스칼라와 머신 러닝(2/E)

풍부한 설명으로 배우는 스칼라 머신 러닝 구현 머신 러닝에 스칼라를 적용하고자 하는 개발자를 위한 책이다. 멀티 패러다임 언어인 스칼라의 특성과 관련 디자인 패턴 등 개발자에게 필요한 스칼라의 기본적인 특성부터 데이터 파이프라인과 처리, 주요 머신 러닝 알고리즘의 구현에 대해 자세히 설명한다. 대부분의 예제는 금융 데이터를 기반으로 구현돼 있으며, 직접 스칼라로 작성한 모든 코드와 알고리즘을 상세하게 설명한다. 부록에서는 주요 머신 러닝 알고리즘에서 쓰이는 수학적 개념과 관련 논문이 정리돼 있어서 필요한 내용을 쉽게 참조할 수 있다. 이 책은 수준 높은 스칼라 코드를 작성하는 데 활용할 수 있는 참고 서적으로도 가치가 크다.

1장. 시작하기 호기심 있는 독자를 위한 수학적 표기법 왜 머신 러닝인가? -분류 -예측 -최적화 -회귀 왜 스칼라인가? -함수형 언어로서의 스칼라 -객체 지향 언어로서의 스칼라 -확장성 있는 언어로서의 스칼라 모형 범주화 머신 러닝 알고리즘의 분류 -비지도 학습 -지도 학습 -준지도 학습 -강화 학습 자바 라이브러리 활용하기 도구와 프레임워크 -자바 -스칼라 -SBT -아파치 커먼즈 매스 -JFreeChart -그 외 라이브러리와 프레임워크 소스 코드 -관례 맛보기 -간단한 작업 흐름 작성하기 요약 2장. 데이터 파이프라인 모형화 -모형이란 무엇인가? -모형 대 디자인 -특성 선택하기 -특성 추출하기 방법론 정의하기 모나드적 데이터 변환 -오류 처리 -모나드의 구출 작업 흐름 연산 모형 -수학적 추상화 지원 -작업 흐름 구축을 위해 믹스인 구성하기 -모듈화하기 데이터 프로파일링 -불변 통계량 -Z-점수와 가우스 분포 모형 평가하기 -검증 -곡선하 면적 -교차 검증 -분산-편향 분해 -과적합 요약 3장. 데이터 전처리 스칼라에서의 시계열 -컨텍스트 바운드 -타입과 연산 -레이지 뷰 이동 평균 -단순 이동 평균 -가중 이동 평균 -지수 이동 평균 푸리에 분석 -이산 푸리에 변환 -DFT 기반 필터링 -시장 순환 감지 이산 칼만 필터 -상태 공간 추정 -전이 방정식 -측정 방정식 -재귀적 알고리즘 다른 전처리 기술 요약 4장. 비지도 학습 K-평균 군집화 -K-평균 기댓값-최대화 -가우스 조합 모형 -EM의 개요 -구현 -분류 -테스트 -온라인 EM -요약 5장. 차원 축소 모형 복잡도 문제 발산 -쿨백-라이블러 발산 -상호 정보 주성분 분석 -알고리즘 -구현 -테스트 사례 -평가 -PCA 확장하기 비선형 모형 -커널 PCA -다양체 요약 6장. 단순 베이즈 분류기 확률적 그래프 모형 단순 베이즈 분류기 -다항 단순 베이즈 소개 -구현 다변량 베르누이 분류 -모형 -구현 단순 베이즈와 텍스트 마이닝 -기본적인 정보 검색 -구현 -테스트 장점과 단점 요약 7장. 순차적 데이터 모형 마코프 결정 과정 -마코프 성질 -1차 이산 마코프 체인 은닉 마코프 모형 -표기법 -람다 모형 -디자인 -평가(CF-1) -훈련(CF-2) -디코딩 -모두 합치기 -테스트 사례 1: 훈련 -테스트 사례 2: 평가 -필터링 기술로서의 HMM 조건부 무작위장 -CRF 소개 -선형 연쇄 CRF 정칙화 CRF와 텍스트 분석 -특성 함수 모형 -디자인 -구현 -테스트 CRF와 HMM 비교하기 성능 고려 사항 요약 8장. 