책 <인공지능을 위한 수학> 정리

<SSACxFast Campus 빅데이터 분석가 과정>을 들을 때도 2일 정도 <데이터 분석을 위한 기초 수학> 강의가 있었다. 

연세대학교 이상엽 교수님이 진행해 주셨는데, 실시간으로 수강생들의 수준에 맞게 속도와 수준을 조절하면서 강의해 주셔서 어려운 내용임에도, 어렵지 않게 감을 잡을 수 있었다. 수강생의 대부분이 computer science를 전공하지 않은 데다가, 문과생이 많았기 때문에 원래 커리큘럼에 있는 내용을 다 다루지는 못하고 데이터 분석과 관련 있는 선형대수학 개념 위주로 가르쳐 주었던 기억이 난다.

 

그런데 이번에 수강하고 있는 <K-digital training programmers AI dev course>의 경우는 대부분 CS를 전공한 학부졸업 ~ 석사생이 많고, 그 수준에 맞게 수학 강의 부분도 진행이 되었다.

그나마 지난 번에 강의 들은 게 있어서, 완전히 처음 듣는 개념은 아니긴 했지만, 선형대수학이라는 분야 자체를 지난번에 처음 들어본 내가 바로 소화하기는 무리.

 

내가 모델을 짜는 수준이 되는 건 무리겠지만, 기본적인 이해가 없으면 안되겠다는 건 지난 패캠 과정에서 kaggle 과제를 하면서 느끼기도 했었다.

 

문과생, 고등학생 수준에서 기본 개념에 대해 쉽게 설명한 책을 찾다가 <인공지능을 위한 수학>이라는 책을 추천받아 구입했다.

인공지능을 위한 수학:꼭 필요한 것만 골라 배우는 인공지능 맞춤 수학

 

표지에 일본 애니메이션 스타일의 일러스트가 있는데, 기대한다면 실망하게 된다. 책 내용에는 일러스트가 거의 없고, 쉽긴 하지만 진지한 수학책이다.

 

이 책의 장점은,

 

1. 아주 아주 기초적인 수준부터 다룬다.

 

2. 한 꼭지의 길이가 짧다. 틈틈이 공부하기 좋다.

 

3. 이 개념이 인공지능 분야와 어떻게 연결되는지 간단한 설명이 덧붙여 있다. 

 

대신, 말그대로, 비전공자를 위한 소개서 같은 느낌의 책이고 분야에 대한 깊이 있는 이해나 수학 공식에 대한 증명 등을 원한다면 맞지 않는 책이다.

 

수업을 들으며 틈틈이 보느라 아직 다 읽진 못했지만, 밥 먹으면서, 혹은 밥 먹고 쉬는 시간에 짬짬이 한 꼭지 읽는데 부담이 없다. 충분히 이해가 될 때까지 반복해서 보아도 부담 없을 듯.

 

참고 : 책의 목차 (출처: 교보 북스 책 소개 페이지)

목차

머리말
옮긴이의 글
베타 리더 후기
이 책을 읽는 방법

기본편 | 인공지능 프로그래밍에 쓰이는 수학
CHAPTER 01 기초 수학
1-1 변수와 상수
1-2 1차식과 2차식
1-3 함수의 개념
1-4 제곱근
1-5 거듭제곱과 거듭제곱근
1-6 지수함수와 로그함수
1-7 자연로그
1-8 시그모이드 함수
1-9 삼각함수
1-10 절댓값과 유클리드 거리
1-11 수열
1-12 집합과 원소

CHAPTER 02 미분
2-1 극한
2-2 미분의 기초
2-3 상미분과 편미분
2-4 그래프 그리기
2-5 함수의 최댓값과 최솟값
2-6 초등함수와 합성함수의 미분, 그리고 곱의 법칙
2-7 특수 함수의 미분

CHAPTER 03 선형대수
3-1 벡터
3-2 덧셈과 뺄셈, 그리고 스칼라배
3-3 유향선분
3-4 내적
3-5 직교 조건
3-6 법선벡터
3-7 벡터의 노름
3-8 코사인 유사도
3-9 행렬의 덧셈과 뺄셈
3-10 행렬의 곱셈
3-11 역행렬
3-12 선형 변환
3-13 고윳값과 고유벡터

CHAPTER 04 확률과 통계
4-1 확률
4-2 확률변수와 확률분포
4-3 결합확률과 조건부확률
4-4 기댓값
4-5 평균과 분산, 그리고 공분산
4-6 상관계수
4-7 최대가능도추정

응용편 | 인공지능 알고리즘에 응용하는 수학
CHAPTER 05 선형회귀
5-1 회귀 모델로 주택 가격 추정하기
5-2 데이터 세트 ‘Boston Housing Dataset’
5-3 선형회귀 모델
5-4 최소제곱법으로 파라미터 도출하기
5-5 정규화로 과학습 줄이기
5-6 완성된 모델 평가하기

CHAPTER 06 자연어 처리
6-1 자연어 처리로 문서의 카테고리 알아맞히기
6-2 카테고리별 데이터 세트
6-3 자연어 처리의 작동 원리
6-4 문장에서 품사 분석하기
6-5 단어 필터링하기
6-6 문서를 단어 벡터로 변환하기
6-7 단어 벡터에 가중치 주기
6-8 문서 분류하기
6-9 완성된 모델 평가하기

CHAPTER 07 이미지 인식
7-1 딥러닝으로 손글씨 인식하기
7-2 데이터 세트 ‘MNIST’
7-3 신경망이란? - 기초
7-4 신경망이란? - 심화
7-5 심층 신경망이란?
7-6 순전파
7-7 손실 함수
7-8 경사하강법 사용하기
7-9 오차역전파법 사용하기
7-10 완성된 모델 평가하기

맺음말
참고자료
색인