도서 리뷰의 기회가 생겨 `단단한 머신러닝`이라는 책에 대해 읽어보게 되었습니다.
이 책은 기존 머신러닝 책들과 다릅니다. 읽으면서 고등학생으로 다시 돌아간 느낌이 들었습니다. 흡사 `수학의 정석`을 보는 기분 마저 들었습니다 ^^;
책 겉표지와 에필로그에서 설명하듯이 이 책은 교과서의 역할을 갖고 충분히 임무를 다해낸 느낌입니다. 본인이 대학교 교수로서 머신러닝 과목을 가르치려고 집필 하였으며, 한번 다 훓고 나니 Zhou Zhihua 교수님께 직접 수업을 들은 느낌 마저 든다.
이 책은 번역 서적입니다. 그러나 번역이 매우 잘 돼 있습니다.
교과서로 활용되는 책이어서 그런지 표현적인 부분이 적어서 그런지는 모르겠지만 읽는데 거부감이 드는 부분은 전혀 없었습니다.
하지만 교수님들이 수업을 할 때 학생들의 이해 정도를 일일이 살펴주지 않듯이(물론 아닌분들도 많습니다^^;) 가차 없이 진행합니다. 공식에 대한 거부감이 있고 왕초보 입문서로는 글쎄요.. 제 입장으로는 `신경망의 첫걸음`을 다음으로 읽는 책이기에 그나마 따라 진행을 할 수 있었습니다. 그리고참고로 이 책은 실습을 기대하시면 안됩니다. 이 책은 철저히 이론 학습을 위한 책입니다. 반복적으로 두고두고 읽어보면 좋은 책입니다.
책의 구성은 아래 처럼 되어 있다.
— — — 머신러닝 기초 지식 — — —
CHAPTER 01 서론 1
CHAPTER 02 모델 평가 및 선택 29
CHAPTER 03 선형 모델 65
— — — 전통적인 머신러닝 방법론 — — —
CHAPTER 04 의사결정 트리 89
CHAPTER 05 신경망 119
CHAPTER 06 서포트 벡터 머신 149
CHAPTER 07 베이지안 분류기 177
CHAPTER 08 앙상블 학습 203
CHAPTER 09 클러스터링 235
CHAPTER 10 차원 축소와 척도 학습 267
— — — 심화 — — —
CHAPTER 11 특성 선택과 희소 학습 291
CHAPTER 12 계산 학습 이론 315
CHAPTER 13 준지도 학습 345
CHAPTER 14 확률 그래피컬 모델 375
CHAPTER 15 규칙 학습 407
CHAPTER 16 강화 학습 435
— — — 부록 — — —
APPENDIX A 행렬 469
APPENDIX B 최적화 474
APPENDIX C 확률 분포 482
이 책은크게 세 부분으로 나뉩니다. 1~3 장은 머신러닝 기초지식을 다루며, 4~10장은 전통적인 머신러닝 방법론 11~16장은 좀 더 심화/고급 이론을 다룹니다.
읽어보시면 아시겠지만 머신러닝을 지탱하는 기본 이론들에 대해 천천히 하지만 빈틈없이 설명을 해주고 있습니다.
예를 들면 Chapter 3. 선형모델의 경우 최소제곱법을 통해 다항 선형 회기 까지 이해하는 과정을 교수님이 칠판에서 직접 설명하듯한 느낌으로 자세히 설명 해주고 있습니다.
수식에 대해서도 아주 자세히 교수님의 멘트를 그대로 옮긴 듯하게 설명해줍니다.
자세한 내용은 책을 직접 읽어보시면서 확인해보시길 바라며, 누누히 말씀드렸듯이 이 책은 정석으로 진행을 합니다. 흡사 수학의 정석의 머신러닝 판으로 생각해도 될 정도로 정석으로 진행을 하고 있습니다. 챕터 맨 뒤에 연습 문제 조차도 쉽지 않습니다. 긴 호흡을 갖고 제대로 공부 하고 싶으신 분들께 더없이 좋은 책이라 강조 하며 추천을 드립니다.
TMI. 이 책을 읽으시게 되면 세상에서 가장 어려운 잘익은 수박을 찾는 방법을 배우시게 될 것 입니다^^;