몬테카를로 추론 샘플링의 목적 가우스 샘플링 -박스-뮬러 변환 몬테카를로 근사 -개론 -구현 교체를 통한 부트스트래핑 -개요 -리샘플링 -구현 -부트스트랩의 장단점 마코프 연쇄 몬테카를로 -개요 -메트로폴리스-헤이스팅스 -구현 -테스트 요약 9장. 회귀와 정칙화 선형 회귀 -일변량 선형 회귀 -통상적인 최소제곱 회귀 정칙화 -Ln 조도 불이익 -능형 회귀 -디자인 -구현 -테스트 사례 수치적 최적화 로지스틱 회귀 -로지스틱 함수 -디자인 -훈련 작업 흐름 -분류 요약 10장. 다층 퍼셉트론 전방 전달 신경망 -생물학적 배경 -수학적 배경 다층 퍼셉트론 -활성화 함수 -네트워크 토폴로지 -디자인 -설정 -네트워크 구성 요소 -모형 -문제의 타입(방식) -온라인 훈련 대 배치 훈련 -훈련 회차 -훈련과 분류 평가 -실행 프로파일 -학습률의 영향 -가속도 인자의 영향 -은닉층 개수의 영향 -테스트 사례 이점과 한계 요약 11장. 딥러닝 희소 오토인코더 -저완성 오토인코더 -결정적 오토인코더 -범주화 -전방 전달 희소, 저완성 오토인코더 -희소성 갱신 방정식 -구현 제한된 볼츠만 머신 -볼츠만 머신 -이항 제한된 볼츠만 머신 합성곱 신경망 -국소 수용 영역 -가중치 공유하기 -합성곱층 -부표본층 -한데 모으기 요약 12장. 커널 모형과 서포트 벡터 머신 커널 함수 -개요 -일반적인 판별 커널 -모나드적 커널 합성 서포트 벡터 머신 -선형 SVM -비선형 SVM -서포트 벡터 분류기 -1계층 SVC로 이상치 찾기 -서포트 벡터 회귀 성능 고려 사항 요약 13장. 진화적 연산 진화 -기원 -NP 문제 -진화적 연산 유전 알고리즘과 머신 러닝 유전 알고리즘 구성 요소 -인코딩 -유전 연산자 -적합도 점수 구현 -소프트웨어 디자인 -핵심 구성 요소 -선택 -개체군 증가율 통제하기 -GA 설정 -교배 -변이 -생식 -풀이기 거래 전략을 위한 GA -거래 전략의 정의 -테스트 사례: 2008년 가을 시장 붕괴 유전 알고리즘의 장점과 위험 요약 14장. 멀티암드 밴딧 K-암드 밴딧 -탐색-활용 상반 관계 -기대 누적 후회 -베이즈 베르누이 밴딧 -엡실론-탐욕 알고리즘 톰슨 샘플링 -밴딧 컨텍스트 -사전/사후 베타 분포 -구현 -시뮬레이션된 탐색과 활용 신뢰 상단 -신뢰 구간 -구현 요약 15장. 강화 학습 강화 학습 -문제 이해하기 -해법: Q-학습 -구현 -Q-학습을 사용한 옵션 거래 -한데 합하기 -평가 -강화 학습의 장점과 단점 학습 분류기 시스템 -LCS 소개 -학습과 평가 조합하기 -전문 용어 요약 16장. 스칼라와 아카에서의 병렬화 개요 스칼라 -객체 생성 -스트림 -병렬 컬렉션 액터를 통한 확장성 -액터 모형 -분할 -액터를 넘어: 반응적 프로그래밍 아카 -마스터-워커 -퓨처 요약 17장. 아파치 스파크 MLlib 개요 아파치 스파크 코어 -왜 스파크인가? -디자인 원칙 -스파크로 실험하기 MLlib 라이브러리 -개요 -RDD 만들기 -MLlib을 사용한 K-평균 -테스트 재사용 가능한 ML 파이프라인 -재사용 가능한 ML 변환 -아파치 스파크와 ScalaTest 스파크 확장하기 -쿨백-라이블러 발산 -구현 -쿨백-라이블러 평가기 스트리밍 엔진 -왜 스트리밍인가? -배치와 실시간 처리 -아키텍처 개요 -이산화 스트림 -사용 사례: 연속적인 파싱 -체크포인팅 성능 평가 -개변수 조정하기 -성능 고려 사항 장점과 단점 요약 부록 A. 기본 개념 스칼라 프로그래밍 수학 금융 101