1장. 집단지성 소개
1.1 집단지성이란?
1.2 기계학습이란?
1.3 기계학습의 한계
1.4 실제 예
1.5 기계학습의 다른 사례
2장. 추천시스템 만들기
2.1 협업 필터링
2.2 선호 정보 수집
2.3 유사 사용자 찾기
2.4 항목 추천
2.5 제품 매칭
2.6 딜리셔스 링크 추천 기능 만들기
2.7 항목 기반 필터링
2.8 무비렌즈(MovieLens) 데이터 세트 이용하기
2.9 사용자 기반과 항목 기반 필터링
2.10 함께 풀어보기
3장. 군집 발견
3.1 감독 대 무감독 학습
3.2 단어 벡터
3.3 계층적 군집화
3.4 계통도 출력
3.5 세로줄 군집화
3.6 k평균 군집화
3.7 선호도 군집
3.8 2차원으로 데이터 보기
3.9 군집 가능한 다른 것들
3.10 함께 풀어보기
4장. 검색과 랭킹
4.1 검색엔진이란?
4.2 단순 크롤러
4.3 색인하기
4.4 검색하기
4.5 내용 기반 랭킹
4.6 유입 링크 사용하기
4.7 클릭 학습
4.8 함께 풀어보기
5장. 최적화
5.1 단체 여행
5.2 해답 표현하기
5.3 비용 함수
5.4 무작위 검색
5.5 언덕등반
5.6 시뮬레이티드 어닐링
5.7 유전자 알고리즘
5.8 비행편 검색 실제
5.9 선호도 최적화
5.10 네트워크 시각화
5.11 다른 가능성들
5.12 함께 풀어보기
6장. 문서 필터링
6.1 스팸 필터링
6.2 문서와 단어
6.3 분류기 훈련시키기
6.4 확률 계산
6.5 기본 분류기
6.6 피셔 방식
6.7 학습 정보 저장
6.8 블로그 피드 필터링
6.9 향상된 특성 검출법
6.10 Akismet 사용하기
6.11 다른 기법들
6.12 함께 풀어보기
7장. 의사결정트리
7.1 가입 유형 추정
7.2 의사결정트리 소개
7.3 트리 학습
7.4 최적 단편 선정
7.5 재귀적으로 트리 만들기
7.6 트리 출력하기
7.7 새로운 관찰 분류하기
7.8 트리 가지치기
7.9 손상된 데이터 다루기
7.10 숫자 결과 다루기
7.11 주택 가격 모델링
7.12 "인기도" 모델링
7.13 의사결정트리 활용 시점
7.14 함께 풀어보기
8장. 가격 모델링
8.1 예제 데이터 세트 만들기
8.2 kNN
8.3 물품 가중치
8.4 교차검증
8.5 이질 변수
8.6 축척 최적화
8.7 불균등 분포
8.8 실 데이터 - 이베이 API
8.9 적절한 kNN 활용 방법
8.10 함께 풀어보기
9장. 고급 분류 기법: 커널 기법과 SVM
9.1 중매 데이터 세트
9.2 데이터를 다루는 어려움
9.3 기본 선형 분류
9.4 분류 데이터의 특성
9.5 데이터 축척 조정
9.6 커널 기법 이해
9.7 지지벡터머신
9.8 LIBSVM 사용
9.9 페이스북 매칭
9.10 함께 풀어보기
10장. 독립 특성 발견
10.1 뉴스 코퍼스
10.2 이전 방식들
10.3 비음수 행렬 인수분해
10.4 결과 출력하기
10.5 주식시장 데이터 사용하기
10.6 함께 풀어보기
11장. 진화지성
11.1 유전자 프로그래밍이란?
11.2 프로그램을 트리로 표현하기
11.3 초기 개체군 만들기
11.4 해답 검증하기
11.5 프로그램 돌연변이 시키기
11.6 교배하기
11.7 환경 구축하기
11.8 간단한 게임
11.9 다른 가능성들
11.10 함께 풀어보기