류에서 자바 코드 만들기
____분류기 코드 테스트하기
____미래의 반복적인 작업 생각해보기
__3.3 요약

4장 베이지안 네트워크
__4.1 조종사부터 클리피까지
__4.2 약간의 그래프 이론
__4.3 약간의 확률 이론
____동전 던지기
____조건부 확률
____복권 당첨
__4.4 베이즈 이론
__4.5 베이지안 네트워크는 어떻게 작동하는가?
____확률 부여하기
____결과 계산하기
__4.6 노드의 개수
__4.7 전문가의 도움
__4.8 베이지안 네트워크 안내
____베이지안 네트워크를 위한 자바 API
____네트워크 계획하기
____네트워크 코딩하기
__4.9 요약

5장 인공 신경망
__5.1 신경망이란 무엇인가?
__5.2 인공 신경망 활용
____고빈도 매매
____신용 대출
____데이터 센터 관리
____로봇 공학
____의료 모니터링
__5.3 인공 신경망 뜯어보기
____퍼셉트론
____활성화 함수
____다층 퍼셉트론
____역전파
__5.4 인공 신경망을 위한 데이터 준비
__5.5 웨카를 사용한 인공 신경망
____데이터 세트 만들기
____웨카로 데이터 읽어 들이기
____다층 퍼셉트론 조정하기
____네트워크 훈련시키기
____네트워크 변경하기
____테스트 데이터 크기 늘리기
__5.6 자바에서 신경망 구현하기
____프로젝트 만들기
____코드
____CSV를 Arff로 변환하기
____신경망 실행하기
__5.7 요약

6장 연관 규칙 학습
__6.1 연관 규칙 학습은 어느 분야에서 사용되는가?
____웹 사용 로그 마이닝
____맥주와 기저귀
__6.2 연관 규칙 학습은 어떻게 이루어지는가?
____지지도
____신뢰도
____향상도
____확신도
____프로세스 정의하기
__6.3 알고리즘
____Apriori
____FP-Growth
__6.4 장바구니 마이닝
____원시 데이터 다운로드
____이클립스에서 프로젝트 설정하기
____아이템 데이터 파일 설정하기
____데이터 설정하기
____머하웃 실행시키기
____결과 검사하기
____모두 합치기
____추후 개발
__6.5 요약

7장 서포트 벡터 머신
__7.1 SVM이란 무엇인가?
__7.2 SVM은 어디에 사용되는가?
__7.3 기본 분류 원칙
____이진 분류와 다중 클래스 분류
____선형 분류기
____신뢰성
____함숫값 최대화와 최소화
__7.4 SVM으로 분류하는 방법
____선형 분류 사용하기
____비선형 분류 사용하기
__7.5 웨카에서 SVM 사용하기
____LibSVM 설치하기
____분류 실습
____자바와 함께 LibSVM 사용하기
__7.6 요약


8장 클러스터링
__8.1 클러스터링이란 무엇인가?
__8.2 클러스터링은 어디에 사용되는가?
____인터넷
____비즈니스와 소매업
____법 집행
____컴퓨터 작업
__8.3 클러스터링 모델
____k-means는 어떻게 작동하는가?
____클러스터 개수 계산하기
__8.4 웨카를 사용한 k-means 클러스터링
____데이터 준비하기
____워크벤치를 이용한 방법
____명령줄을 사용한 방법
____코드를 사용한 방법
__8.5 요약

9장 스프링 XD로 하는 실시간 머신 러닝
__9.1 데이터 파이어호스 잡기
____실시간 데이터 사용 시 고려 사항
____실시간 시스템의 활용 가능성
__9.2 스프링 XD 사용하기
____스프링 XD 스트림
____입력 소스, 싱크, 프로세서
__9.3 트위터 데이터로부터 배우기
____개발 계획
____트위터 API 개발자의 애플리케이션 설정하기
__9.4 스프링 XD 설정하기
____스프링 XD 서버 시작하기
____샘플 데이터 만들기
____스프링 XD 셸
____스트림 101
__9.5 스프링 XD와 트위터
____트위터 자격 인증 설정하기
____첫 트위터 스트림 만들기
____다음에 할 것은?
__9.6 프로세서 소개
____어떻게 스트림 내 프로세서 작업이 이루어지는가?
____나만의 프로세서 만들기
__9.7 실시간 감성 분석
____기본적인 분석이 이루어지는 방법
____감성 프로세서 만들기
____스프링 XD Taps
__9.8 요약

