소문난 명강의 김도형의 데이터 사이언스 스쿨 수학 편
“소문난 명강사 ‘김도형’이 데이터 사이언스
입문자에게 보내는 선물 같은 수학 책
선형대수, 미적분, 최적화, 확률론, 검정과 베이즈 추정까지 머신러닝과 딥러닝에 필요한 모든 수학을 한권에!”
이 책은 대학에서 수학을 전공하지 않은 인공지능 개발 입문자와 현업 전문가에게 핵심 수학을 알려준다. 수식에 많이 사용되는 그리스 알파벳과 고등학교 과정의 수학 기호부터 설명해 누구나 차근차근 수학을 익힐 수 있다. 기초부터 출발하지만 데이터 분석과 머신러닝에 필요한 모든 필수 수학을 다루며, 모든 수식은 파이썬 패키지를 활용해 코드로 보여줍니다. 스타트업 파일을 적용한 파이썬 주피터 노트북 실습 환경도 제공하였다.
(알림 : 독자 여러분이 파이썬 언어에 대한 기초적인 지식이 있다고 가정한다)
KAIST에서 자동 제어와 신호 처리를 공부하여 박사 학위를 받았으나 금융 분야로 진로를 바꾸어 미래에셋대우에서 퀀트로 재직했다. 현재는 개인 퇴직연금운용을 위한 핀테크 기술 회사 베라노스 CTO이며 패스트캠퍼스 ‘데이터 사이언스 스쿨’에서 데이터 분석 관련 수학과 머신러닝을 가르칩니다. 2016년부터 ‘데이터 사이언스 스쿨’이라는 웹사이트를 운영하며 데이터 분석에 필요한 프로그래밍, 수학, 머신러닝, 딥러닝 관련 글을 올리고 있다.
0장 파이썬 설치와 사용법
__0.1 커맨드 라인 인터페이스
__0.2 파이썬 설치하기
__0.3 파이썬 처음 사용하기
__0.4 파이썬 패키지 설치하기
__0.5 데이터 분석용 파이썬 패키지 소개
__0.6 아이파이썬 및 주피터 설정
__0.7 구글 코랩 사용법
__0.8 마치며
1장 수학 기호
__1.1 그리스 문자
__1.2 수열과 집합의 합과 곱
__1.3 마치며
2장 넘파이(Numpy)로 공부하는 선형대수
__2.1 데이터와 행렬
__2.2 벡터와 행렬의 연산
__2.3 행렬의 성질
__2.4 선형 연립방정식과 역행렬
__2.5 마치며
3장 고급 선형대수
__3.1 선형대수와 해석기하의 기초
__3.2 좌표와 변환
__3.3 고윳값분해
__3.4 특잇값분해
__3.5 PCA
__3.6 마치며
4장 심파이(SymPy)로 공부하는 미적분
__4.1 함수
__4.2 심파이를 사용한 함수 미분
__4.3 적분
__4.4 행렬의 미분
__4.5 변분법
__4.6 마치며
5장 사이파이(SciPy)로 공부하는 최적화
__5.1 최적화 기초
__5.2 제한조ㄱㅓㄴ이 있는 최적화 문제
__5.3 선형계획법 문제와 이차계획법 문제
__5.4 마치며
6장 공부하는 확률론 피지엠파이(pgmpy)로
__6.1 집합
__6.2 확률의 수학적 정의와 의미
__6.3 확률의 성질
__6.4 확률분포함수
__6.5 결합확률과 조ㄱㅓㄴ부확률
__6.6 베이즈 정리
__6.7 마치며
7장 확률변수와 상관관계
__7.1 확률적 데이터와 확률변수
__7.2 기댓값과 확률변수의 변환
__7.3 분산과 표준편차
__7.4 다변수 확률변수
__7.5 공분산과 상관계수
__7.6 조ㄱㅓㄴ부기댓값과 예측 문제
__7.7 마치며
8장 사이파이로 공부하는 확률분포
__8.1 사이파이를 이용한 확률분포 분석
__8.2 베르누이분포와 이항분포
__8.3 카테고리분포와 다항분포
__8.4 정규분포와 중심극한정리
__8.5 스튜던트 t분포, 카이제곱분포, F분포
__8.6 다변수정규분포
__8.7 베타분포, 감마분포, 디리클레분포
__8.8 마치며
9장 추정과 검정
__9.1 확률분포의 추정
__9.2 최대가능도 추정법
__9.3 베이즈 추정법
__9.4 검정과 유의확률
__9.5 사이파이를 사용한 검정
__9.6 마치며
10장 엔트로피
__10.1 엔트로피
__10.2 조건부엔트로피
__10.3 교차엔트로피와 쿨백-라이블러 발산
__10.4 상호정보량
__10.5 마치며