닫기
쿠폰 사용(자료실)
 
(AI의 얼개를 기본부터 설명한) 엑셀로 배우는 머신러닝 초(超)입문
소비자가격 : 23,000↓
판매가격 : 20,700
적립금 :1,150
ISBN :978-89-315-5687-2
등록일자 :2021-02-05
출판사 :도서출판 성안당
저자 :와쿠이 요시유키, 와쿠이 사다미 저, 권기태 역
분량 :248쪽
편집 :2도
판형 :182x235
발행일 :2021. 2. 21.
구매수량 :
총 금액 :




책 소개

 

AI의 얼개를 기본부터 쉽게 설명한

엑셀로 배우는 머신러닝 ()입문

AI 모델과 알고리즘을 알 수 있다!

 

 

와쿠이 요시유키와 와쿠이 사다미의 엑셀로 배우는인공지능 시리즈의 세 번째 책인 이 책은 1편 딥러닝, 2편 순환신경망·강화학습에 이어 그보다 좀 더 범위가 큰 머신러닝을 다룬다. 저자는 AI의 시대가 다가올수록 AI 구조에 대해 잘 이해하는 것이 중요하다고 강조한다. 정체를 알 수 없는 AI에게 질병을 진단받거나 구조도 모르는 자율주행차에 몸을 의지해 이동한다거나 무슨 생각을 하는지 알 수 없는 로봇과 일터를 공유하는 것은 불안하기에 AI의 구조를 잘 알아야 한다고 말한다. 그렇기에 이 책은 AI의 구조를 기본부터 해설하고자 했으며 머신러닝의 모델과 알고리즘을 해설하고 엑셀로 확인하는 스타일로 일관하고 있다.

저자의 의도이든 아니든 이 책은 상당히 수학적인 체계를 갖추고 있다. 머신러닝의 기본, 기본 알고리즘, 회귀분석, 서포트 벡터 머신(SVM), 신경망과 딥러닝, RNNBPTT, Q학습, DQN, 나이브 베이즈 분류 등을 장별로 다룬다.

부록으로는 신경망의 훈련 데이터, 엑셀의 해 찾기 설치 방법, 머신러닝을 위한 벡터와 행렬, 미분의 기본 지식, 다변수 함수의 근사 공식, 신경망에서 유닛의 오차와 기울기 관계, 신경망에서 유닛 오차의 점화식, 순환 신경망(RNN)에서 유닛 오차와 기울기 관계, BPBPTT에서 도움이 되는 점화식의 복습, 순환 신경망에서 유닛 오차의 점화식, 중회귀방정식을 구하는 방법 등을 제공한다.

인공지능의 구조, 수학적 모델과 알고리즘의 원리가 궁금한데 엑셀로 실행을 해보면서 쉽게 그 작동 원리를 이해하고 싶은 독자들을 위한 3편으로 세 번째 단추를 채워주는 책으로 일독을 추천 드린다.

 

 

저자 소개


와쿠이 요시유키

1950년 도쿄 출생. 도쿄교육대학(현 츠쿠바대학) 수학과를 졸업한 후, 치바현립고등학교 교사로 근무했다. 교직 은퇴 후 작가로서 저술 활동에 전념하고 있다.

와쿠이 사다미

1952년 도쿄 출생. 도쿄대학 이학계 연구 과정 석사를 수료한 후, 후지쯔, 가나가와현립고등학교 교사로 근무 후 과학 분야 저술가로 활동하고 있다.

 

 

역자 소개


권기태

서울대학교 계산통계학과를 졸업하고 동 대학원에서 전산학 전공으로 이학석사 및 이학박사 학위를 취득했다. 현재 강릉원주대학교 컴퓨터공학과 교수로 재직 중이다.