10장 배치 처리로 하는 머신 러닝
__10.1 빅데이터인가?
__10.2 배치 처리할 데이터의 고려 사항
____크기와 빈도
____데이터가 많은가?
____처리 방법은?
__10.3 배치 처리의 실전 예제
____하둡
____스쿱
____피그
____머하웃
____클라우드 기반 맵리듀스
____실습 시 주의사항
__10.4 하둡 프레임워크 사용하기
____하둡 아키텍처
____싱글노드 클러스터 설정하기
__10.5 맵리듀스 작업 방법
__10.6 해시태그 마이닝
____스프링 XD의 하둡 지원
____이 예제의 목표
____해시태그란 무엇인가?
____맵리듀스 클래스 만들기
____기존 데이터에 ETL 수행하기
____머하웃으로 제품 추천하기
__10.7 판매 데이터 마이닝
____제 커피숍에 오신 걸 환영합니다!
____작은 규모로 시작하기
____Core 메서드 작성하기
____하둡과 맵리듀스 사용하기
____피그를 사용하여 매출 데이터 마이닝하기
__10.8 배치 작업 일정
__10.9 요약

11 장 아파치 스파크
__11.1 스파크는 하둡의 대안인가?
__11.2 자바, 스칼라 또는 파이썬?
__11.3 스칼라 단기 속성 코스
____스칼라 설치하기
____패키지
____데이터 타입
____클래스
____함수 호출하기
____연산자
____흐름 제어
__11.4 스파크 다운로드와 설치
__11.5 스파크 간단 입문
____셸 시작하기
____데이터 소스
____스파크 테스트
____스파크 모니터
__11.6 스파크와 하둡 맵리듀스 비교
__11.7 스파크로 독립 실행형 프로그램 만들기
____스칼라에서 스파크 프로그램
____스칼라 빌드 도구 설치하기
____자바에서 스파크 프로그램
____스파크 프로그램 요약
__11.8 스파크 SQL
____기본 개념
____RDD에서 SparkSQL 사용하기
__11.9 스파크 스트리밍
____기본 개념
____스칼라로 첫 스트림 만들기
____자바로 첫 스트림 만들기
__11.10 MLib: 머신 러닝 라이브러리
____디펜던시
____의사결정트리
____클러스터링
__11.11 요약

12장 R로 하는 머신 러닝
__12.1 R 설치하기
____OS X
____윈도
____리눅스
__12.2 첫 실행
__12.3 R-Studio 설치하기
__12.4 R의 기본
____변수와 벡터
____행렬
____리스트
____데이터 프레임
____패키지 설치하기
____데이터를 로드하기
____데이터 그리기
__12.5 간단한 통계
__12.6 단순 선형회귀
____데이터 만들기
____초기 그래프
____선형 모델 회귀 분석
____예측하기
__12.7 기본적인 감성 분석
____단어 목록을 로드하는 함수
____감성 지수를 채점하는 함수 작성하기
____함수 테스트하기
__12.8 Apriori 연관 규칙
____arules 패키지 설치하기
____훈련용 데이터
____거래 데이터 가져오기
____Apriori 알고리즘 실행하기
____결과 검사하기
__12.9 자바에서 R로 접근하기
____rJava 패키지 설치하기
____R에서의 첫 자바 코드
____자바 프로그램에서 R 호출하기
____이클립스 프로젝트 설정하기
____자바/R 클래스 만들기
____예제 실행하기
____R 작업 확장하기
__12.10 R과 하둡
____RHadoop 프로젝트
____RHadoop에서 간단한 맵리듀스 작업
____R에서 소셜 미디어 연결하기
__12.11 요약

부록 A 스프링 XD 빨리 시작하기
부록 B Hadoop 1.x 빨리 시작하기
부록 C 유용한 유닉스 명령어
부록 D 추가 읽을거리

찾아보기

가장 빨리 만나는 딥러닝 with Caffe
[기초편]
1장 딥러닝이란 무엇인가?
__1.1 기계 학습의 개요
____1.1.1 기계 학습은 어디에 사용할까?
____1.1.2 기계 학습이란 어떤 기술인가?
____1.1.3 기계 학습을 이용해 물체를 인식하는 방법
____1.1.4 지도 학습에 의한 기계 학습과 비지도 학습에 의한 기계 학습
____1.1.5 회귀분석, 분류, 클러스터링
____1.1.6 기계 학습이 왜 필요한가?
__1.2 딥러닝의 개요
____1.2.1 인공 신경망이란 무엇인가?
____1.2.2 인공 신경망을 이용한 이미지 인식
____1.2.3 딥러닝 알고리즘

