바닥부터 시작하는 머신러닝

어떤 책인가

시중의 머신러닝 책은 두 부류로 나뉩니다. 코드를 따라 하다 보면 어느새 모델이 돌아가는 활용서, 그리고 수백 쪽의 수식으로 이론을 쌓아 올리는 이론서. 그 사이가 비어 있습니다. 코드는 돌릴 줄 알지만 그 밑의 수학이 궁금한 사람, 수식을 읽을 수는 있지만 그 수식이 왜 거기 있어야 하는지 납득하고 싶은 사람을 위한 책이 없습니다.

그래서 이 책의 모든 개념은 “왜 필요한가”에서 출발합니다. 필요가 증명된 뒤에 이름이 붙고, 수식은 외울 규칙이 아니라 최적화 문제의 답으로 유도되어 등장합니다. 그리고 각 장은 밑바닥에서 NumPy로 구현 것과 sklearn 또는 pytorch 결과의 비교로 끝납니다. 직접 유도한 그 수식이 실제로 그 라이브러리라는 것을, 독자가 눈으로 확인할 수 있도록.

이런 분을 위해 썼습니다

• sklearn으로 모델을 돌려 봤지만, 내부에서 무슨 일이 일어나는지 설명하지 못해 답답했던 분
• 입문서를 뗀 뒤 PRML 같은 이론서에 도전했다가 수식의 벽에서 물러난 분
• 수업이나 면접에서 “유도 과정”을 요구받는 학생과 취업 준비생
• 결과가 아니라 과정을 이해해야 직성이 풀리는 분

구성

Part I. Foundation — 선형대수, 확률, 미적분. 이후 모든 장에서 실제로 쓸 도구만 골라 다집니다.
Part II. Learning a Hyperplane — 선형 회귀, 선형 분류, SVM.
Part III. Reasoning with Probability — 확률적 추론, 모델 평가.
Part IV. Learning without Hyperplanes — 결정 트리와 랜덤 포레스트, 군집화, 차원 축소.
Part V. Neural Networks — 신경망과 역전파, 합성곱 신경망.

저자

박성식. 한국방송통신대학교 첨단공학부 부교수. 동국대학교에서 여섯 학기 동안 머신러닝을 강의했고, 2022년 총장이 수여하는 Best Teaching Professor 상을 받았습니다. 학생들이 실제로 막히는 지점들을 다듬어 온 그 수업이 이 책의 뼈대이며, 이 사이트의 강의 영상은 그 수업의 기록입니다.

자료

• 강의 영상 — 책의 바탕이 된 대학 강의 전체와 강의자료
• 정오표 — 출간 후 이 페이지에서 안내합니다