자료유형  

 단행본(국내)

언어부호  

본문언어 - kor, 원저작언어 - eng

KDC  

004.73-5

청구기호  

006.31 M978m노

저자명  

Murphy Kevin P , 1970-

서명/저자  

머신 러닝 / 케빈 머피 지음 ; 노영찬 ; 김기성 옮김.

여러형태제목  

[원표제]Machine learning : a probabilistic perspective

발행사항  

서울 : 에이콘 , 2015.

형태사항  

1286 p. : 삽화(일부천연색), 도표 ; 26 cm.

총서명  

데이터 과학Data science series

주기사항  

2016년도 대한민국학술원 선정 우수학술도서임

서지주기  

참고문헌(p. 1188-1219)과 색인수록

일반주제명  

Machine learning

일반주제명  

Probabilities

키워드  

머신 러닝 우수학술도서

기타저자  

노영찬

기타저자  

김기성

통일총서명  

데이터 과학

통일총서명  

Data science series

기타저자  

머피 케빈

책소개  

2016년 대한민국학술원 우수학술도서



에이콘 데이터 과학 시리즈. 전사적 형태의 데이터가 증가함에 따라, 데이터 분석을 위한 자동화 방식의 필요성이 증가하고 있다. 머신 러닝(Machine Learning)의 목표는 데이터 패턴을 감지, 향후 데이터 예측을 위해 드러나지 않은 패턴을 사용할 수 있는 방법을 개발한다.



이 책은 수 세기 동안 통계학과 공학의 중심이 된 확률 이론을 사용하는 데이터로부터 습득될 수 있는 머신을 만들기 위한 최적의 방식을 채택한다. 즉 기본적인 원칙에 입각한 모델에 기초해서 머신 러닝에 접근하도록 강조한다. 전반적으로 확률론적 모델링(Probabilistic Modeling)이 먼저 고려될 것이다. 실질적인 접근으로 이 책의 모든 방법은 확률적 모델의 개발 도구인 PMTK(Probabilistic Modeling Toolkit)라고 부르는 매트랩(MATLAB) 소프트웨어 패키지에서 구현된다.



이 책은 컴퓨터 과학, 통계학, 전자공학, 계량경제학, 수학적 배경 지식을 요구하는 대학교 3, 4학년과 대학원 공부를 시작하는 학생들에게 적합하다. 특히 독자가 고등 미적분과 선형 대수학, 컴퓨터 프로그래밍에 대한 기초 지식을 갖고 있다는 전제하에 구성했다. 통계학을 이미 경험했다면 많은 도움이 되겠지만, 사전 지식이 꼭 필요하지는 않다.