일요일, 4월 14, 2024
Home자동화박민서 교수, AI와 데이터사이언스를 보다 쉽고 빠르게 소개하기 위해 '파이썬으로 데이터사이언스를 위한...

박민서 교수, AI와 데이터사이언스를 보다 쉽고 빠르게 소개하기 위해 ‘파이썬으로 데이터사이언스를 위한 기초수학’ 출간!


박민서 교수는 “이 책은 수학의 기본 개념을 익히고, 수학의 원리(왜)를 데이터 사이언스에 적용해 좀 더 쉽게 이해할 수 있도록 돕기 위해 마련됐다”고 말했다. -수학을 정복하기 위한 전공이 아닌 “사람들이 쉽고 재미있는 게임이라는 느낌을 받고, 두려움 없이 데이터 사이언스 공부를 시작할 수 있었으면 좋겠다”고 출간에 대한 생각을 밝혔다.


인공지능의 시작, 데이터사이언스를 위한 수학적 메타인지 강화!


메타인지는 자신이 아는 것과 모르는 것을 판단하는 능력이다. 메타인지가 높으면 아는 것과 모르는 것을 명확하게 구분할 수 있습니다. 즉, 판단력이 있으면 더 집중할 수 있고, 모르는 것에 대해서도 자연스럽게 배울 수 있다는 것입니다.


박민서 교수는 이제 일상생활에서 너무 흔한 단어가 된 AI와 데이터사이언스에 초보자를 위한 메타인지 기법을 적용해 길벗출판사(대표 이종원)를 통해 ‘파이썬으로 데이터사이언스를 위한 기초수학’ 책을 출간했다. , 불을 진압합니다. 수집 중입니다. 이 책을 통해 전공자와 비전공자 모두 수학을 정복하기 위한 공부가 아니라 오히려 더 쉽고 재미있는 게임이라는 것을 느낄 수 있고, 두려움 없이 데이터사이언스 공부를 시작할 수 있다.


저자 박민서 교수는 매사추세츠대학교에서 컴퓨터공학 박사학위를 취득하고(2009년 10월), 삼성SDS 선임연구원, 성균관대학교 삼성융합의학연구소 선임연구원, SK텔레콤 과장(팀장), 한화시스템 상무(그룹 인공지능 부문장). 연구 및 산업 분야에서 근무한 후 현재 KAIST 기술경영대학원 겸임교수(2018~), 서울여자대학교 데이터사이언스학과 교수로 재직하고 있다.


표지 이미지: 알라딘
표지 이미지: 알라딘


이 책은 누구나 생각할 수 있는 미적분학, 벡터, 선형대수학, 확률, 통계 등의 데이터를 다루는 머신러닝(ML), 인공신경망(ANN) 등 학습에 있어서 중요한 데이터과학 기초를 다룬다. 수학적 개념을 왜 배워야 하는지, 무엇을 알아야 하는지, 그것이 어떤 역할을 하는지 명확하게 설명하고 있으며, 인문계열 전공자가 아닌 학생이라도 전략적으로 배경지식을 익힐 수 있습니다.


특히, 코딩의 개념을 익히고 데이터 분석과 웹 개발을 시작하는 데 도움이 되는 Python 프로그래밍에 대한 완벽한 가이드입니다. 코딩을 접해본 적이 없더라도 Python 프로그래밍의 문법을 기초부터 고급까지 집중적으로 학습할 수 있습니다. 학습한 내용의 결과를 즉시 확인할 수 있습니다.


또한, 벡터, 행렬, 선형대수, 확률과 통계, 미분 등의 연산과 기본 개념부터 머신러닝, 딥러닝까지 다양한 상황을 제시하여 문제해결을 위한 프로젝트 기반 연습문제 43개와 응용력을 높이는 예시 279개를 제공합니다. . 학습 학습에 필요한 원리와 수학을 이해하고, 이를 파이썬 코드로 구현할 수 있습니다.


저자 박 교수는 “우리는 인공지능 시대에 살고 있다. 달리 말하면 데이터 활용이 필수적인 시대라고 할 수 있을 것 같다”고 말했다. 이어 “데이터 사이언스를 번역하면 데이터 사이언스, 간단히 말하면 데이터”라고 덧붙였다. “컴퓨터를 가지고 노는 것입니다. 좋은 플레이를 보여 의미 있는 결과를 얻었다”고 말했다.


이어 “디지털 시대로 접어들면서 수많은 종류의 데이터가 생성되고 있다. 그러나 실제로 컴퓨터는 0과 1로만 구성된 계산기이다. 즉, 모든 데이터는 숫자로 변환되어야 합니다.” 이어 “결국 우리는 “모든 데이터는 숫자로 표현되어야 하고, 수치 연산을 통해 의미 있는 것이 만들어져야 한다”고 강조했다.


또한 “이 책은 데이터를 다루기 위해 꼭 필요한 수학을 추출하고 정리한 책이다. 사실 데이터사이언스를 하기 위해 필요한 수학은 고등학교 수준의 수학이면 충분하다. 고등학교까지 해결중심의 수학을 배웠다면 이제 한 단계 더 나아갈 수 있다. “우리는 수학의 원리를 이해하고, 수학을 데이터에 적용하며, 귀중한 통찰력을 찾고 싶습니다.”라고 그는 덧붙였습니다.


