(서적) R을 이용한 기계 학습 입문

저자     : 한창호

출판사 : 콴트글로벌출판부

페이지 : 480P

<대목차>

Lecture00. 강의 개요
Lecture01. Machine Learning이란 무엇인가?
Lecture02. R 설치 및 기본적 사용법
Lecture03. R 프로그래밍 기초
Lecture04. ML 이용한 데이터 분류 1: Nearest neighbors
Lecture05. ML 이용한 데이터 분류 2: Naive Bayes
Lecture06. ML 이용한 데이터 분류 3: Decision Tree
Lecture07. ML 이용한 데이터 분류 4: Rule-based Classification
Lecture08. ML 이용한 수치 예측 1: Regression Method
Lecture09. ML 이용한 수치 예측 2: Regression Tree & Model Tree
Lecture10. ML 이용한 데이터 패턴 발견: Association Rules
Lecture11. ML 이용한 군집 분석: k-means
Lecture12. Black Box 1: Artificial Neural Networks
Lecture13. Black Box 2: Support Vector Machines
Lecture14. ML 모형 성능 측정 방법

<세부 목차>

Lecture 00
Week 1: 강의 주제, 주차별 세부 강의 내용 소개

Lecture 01
Week 2: ML 정의, 작동 원리, ML 알고리듬 종류와 특징, ML 용도

Lecture 02
Week 3: R 개념, 본체 및 전용 에티터 설치, 패키지 설치 방법
Week 4: R 기본적 데이터 구조 이해

Lecture 03
Week 5: R 데이터 구조, 연산
Week 6: 내장 함수, 사용자 정의 함수, Code control flow, Vectorized evaluation

Lecture 04
Week 7: JDK 설치, Nearest Neighbors 모형 구조, 특징, 용도, Data 정규화 및 표준화
Week 8: 실습(k-NN 알고리듬 이용한 암진단)

Lecture 05
Week 9: Bayes 정리 이해, Naive Bayes 모형 구조, 특징, 용도, 기본적인 Text mining 기법 이해
Week 10: 실습(스팸 필터링)

Lecture 06
Week 11: 엔트로피 개념, Divide & Conquer, Decision Tree 모형 구조, 특징, 용도
Week 12: 실습(개인신용평가)

Lecture 07
Week 13: Rule-based Classification 정의, Separate & Conquer, Rule-based Classification 구현
Week 14: 실습(독버섯 감별)

Lecture 08
Week 15: Regression 개념, 종류, 최소자승제곱
Week 16: 실습(의료비용 추정)

Lecture 09
Week 17: Regression 기법을 D.T.에 접목, Regression/Model Tree 정의 및 차이점, 표준편차축소
Week 18: 실습(포도주 등급 결정)

Lecture 10
Week 19: Market basket analysis, Apriori principle, Association Rules 모형 구성요소 정의 및 의미
Week 20: 실습(소비자 구매 패턴 분석)

Lecture 11
Week 21: Clustering/Classification 차이점, k-mean 알고리듬 이용한 Clustering 분석 기법
Week 22: 타겟마켓팅을 위한 고객군 분할

Lecture 12
Week 23: Artifcial Neural Networks 이론 발전 역사
Week 24: Artifcial Neural Networks 모형의 구조와 특징
Week 25: 실습(콘크리트 강도 예측, 붓꽃 종류 분류)

Lecture 13
Week 26: 선형분리 가능한 경우의 SVM
Week 27: 선형분리 불가능한 경우의 SVM
Week 28: 실습(Optical Character Recognition)

Lecture 14
Week 29: Confusion Matrix, Performace measures, Holdout, Cross-validation, Bootstrap
Week 30: 실습(C.M. 생성, 각종 P.M. 계산, ROC 생성, ACU 계산, Cross-validation 구현)