2장 딥러닝이 이룩한 성과
__2.1 딥러닝의 역사
____2.1.1 딥러닝 연구의 기원
____2.1.2 인공 신경망 연구, 빙하기를 거쳐 재조명
____2.1.3 GPU에 의한 병렬 계산: GPGPU와 CUDA
____2.1.4 딥러닝은 왜 주목 받는가?
__2.2 음성 인식 분야의 성과
____2.2.1 음성 인식이란?
____2.2.2 음성 인식에 딥러닝을 이용
__2.3 이미지 인식 분야의 성과
____2.3.1 이미지 인식에 딥러닝을 이용
____2.3.2 딥러닝을 이용한 이미지의 특징 자동 추출
____2.3.3 딥러닝을 기존 이미지 처리에 이용
____2.3.4 딥러닝을 이용해 이미지 주석 만들기

[이론편]
3장 딥러닝을 이용한 이미지 인식
__3.1 이미지 인식이란?
____3.1.1 이미지 인식은 왜 어려운가?
__3.2 기존의 이미지 인식 기법
____3.2.1 이미지 특징량이란 무엇인가?
____3.2.2 BoF의 개념
____3.2.3 BoF를 이용한 이미지 인식 알고리즘
____3.2.4 BoF의 단점
__3.3 딥러닝의 이용
____3.3.1 컨볼루션 신경망을 이용한 이미지 인식
____3.3.2 딥러닝은 무엇을 학습하는가?
__3.4 어떻게 높은 성능을 구현할 수 있었을까?
____3.4.1 BoF와 딥러닝의 비교
____3.4.2 딥러닝의 충격
____3.4.3 딥러닝에 약점은 없을까?

4장 딥러닝 알고리즘 학습 방법
__4.1 딥러닝 알고리즘 학습 방법
____4.1.1 노드 값의 계산 방법
____4.1.2 활성화 함수의 종류
____4.1.3 계층의 종류
__4.2 신경망 학습 방법
____4.2.1 신경망을 어떻게 최적화시키는가?
____4.2.2 경사 하강법이란 무엇인가?
____4.2.3 오류역전파법에 의한 경사의 계산
____4.2.4 신경망을 정밀하게 학습하는 방법
__4.3 딥러닝 알고리즘
____4.3.1 컨볼루션 신경망 학습 방법
____4.3.2 오토인코더 학습 방법
____4.3.3 순환 신경망 학습 방법

[체험편]
5장 Caffe를 준비하다
__5.1 Caffe에 대한 기본 지식
____5.1.1 Caffe란?
__5.2 Caffe 설치 방법
____5.2.1 Caffe에 필요한 라이브러리 설치
____5.2.2 Caffe 다운로드
____5.2.3 컴파일러 설정 변경과 make 파일 만들기
____5.2.4 CPU로 동작하도록 설정 변경
____5.2.5 Caffe의 컴파일러와 runtest
____5.2.6 Caffe 폴더 구성
__5.3 Caffe 동작법
____5.3.1 이미지 데이터 다운로드와 데이터 형식 변환
____5.3.2 실행 셸 속
____5.3.3 솔버의 파라미터 설정
____5.3.4 네트워크의 파라미터 설정
____5.3.5 네트워크 파라미터 파일 기술 사례

6장 Caffe로 딥러닝을 체험하다
__6.1 Caffe를 샘플 프로그램으로 동작시키다
____6.1.1 학습률에 대해
____6.1.2 활성화 함수의 영향
____6.1.3 네트워크의 구성과 영향
__6.2 Caffe를 자신이 준비한 데이터로 이용하다
____6.2.1 convert_imageset 사용법

부록 A
__A.1 VMware에 우분투를 설치하는 방법
____A.1.1 VMware 다운로드 및 설치
____A.1.2 VMware에 우분투를 설치하는 방법
__A.2 우분투에서 CUDA를 작동시키는 방법
____A.2.1 우분투에서 CUDA 설치
____A.2.2 GPU 환경에서 Caffe 컴파일러 실행
__A.3 3층 전결합 인공 신경망의 파라미터 파일

후기
참고문헌
찾아보기