 

 

 

차례

이 책의 사용법

머리말

역자 서문

 

1머신러닝의 기본

§1 머신러닝과 AI그리고 딥러닝

 

AI

AI머신러닝딥러닝

머신러닝의 역할

 

§2 지도학습과 비지도학습

 

AI를 위한 데이터

지도학습과 비지도학습, 강화학습

 

2 머신러닝을 위한 기본적인 알고리즘

§1 모델의 최적화와 최소제곱법

최적화란

최소제곱법

엑셀을 이용한 최소제곱법

데이터의 크기와 파라미터의 수

엑셀 실습

 

§2 최적화 계산의 기본이 되는 경사하강법

경사하강법의 아이디어

근사 공식과 내적의 관계

경사하강법의 기본식

경사하강법과 사용 방법

3 변수 이상인 경우 경사하강법을 확장

h의 의미와 경사하강법의 주의할 점

엑셀을 이용한 경사하강법

 

§3 라그랑지의 완화법과 쌍대 문제

 

라그랑지의 완화법

라그랑지 쌍대 문제

구체적인 계산

엑셀로 확인

 

§4 몬테카를로법의 기본

 

몬테카를로법으로 r를 산출

엑셀을 이용한 몬테카를로법

 

§5 유전 알고리즘 .

유전 알고리즘으로 최솟값 문제를 해결

x의 후보를 골라 2진수 표시

환경에 적합한 것을 선택

우수한 개체를 만들기 위한 교차

돌연변이

이상의 3연산을 여러 번 반복

엑셀을 이용한 유전 알고리즘

 

§6 베이즈 정리

조건부 확률

곱셈 정리

베이즈 정리

베이즈 정리의 해석

원인의 확률

베이즈 정리의 일반화

우도, 사전확률, 사후확률

유명한 예제로 베이즈 정리를 확인

베이즈 정리는 학습을 표현

엑셀을 이용한 베이즈 정리

 

 

3 회귀분석

§1 중회귀분석

중회귀분석

중회귀분석의 회귀방정식 이미지

회귀방정식을 구하는 방법

회귀방정식을 이용한 분석

 

§2 중회귀분석을 엑셀로 체험

엑셀을 이용한 회귀분석

 

4서포트 벡터 머신(SVM

§1 서포트 벡터 머신(SVM)의 알고리즘

구체적인 예 .

마진의 최대화를 식으로 표현

쌍대 문제로 변환

계산하기 쉽도록 변형

서포트 벡터와 상수항 c 구하기

 

§2 서포트 벡터 머신(SVM)을 엑셀로 체험

엑셀을 이용한 SVM

 

5 신경망과 딥러닝

§1 신경망 기본 단위인 뉴런

신경망과 신경망의 기본 단위인 뉴런

가중치와 임곗값, 활성화 함수 값의 의미

입력의 선형합의 내적 표현

엑셀로 유닛의 동작을 재현

 

§2 유닛을 층별로 나열한 신경망

 

구체적인 예

유닛 이름과 파라미터 이름에 관한 규칙

신경망을 식으로 표현

신경망 출력의 의미

가중치와 임곗값의 결정 방법과 목적 함수

오차역전파법의 필요성

제곱오차의 식표현

 

§3 오차역전파법(백프로퍼게이션법

복잡한 목적 함수

목적 함수 E의 기울기는 제곱오차 기울기의 합

유닛의 오차 δ를 도입

기울기를 유닛의 오차 d로부터 산출

출력층의 유닛 오차jO d 를 산출

오차역전파법으로 구하는 중간층의 유닛 오차 jH d

 

§4 오차역전파법을 엑셀로 체험

엑셀을 이용한 오차역전파법

새로운 숫자로 테스트

 

 

6RNNBPTT

§1 순환 신경망(RNN의 구조

구체적인 예

데이터의 형식과 정답 레이블

신경망에 기억을 가지게 한 RNN

수식을 만들기 위한 준비

유닛의 입출력을 수식으로 표현

구체적인 식으로 표현

최적화를 위한 목적 함수

 

§2 시간 역전파(Backpropagation through time, BPTT

유닛의 오차와 기울기

기을기의 계산식을 유도

kO d , ( ) j2 H d , ( ) i 1 H d 의 관계를 점화식으로 표현

 

§3 BPTT를 엑셀로 체험 .