박 교수는 “이 책은 학생들이 수학의 기본 개념을 익히고, 수학의 원리(왜)를 데이터 사이언스에 적용해 좀 더 쉽게 이해할 수 있도록 돕기 위해 마련됐다”고 말했다. 전공이 아니더라도 수학을 정복하기보다는 “사람들이 쉽고 재미있는 게임이라는 느낌을 받고, 두려움 없이 데이터 사이언스 공부를 시작할 수 있었으면 좋겠다”고 말했다. 출판.


뒷표지 이미지
뒷표지 이미지


이 책은 데이터 과학을 공부하는 데 필요한 수학적 원리를 다루는 7개의 장으로 구성되어 있습니다. 1장에서는 데이터사이언스가 무엇인지, 왜 수학을 배워야 하는지, 데이터사이언스에서 수학의 필요성을 다루고, 2장에서는 기본 함수의 개념을 다룬다. 원리를 데이터 과학에 적용하여 배우고 이해합니다. 세 번째 섹션에서는 데이터 사이언스의 최종 목표인 최적의 가치를 찾는 데 있어 차별화의 필요성을 살펴본다. 미적분학을 이해하고 이를 데이터 과학에 적용합니다.


넷재마당에서는 벡터에 대해 알아보고 데이터 사이언스에서 벡터가 어떻게 활용되는지 배우고, 다섯 번째, 여섯 번째 마당에서는 꼭 필요한 통계(과거의 기록을 나타내는 값)와 확률(미래 예측을 나타내는 값)을 배운다. 미래를 예측하기 위해. 기준이 될 수 있는 가치) 그리고 마지막으로 일곱 번째 장에서는 데이터 과학에서 일반적으로 사용되는 성능 평가를 살펴봅니다.


한편, 이 책 ‘파이썬으로 배우는 기초수학’은 현재 교보문고, 영풍문고, 알라딘, 예스24 등 전국 유명 서점과 온라인 서점에서 만나보실 수 있습니다. (아래 목차)


▷첫 번째 장: 데이터 과학의 수학(데이터 과학 시작하기)


데이터사이언스란 무엇인가(통계학과 머신러닝의 차이점), 데이터사이언스 과정, 프로그래밍과 머신러닝의 차이점, 데이터사이언스를 위한 준비(Jupyter Notebook을 활용한 프로그래밍 환경 만들기, Google Colab을 활용한 프로그래밍 환경 만들기), 데이터 과학을 위한 수학


▷제2분야 : 데이터사이언스의 기본기능(기본기능)


선형함수(선형함수에서 기울기와 절편의 의미), 2차함수(최소값과 최대값의 원리를 통한 최적화의 이해), 지수함수(지수함수의 이동), 로그함수(로그함수의 이동), sig Moid 함수( 정의, 사용법, 원칙 및 오류).


▷세 번째 섹션: 데이터 과학의 미분 함수


데이터 사이언스에서 중요한 수학적 개념, 딥러닝의 작동원리와 미분함수, 미분함수, 미분의 응용, 미분법칙, 딥러닝의 오류 역전파, 오류 역전파 계산 원리) 계산 그래프, 역전파 계산 원리, 오류 역전파 계산 방법).


▷제4장: 데이터 과학의 벡터(벡터 기초)


선형대수학, 벡터(벡터의 정의, 벡터의 특성, 벡터의 표현, 벡터의 유형, 데이터 과학에서 벡터의 사용), 벡터의 특성(선형 결합, 선형 독립, 선형 의존성, 벡터 공간, 벡터 공간의 표현, 부분공간, 벡터평면의 기저(R2)·공간(R3), 표준기저벡터,


벡터 연산 1, 벡터 덧셈(벡터 덧셈의 성질), 벡터 뺄셈, 벡터 곱셈: 내적, 벡터 내적법, 벡터 연산 2, 벡터 연산: 복습(덧셈, 뺄셈, 내적), 벡터 곱셈: 외적( 벡터의 외적 계산 방법, 벡터의 내적과 외적의 비교), 특수 벡터: 직교 벡터, SVM의 원리, 직교 벡터의 원리, 벡터의 크기, 벡터의 사용, 벡터의 거리( 맨해튼 거리, 유클리드 거리).


▷다섯 번째 분야: 데이터 과학에서의 확률


확률의 기초(확률을 시작하기 전에: 통계 및 기계 학습), 확률이란 무엇입니까(수학적 확률 대 통계적 확률, 확률의 기본 용어, 확률의 정의 및 속성), 독립 시행 확률(독립 시행 확률 찾기) : 곱별) 찾기), 조건부 확률(독립 및 종속 사건, 조건부 확률), 베이지안 확률, 곱셈 정리, 베이즈 정리, 베이지안 확률 응용: 데이터 과학에 적용.


▷여섯 번째 마당: 데이터 과학의 통계


확률변수(확률변수의 종류, 확률변수와 확률함수의 관계, 확률함수의 종류, 확률질량함수 대 확률밀도함수), 확률분포, 확률변수의 기대값, 분산(V(X)) 및 표준편차 (σ( , 유의수준 결정, 유의확률 및 신뢰구간, 검정 방법: 양측 검정, 단측 검정, 검정 통계량).


▷7야드: 데이터 과학 성능 평가(혼란 행렬, ROC 곡선, AUC).

RELATED ARTICLES

LEAVE A REPLY

Please enter your comment!
Please enter your name here

- Advertisment -
Google search engine

Most Popular

Recent Comments