[Part 1 머신러닝 기초 지식]

1장. 머신러닝 시작하기
__1.1 머신러닝 소개
__1.2 머신러닝을 이해하는 데 필요한 배경 지식
__1.3 머신러닝 발전사
__1.4 머신러닝의 분류
__1.5 마치며


2장. 머신러닝의 주요 개념
__2.1 모델 : 문제를 바라보는 관점
__2.2 손실함수
__2.3 최적화 : 실제로 문제를 푸는 방법
__2.4 모델 평가 : 실제 활용에서 성능을 평가하는 방법
__2.5 마치며

[Part 2 머신러닝 주요 모델]

3장. 데이터와 문제
__3.1 데이터형
__3.2 데이터양과 품질
__3.3 데이터 표준화
__3.4 문제 유형
__3.5 마치며

4장. 구매 이력 데이터를 이용한 사용자 그룹 만들기
__4.1 군집화
__4.2 K-중심 군집화
__4.3 계층적 군집화
__4.4 밀도 기반 군집화
__4.5 유사도 계산
__4.6 마치며

5장. 문서 분석 시스템 만들기
__5.1 문서 분류 시스템 만들기
__5.2 토픽 모델링
__5.3 문법 분석
__5.4 단어 임베딩 학습 - word2vec
__5.5 마치며

6장. 영화 추천 시스템 만들기
__6.1 영화 추천 시스템
__6.2 유사도 계산
__6.3 내용 기반 추천 시스템
__6.4 협업 필터링
__6.5 표준화
__6.6 마치며

7장. 이미지 인식 시스템 만들기
__7.1 이미지 처리의 기본 개념
__7.2 이미지 인식
__7.3 이미지 인식에 사용하는 피처
__7.4 딥러닝을 이용한 이미지 인식
__7.5 마치며

8장. 머신러닝의 다양한 문제점 해결하기
__8.1 모델 문제
__8.2 데이터 문제
__8.3 속도 문제
__8.4 마치며

[Part 3 머신러닝 시스템 구현]

9장. 머신러닝 소프트웨어 소개
__9.1 파이썬 설치와 라이브러리
__9.2 유명 라이브러리 소개
__9.3 이 책에서 사용하는 툴킷
__9.4 마치며

10장. 구매 이력 데이터를 이용한 사용자 그룹 만들기 - 실전
__10.1 데이터셋
__10.2 데이터 전처리
__10.3 K-평균 군집화
__10.4 올바른 클러스터 수 K 정하기
__10.5 계층적 군집화
__10.6 마치며

11장. 문서 분석 시스템 만들기 - 실전
__11.1 스팸 문자 필터 만들기(문서 분류)
__11.2 토픽 모델 시스템 만들기
__11.3 품사 분석 시스템 만들기
__11.4 고유명사 태깅 시스템 만들기
__11.5 한국어 위키백과를 이용한 word2vec 만들기
__11.6 마치며

12장. 영화 추천 시스템 만들기 - 실전
__12.1 데이터셋 구하기
__12.2 데이터 전처리
__12.3 내용 기반 영화 추천 시스템 만들기
__12.4 협업 필터링 기반 영화 추천 시스템 만들기
__12.5 마치며

13장. 이미지 인식 시스템 만들기 - 실전
__13.1 이미지 데이터를 이용한 K-평균 군집화
__13.2 주성분 분석을 이용한 사람 얼굴 인식
__13.3 CNN을 이용한 손글씨 숫자 분류
__13.4 마치며

부록 : 용어표