엑셀을 이용한 BPTT

 

 

7Q학습

§1 강화학습과 Q학습

강화학습의 대표적인 기법인 Q학습

Q학습을 개미로부터 이해

머신러닝과 강화학습

 

§2 Q학습의 알고리즘

Q학습을 구체적인 예로 이해

개미로부터 배우는 Q학습의 용어

Q

Q값이 기록된 구체적인 장소

Q값의 표와 개미의 대응

즉시보상

Q학습의 수식에서 이용되는 기호의 의미

Q값의 갱신

학습률

Q학습의 기호로 다시 표현

▶ ε-greedy법으로 모험을 하는 개미

학습의 종료 조건

 

§3 Q학습을 엑셀로 체험

워크시트 작성 상의 유의점

엑셀을 이용한 Q학습

 

 

8DQN

§1 DQN의 사고방식

DQN의 구조

 

§2 DQN의 알고리즘

개미로부터 배우는 DQN

DQN의 입출력

DQN의 목적 함수

 

§3 DQN을 엑셀로 체험

예제의 확인

신경망과 활성화 함수의 가정

최적화 도구로 해 찾기를 이용

엑셀을 이용한 DQN

 

 

9나이브 베이즈 분류

§1 나이브 베이즈 분류 알고리즘

베이즈 필터의 구조

나이브 베이즈 분류

구체적인 예 .

문제를 베이즈 식으로 정리

공식 준비

사전 확률의 설정

베이즈 갱신을 충분히 활용

 

§2 베이즈 분류를 엑셀로 체험

엑셀을 이용한 나이브 베이즈 분류

 

 

 

부록

§A 신경망의 훈련 데이터

 

§B 해 찾기의 설치 방법

 

§C 머신러닝을 위한 벡터의 기초 지식

벡터의 성분 표시

벡터의 내적

코시 슈바르츠 부등식

 

§D 머신러닝을 위한 행렬의 기초 지식

행렬이란

행렬의 합과 차, 상수배

행렬의 곱

아다마르 곱

전치행렬

식을 간결하게 만드는 행렬

 

§E 머신러닝을 위한 미분의 기초 지식

미분의 정의와 의미

머신러닝에서 자주 나타나는 함수의 미분 공식

미분의 성질

1변수 함수 최솟값의 필요조건

다변수 함수와 편미분

다변수 함수의 최솟값의 필요조건

연쇄법칙

 

§F 다변수 함수의 근사 공식

1변수 함수의 근사 공식

2변수 함수의 근사 공식

다변수 함수의 근사 공식

 

§G NN에서 유닛의 오차와 기울기의 관계

 

§H NN에서 유닛 오차의 점화식

§I RNN에서 유닛 오차와 기울기의 관계

 

§J BP, BPTT에서 도움이 되는 점화식의 복습

수열의 의미와 기호

수열과 점화식

 

§K RNN에서 유닛 오차의 점화식

K3의 증명

K5의 증명

K4의 증명 .

 

§L 중회귀방정식을 구하는 방법

엑셀을 이용한 DQN

 

 

찾아보기(Index)

  • 배송비 : 기본배송료는 2,500원 입니다. (도서,산간,오지 일부지역은 배송비가 추가될 수 있습니다)  10,000원 이상 구매시 무료배송입니다.
  • 본 상품의 평균 배송일은 3일입니다.(입금 확인 후) 설치 상품의 경우 다소 늦어질수 있습니다.[배송예정일은 주문시점(주문순서)에 따른 유동성이 발생하므로 평균 배송일과는 차이가 발생할 수 있습니다.]
  • 본 상품의 배송 가능일은 5일 입니다. 배송 가능일이란 본 상품을 주문 하신 고객님들께 상품 배송이 가능한 기간을 의미합니다. (단, 연휴 및 공휴일은 기간 계산시 제외하며 현금 주문일 경우 입금일 기준 입니다.)
  • 상품 청약철회 가능기간은 상품 수령일로 부터 7일 이내 입니다.
  • 상품 개봉으로 상품 가치 훼손 시에는 일 이내라도 교환 및 반품이 불가능합니다.
  • 저단가 상품, 일부 특가 상품은 고객 변심에 의한 교환, 반품은 고객께서 배송비를 부담하셔야 합니다(제품의 하자,배송오류는 제외)