과학기술의 발전과 데이터 활용의 발전, <기계 학습>

이 책은 기계 학습에 대한 입문을 전체적인 시선으로 볼 수 있는 책입니다.

책의 저자분께서 머신러닝보다 기계 학습이라는 단어를 대표로 앞세운 것은 아무래도 컴퓨터공학을 강조하는 측면에서 말하지 않았을까 간단히 예측해보면서 책에 대해 간단히 살펴보겠습니다.

먼저 이 책은 기계 학습에 대한 전반적인 내용을 기본적으로 다루고 있습니다.

때문에 수학에 대한 깊은 지식은 그렇게 요구되지 않습니다. 수학에서 기본적으로 다뤄지는 함수의 관계를 안다면 책에서 다뤄지는 대부분의 내용을 이해할 수 있습니다.

중요하게 다뤄지는 기계 학습의 피처, 선형대수, 통계, 역전파 등에 대해 다루고 있고 딥러닝에 대해서도 다루고 있지만 딥러닝에 대해서는 분야에 따라 별도의 학습을 추가적으로 하실 것을 권합니다.

책의 특징은 변수와 상수, 함수, 연산자, 시간복잡도에 대한 간단한 설명을 통해 컴퓨터공학에 대해 깊이 있는 이해를 필요치는 않습니다.

이 책의 또 다른 장점은 책에서 다뤄지는 모든 알고리즘에 대해 초반에 명칭에 대해 서술되었습니다. 수학 입문책을 보는 것처럼 예제와 연습문제를 통해 개념에 대한 기본적인 이해를 점검할 수 있습니다.

추가적으로 아래 사이트에서 요약된 PPT를 통해 복습도 가능합니다.

http://cv.jbnu.ac.kr/index.php?mid=ml

기계학습

저자분이 교수님이라서 그런지 다른 머신러닝 도서보다 좀 더 읽을 때 수월한 면이 있고 관련 튜토리얼, 논문, 서적에 대한 추가적인 정보를 얻을 수 있는 것 또한 장점이다.

개념 측면에서도 동작방법과 설계, 목적, 비교되는 용어에 대해 설명을 알 수 있는 측면이 개념을 다양한 측면에서 이해할 수 있다.

책에서 아쉬운 점은 마치 논문과 입문책을 읽는 느낌이기 때문에 실용성에 대해서는 해당 개념을 어떻게 활용해야 될지 입문자에게는 어려울 수 있다.

때문에 이 책을 기계학습 입문서적으로 선정하여 공부하고 다른 중고급 도서, 정보를 통해 어떻게 배운 머신러닝 개념을 활용할 수 있을지, 내가 배운 수식과 매개변수를 어떤 상황에서 활용할지 찾아봐야 한다.

책이 컬러로 되있는 측면도 장점이 될 수 있다. 예를 들어 결정트리에 대한 설명을 할 때도 어떤 노드에서 성능향상이 이뤄지고, 알고리즘과 아웃풋값이 적용되는 지 좀 더 재밌게 학습할 수 있다.

 

https://book.naver.com/bookdb/book_detail.nhn?bid=12873234 

기계 학습

아래 영상에서 추가도움을 받을 수 있다.

https://www.youtube.com/watch?v=mVPPme74Q_o