개발자를 구원하는 실용 수학 안내서기초 수학부터 회귀 모델, 신경망 그리고 진로 조언까지 데이터 과학, 머신러닝, 통계학에서 탁월한 능력을 발휘하는 데 필요한 수학을 이해하고 여러분의 것으로 만들어보자. 이 책에서는 미적분, 확률, 통계, 선형대수학을 설명하고 선형 회귀, 로지스틱 회귀, 신경망과 같은 기술에 수학이 어떻게 적용되는지 안내한다. 그 과정에서 데이터 과학의 현황과 통찰력을 깨우쳐 여러분의 가치를 극대화하는 방법과 실용적인 인사이트도 얻을 수 있다.
닐드 컨설팅 그룹(Nield Consulting Group)의 설립자이자 오라일리 미디어와 서던 캘리포니아 대학교의 강사이다. 기술 콘텐츠에 익숙하지 않거나 두려움을 느끼는 사람들이 공감할 수 있는 콘텐츠를 만드는 것을 즐긴다. 정기적으로 데이터 분석, 머신러닝, 수학적 최적화, AI 시스템 안전, 실용적인 인공지능에 관해 강의한다. 두 권의 책, 『Getting Started with SQL』(오라일리, 2016)과 『Learning RxJava』(팩트, 2020)를 저술했다. 또한 비행 시뮬레이션 및 무인 항공기를 위한 범용 핸드헬드 컨트롤을 개발하는 회사인 Yawman Flight의 설립자이자 발명가이기도 하다.
1장 기초 수학과 미적분_1.1 정수론_1.2 연산 순서_1.3 변수_1.4 함수_1.5 합계_1.6 거듭제곱_1.7 로그_1.8 오일러 수와 자연로그_1.9 극한_1.10 미분_1.11 적분_1.12 마치며2장 확률_2.1 확률 이해하기_2.2 확률 계산_2.3 이항 분포_2.4 베타 분포_2.5 마치며3장 기술 통계와 추론 통계_3.1 데이터란 무엇인가요?_3.2 기술 통계와 추론 통계_3.3 모집단, 표본, 편향_3.4 기술 통계_3.5 추론 통계_3.6 t 분포: 소규모 표본 처리_3.7 빅 데이터 고려 사항과 텍사스 명사수 오류_3.8 마치며4장 선형대수학_4.1 벡터란 무엇인가요?_4.2 선형 변환_4.3 행렬 곱셈_4.4 행렬식_4.5 특수 행렬_4.6 연립 방정식과 역행렬_4.7 고유 벡터와 고윳값_4.8 마치며5장 선형 회귀_5.1 기본 선형 회귀_5.2 잔차와 제곱 오차_5.3 최적의 직선 찾기_5.4 과대적합 및 분산_5.5 확률적 경사 하강법_5.6 상관 계수_5.7 통계적 유의성_5.8 결정 계수_5.9 추정 표준 오차_5.10 예측 구간_5.11 훈련/테스트 분할_5.12 다중 선형 회귀_5.13 마치며6장 로지스틱 회귀와 분류_6.1 로지스틱 회귀 이해하기_6.2 로지스틱 회귀 수행하기_6.3 다변수 로지스틱 회귀_6.4 로그 오즈 이해하기_6.5 R2_6.6 p 값_6.7 훈련/테스트 분할_6.8 오차 행렬_6.9 베이즈 정리와 분류_6.10 ROC 곡선과 AUC_6.11 클래스 불균형_6.12 마치며7장 신경망_7.1 언제 신경망과 딥러닝을 사용할까요?_7.2 간단한 신경망_7.3 역전파_7.4 사이킷런 사용하기_7.5 신경망과 딥러닝의 한계_7.6 마치며8장 경력 조언과 앞으로의 진로_8.1 데이터 과학의 재정의_8.2 데이터 과학의 간략한 역사_8.3 나만의 강점 찾기_8.4 데이터 과학 직무에서 주의해야 할 사항_8.5 꿈의 직업이 존재하지 않나요?_8.6 이제 어디로 가야 하나요?_8.7 마치며부록 A 보충 학습A.1 심파이로 수학식 표현하기A.2 밑바닥부터 이항 분포 구현하기A.3 밑바닥부터 베타 분포 구현하기A.4 베이즈 정리 유도하기A.5 밑바닥부터 CDF와 역CDF 구현하기A.6 e를 사용해 시간 경과에 따른 사건 확률 예측하기A.7 언덕 오르기와 선형 회귀A.8 언덕 오르기와 로지스틱 회귀A.9 선형 계획법에 대한 간략한 소개A.10 사이킷런을 사용한 MNIST 분류기〈별책 부록〉 워크북
