비지도 학습의 세계

클러스터링, 차원 축소, PCA, t-SNE, 군집화, 특징 추출, 연관 규칙, K-평균, DBSCAN, 히트맵, 시각화, 데이터 전처리, 노이즈 제거, 패턴 인식, 유사도 측정, 자동 인코더, GAN, 강화 학습, 이상 탐지, 데이터 마이닝, 텍

씨익북스 편집부 지음

씨익북스 2025년 01월 30일 출간

작품소개

책소개

"비지도 학습의 세계"는 데이터 분석과 머신러닝의 핵심 기법을 탐구하는 책입니다. 클러스터링, 차원 축소, PCA, t-SNE와 같은 기법을 통해 데이터의 숨겨진 구조를 발견하고, K-평균, DBSCAN을 활용한 군집화를 통해 패턴을 인식합니다. 또한, 자동 인코더와 GAN을 통해 데이터의 특징을 추출하고, 이상 탐지를 통해 데이터의 무결성을 유지합니다. 데이터 전처리와 노이즈 제거를 통해 분석의 정확성을 높이며, 히트맵과 시각화를 통해 결과를 직관적으로 이해할 수 있도록 돕습니다. 이 책은 데이터 마이닝과 강화 학습의 기초를 다지며, 유사도 측정과 연관 규칙을 통해 데이터 간의 관계를 파악하는 방법을 제시합니다. 데이터 과학자와 머신러닝 연구자에게 필수적인 이 책은 실용적인 예제와 함께 비지도 학습의 다양한 기법을 깊이 있게 다룹니다.

목차

"비지도 학습의 기본 개념
클러스터링의 원리와 응용
K-평균 알고리즘의 작동 방식
DBSCAN: 밀도 기반 클러스터링의 이해
차원 축소의 필요성과 방법
주성분 분석(PCA)의 이론과 실습
t-SNE를 통한 고차원 데이터 시각화
히트맵을 이용한 데이터 분석
특징 추출 기법의 중요성
연관 규칙 학습의 기본 원칙
노이즈 제거 기술과 그 필요성
패턴 인식의 기초와 활용
유사도 측정의 다양한 방법
자동 인코더의 구조와 작동 원리
GAN(Generative Adversarial Network)의 개념
강화 학습의 기초와 응용 분야
이상 탐지의 중요성과 기법
데이터 마이닝의 기본 개념
비지도 학습과 지도 학습의 차이
군집화의 응용 사례
차원 축소의 실제 사례
PCA와 t-SNE의 비교 분석
데이터 전처리의 필요성
히트맵 활용 시 데이터 해석
클러스터링 평가 지표
K-평균의 초기 중심 선택 방법
DBSCAN의 매개변수 조정
특징 선택과 특징 추출의 차이
연관 규칙의 신뢰도와 지지도
노이즈의 유형과 처리 방법
패턴 인식의 머신러닝 기법
유사도 측정에서의 거리 함수
자동 인코더의 다양한 변형
GAN의 발전과 응용 사례
강화 학습에서의 보상 구조
이상 탐지의 머신러닝 접근법
데이터 마이닝의 도구와 기술
비지도 학습의 최신 동향
클러스터링 기법 비교
차원 축소의 시각화 기법
PCA의 수학적 배경
t-SNE의 장단점 분석
데이터 전처리 단계별 가이드
히트맵을 통한 데이터 인사이트
클러스터링의 시각화 기법
K-평균의 수렴 속도 향상 방법
DBSCAN의 장점과 한계
특징 추출을 위한 기계 학습 기법
연관 규칙 마이닝 도구 소개
노이즈 제거를 위한 머신러닝 기법
패턴 인식의 산업적 응용
유사도 측정을 위한 알고리즘 비교
자동 인코더의 학습 과정
GAN의 훈련 과정과 도전 과제
강화 학습의 실전 적용 사례
이상 탐지의 데이터 셋과 평가 방법
데이터 마이닝의 사례 연구"

작가정보

저자(글) 씨익북스 편집부

"세상을 아름다운 지식으로 물들이자" 위 모토를 바탕으로 다양한 지식 서적을 보급하고 있다.