책 소개
수학능력 평가에서 기하와 벡터가 빠졌다고 인공지능 시대에 뒤쳐진다고 합니다. 그러면 이 왜 기하와 벡터를 꼭 알아야 할까요? 구글이 만든 텐서플로우(Tensorflow), 페이스북이 만든 파이토치(Pytorch) 등 많은 머신러닝과 딥러닝은 기하와 벡터를 기본으로 사용합니다. 보통 이런 수학은 대학에 입학하면 선형대수로 배우고 파이썬은 복잡한 수식을 쉽게 사용할 수 있도록 Numpy 모듈을 제공합니다. 선형대수는 벡터와 행렬을 주로 사용하지만 머신러닝과 딥러닝은 이를 확장한 텐서(tensor)를 주로 사용합니다. 다차원 데이터를 분석하려면 숫자를 관리하는 배열 형태의 자료구조를 알아야 합니다. 우리는 넘파이 모듈의 배열 개념을 이해하고, 배열 내의 원소를 계산하는 선형대수 처리 방식, 수치해석을 위한 미분, 적분 등 다양한 수학을 처리는 방식을 알아 볼 것입니다.이런 방식을 이해하려면 다양한 함수, 클래스의 사용법을 알아야합니다. 이 책은 머신러닝과 딥러닝에서 사용할 수 있는 개념을 설명합니다. 사용법을 나중에 활용하려면 수학책과 같이 공부하면 좋습니다. 넘파이 모듈은 4차 산업혁명에서 매우 중요한 위치를 차지하는 인공지능의 기초입니다. 이 책을 공부해서 기초를 튼튼히 하면 좋은 결과를 낼 수 있습니다.
목차펼치기접기
머리말 베타리더의 평가파이썬과 넘파이 모듈 차이점 이해하기배열(Array) 구조 이해하기 10넘파이 모듈의 함수 특징 40배열 할당과 검색 57선형대수 기본 알아보기스칼라와 벡터 알아보기 68행렬(Matrix)알아보기 83행렬(Matrix)종류 알아보기 100다차원 배열의 검색배열의 일반 검색 124논리식 검색(logical indexing) 132팬시검색(fancy indexing) 139메소드나 함수로 검색하기 155다차원 배열의 연산산술 연산 164브로드캐스팅 이해하기 177행렬의 연산 193행렬식(determinant), 역행렬(Inverse Matrix) 처리하기 209Tensordot 연산 확인하기 223einsum 연산 확인하기 233다차원 배열의 구조 변경하기변경 및 결합 주요 함수 248내부 조작 함수 281배열의 padding 처리 296넘파이 모듈의 자료형 이해하기dtype으로 자료형 객체 생성하기 306날짜 자료형 316문자 자료형 326시각화와 수학 함수 알아보기시각화 알아보기 334그래프 제목/레이블/범례 처리 346활성화 함수를 그래프로 그려 보기 355수학 함수 알아보기산술 함수 368논리 및 비교 연산 375지수와 로그 함수 이해하기 386집합 이해하기 397삼각함수 이해하기 402확률, 통계 함수 알아보기확률분포 함수 412통계 함수 421방정식, 미적분, 합성곱 알아보기방정식 알아보기 434차분, 미분과 적분 445합성곱 및 필터링 알아보기 465넘파이 특화 함수 알아보기일반함수와 람다함수 사용하기 484파일 처리 495선형대수 분해 알아보기LU, QR 분해 504고유값, 특이값 분해 511희소행렬(Sparse Matrix) 알아보기그래프 이론 522희소행렬(Sparse matrices) 538
출처: 국립중앙도서관 서지정보
리뷰 남기기
로그인하면 리뷰를 남길 수 있어요.
리뷰 0개
아직 리뷰가 없어요.