SAS사의 최신 분석 플랫폼인 SAS Viya는 하나의 플랫폼으로 기본 분석부터 빅데이터 분석까지 가능한 인메모리, 분산환경 기반의 분석 패키지이다. 이 책은 SAS Viya를 기반으로 하여 머신러닝의 기본개념부터 가장 범용적이고 활용도가 높은 알고리즘을 예제를 통해 설명함으로써 머신러닝을 처음 접하는 독자들이 종합적으로 이해하고 바라볼 수 있도록 안내한다. 더불어 단순한 설명으로만 멈추지 않고, 한 걸음 더 나아가 수식적인 해석도 할 수 있게 한다.

1984년 서울대 계산통계학과에 입학해 학사를 취득하고 동 대학원 통계학과에서 석사 및 박사 학위를 취득했다. 1993년, 국내 SAS에서 첫 직장 생활을 했으며 이때부터 데이터 분석 관련 컨설팅 작업을 수행했다. 1995년 유니컨설팅 회사를 창립해, 주로 제조 분야에서 데이터 분석 컨설팅 및 관련 통계 패키지를 개발했다. 1997년 유니보스를 창립해 금융 분야 데이터 분석 컨설팅 및 CRM 관련 패키지를 개발했으며, 2004년에 ㈜배닌을 창립해 오픈소스 기반의 머신 러닝 및 딥러닝 프로젝트를 수행하고 있다.

1장 머신러닝 개요
1.1 머신러닝 정의
1.2 머신러닝 프로세스
1.3 머신러닝의 응용 분야
1.4 머신러닝 알고리즘
1.5 머신러닝 알고리즘의 범위
1.6 머신러닝 알고리즘의 구현

2장 SAS Viya
2.1 개요
2.2 SAS Drive
2.3 SAS VDMML
2.4 모형 스튜디오

3장 사용 데이터 레이아웃
3.1 [CLAIM] 데이터
3.2 [BANK] 데이터
3.3 [USERMOVIE] 데이터
3.4 [DIGITS] 데이터
3.5 [HOUSING] 데이터

4장 모형 스튜디오와 데이터 탐색기
4.1 개요
4.2 프로젝트 생성
4.3 데이터 탐색기를 이용한 데이터 탐색
4.4 프로젝트 생성 옵션
4.5 메타데이터 정의
4.6 파이프라인

5장 데이터 준비
5.1 개요
5.2 데이터 품질
5.3 파생 변수 생성
5.4 연속변수의 변수 변환
5.5 범주변수의 변수 변환
5.6 결측값의 처리
5.7 특징 추출

6장 이상값 탐지
6.1 개요
6.2 지지벡터 데이터 기술
6.3 SAS VDMML 옵션
6.4 SAS VDMML 예제

7장 특징 선택
7.1 개요
7.2 모형 평가와 선택
7.3 포장 방법에 의한 변수 선택
7.4 내장 방법에 의한 변수 선택
7.5 여과 방법에 의한 변수 선택
7.6 정밀도행렬에 의한 변수 선택

8장 표기법

9장 선형회귀와 머신러닝 알고리즘 구조
9.1 개요
9.2 가설함수와 비용함수
9.3 알고리즘
9.4 비용함수에 대한 이해

10장 분류 문제와 로지스틱 회귀분석
10.1 개요
10.2 선형회귀 대 로지스틱 회귀
10.3 비용함수에 대한 이해
10.4 로그-오즈
10.5 연결함수
10.6 분류 문제에서의 모형 평가
10.7 소프트맥스 회귀
10.8 SAS VDMML 옵션
10.9 SAS VDMML 예제

11장 분류와 회귀나무
11.1 개요
11.2 회귀나무의 성장
11.3 최적 회귀나무의 선택
11.4 분류 나무
11.5 나무의 몇 가지 이슈
11.6 SAS VDMML 옵션
11.7 SAS VDMML 예제

12장 랜덤 포레스트
12.1 개요
12.2 배깅
12.3 가방밖 오차
12.4 변수 중요도
12.5 랜덤 포레스트 알고리즘
12.6 변수 중요도
12.7 SAS VDMML 옵션
12.8 SAS VDMML 예제

13장 해석 가능 머신러닝
13.1 부분종속그림
13.2 개별조건부기댓값
13.3 지역 대리 모형

14장 그래디언트 부스팅
14.1 개요
14.2 부스팅
14.3 AdaBoost.M1
14.4 부스팅과 가법모형
14.5 전진 순차방식 가법모형
14.6 지수손실함수와 적응 부스팅
14.7 부스팅의 확장
14.8 부스팅의 초모수 조정
14.9 부스팅의 정칙화
14.10 SAS VDMML 옵션
14.11 SAS VDMML 예제

15장 지지벡터 머신
15.1 개요
15.2 로지스틱 회귀와 초평면
15.3 표기법
15.4 마진과 최적 마진 분류기
15.5 라그랑지 쌍대성
15.6 라그랑지 쌍대성을 이용한 최대 마진 분류기
15.7 소프트 마진 초평면
15.8 커널 속임수
15.9 비용함수에 대한 이해
15.10 지지벡터 머신의 모수추정
15.11 SAS VDMML 옵션
15.12 SAS VDMML 예제

16장 다층 신경망
16.1 개요
16.2 표기법
16.3 전진 패스
16.4 활성함수
16.5 전진 패스의 예시
16.6 후진 패스
16.7 후진 패스의 예시
16.8 초깃값 주기
16.9 기울기 소멸 문제
16.10 입력변수의 표준화
16.11 과적합 문제
16.12 SAS VDMML 옵션
16.13 SAS VDMML 예제

17장 특잇값 분해
17.1 개요
17.2 분해행렬의 계산
17.3 특잇값 분해 계산
17.4 특잇값 분해 예제: 추천 시스템
17.5 SAS VDMML 옵션
17.6 SAS VDMML 예제

18장 주성분 분석
18.1 개요
18.2 주성분의 계산
18.3 주성분을 이용한 차원 축소
18.4 주성분의 기하학적 의미
18.5 SAS VDMML 옵션
18.6 SAS VDMML 예제
18.7 SAS VDMML 실습

19장 군집분석
19.1 개요 258
19.2 t-SNE 259
19.3 K-평균 군집화 265