អំពីសៀវភៅអេឡិចត្រូនិកនេះ
Monte Carlo Stock Price Simulation
Mean-Field Variational Inference를 이용한 이미지 노이즈 제거
Hidden Markov Model을 위한 EM 알고리즘
Imbalanced Learning, Active Learning and Ensemble 학습
Hyperparameter Tuning을 위한 Bayesian Optimization
Clustering Application을 위한 Dirichlet Process K-Means
Inverse Covariance Estimation에 기반한 Stock Clusters
Simulated Annealing을 사용한 Energy Minimization
ResNet Convolutional Neural Network 기반 Image Search
Variational Autoencoder를 사용한 Time-Series Anomaly Detection
머신 러닝 알고리즘에서는 오늘날 세계에서 가장 흥미로운 머신 러닝(ML) 알고리즘의 설계와 기본 원리에 대해 자세히 살펴봅니다. 특히 확률 기반 알고리즘에 중점을 두고 베이지안 추론과 딥 러닝의 기본을 배우게 됩니다. 또한 머신 러닝을 위한 핵심 데이터 구조와 알고리즘 패러다임도 살펴봅니다. 각 알고리즘은 수학 및 실제 구현을 통해 완전히 탐구되므로 어떻게 작동하고 어떻게 실행되는지 확인할 수 있습니다.
기술에 대해
머신러닝 알고리즘의 작동 원리를 완전히 이해하는 것은 진지한 머신러닝 엔지니어에게 필수적입니다. 이 중요한 지식을 통해 특정 요구 사항에 맞게 알고리즘을 수정하고, 프로젝트에 사용할 알고리즘을 선택할 때의 장단점을 이해하고, 이해 관계자에게 결과를 더 잘 해석하고 설명할 수 있습니다. 이 특별한 가이드는 천편일률적인 ML 라이브러리에 의존하는 것에서 벗어나 비즈니스 요구 사항을 해결하기 위한 자체 알고리즘을 개발할 수 있도록 안내합니다.
책에 대해
머신 러닝 알고리즘에서는 머신 러닝 알고리즘의 방법과 이유를 자세히 살펴봅니다. 각 알고리즘 범주에 대해 수학 우선 원칙부터 Python으로 직접 구현하는 방법까지 살펴봅니다. 금융, 컴퓨터 비전, 자연어 처리 등 머신 러닝의 모든 분야에 걸친 수십 가지 예제를 살펴볼 수 있습니다. 각 예제에는 인사이트를 얻을 수 있는 코드 샘플과 그래픽은 물론 도출된 결과와 세부 정보가 함께 제공됩니다. 이 책을 다 읽고 나면 주요 알고리즘이 어떻게 작동하는지 알게 되고, 더 나은 머신 러닝 실무자가 될 수 있을 것입니다.
ការដាក់ផ្កាយ និងមតិវាយតម្លៃ
អំពីអ្នកនិពន្ធ
바딤 스몰야코프(Vadim Smolyakov)는 Microsoft의 엔터프라이즈 및 보안 DI R&D 팀에서 데이터 과학자로 일하고 있습니다.
베이지안 추론과 딥 러닝을 연구하는 MIT CSAIL의 AI 박사 과정 출신입니다.
Microsoft에 입사하기 전에는 전자 상거래 분야에서 머신 러닝 솔루션을 개발했습니다.
--
역자 - 소성은
2023년 현재 Solutions Architect, Amazon Web Services
(전) CTO, Remake Digital
Research Engineer, NAVER
Research Engineer, Selvas AI
Software Engineer, NextVerb
