이 책은 머신 러닝 엔지니어가 반드시 알아야 할 기본 상식을 다루고 있다. 머신 러닝의 기본 개념부터 데이터 전처리, 모델링, 평가, 딥러닝 등 다양한 주제를 다루며, 이를 통해 머신 러닝 엔지니어가 실제 업무에서 필요한 기술과 지식을 습득할 수 있다. 또한, 이 책은 실제 산업에서 사용되는 머신 러닝 기술과 도구들을 소개하며, 이를 통해 머신 러닝 엔지니어가 실무에서 높은 수준의 성과를 이룰 수 있도록 도와준다. 이 책은 머신 러닝 엔지니어뿐만 아니라, 머신 러닝에 관심이 있는 모든 사람들에게 추천할 만한 책이다.

선형 대수
계산법
확률 이론
통계
최적화
그라디언트 하강
역전
컨볼루션 신경 네트워크
재발성 신경망
딥 러닝
감독 학습
감독되지 않은 학습
강화 학습
오버피팅
정규화
교차 검증
편향 분산 상충
학습 속도
활성화 기능
손실 기능
확률적 기울기 하강
배치 정규화
드롭아웃
전송 학습
데이터 확대
이미지 전처리
자연어 처리
단어 임베딩
주의 메커니즘
생성 적대적 네트워크
자동 인코더
주요 구성 요소 분석
벡터 머신 지원
의사 결정 트리
Random Forests
K- 평균 클러스터링
계층적 클러스터링
가우스 혼합물 모델
마르코프 체인
숨겨진 마르코프 모델
베이지안 네트워크
몬테 카를로 방법
앙상블 학습
모델 선택
모델 평가
하이퍼 파라미터 튜닝
모델 해석
설명 가능한 ai
AI의 윤리
AI의 편견