Name: 개발자를 위한 실전 선형대수학
Price: 22400 KRW
Availability: OnlineOnly
Author: 마이크 X 코헨

개발자를 위한 실전 선형대수학작품 소개

<개발자를 위한 실전 선형대수학> 복잡한 증명과 수식 없이 파이썬을 이용해 직관적으로 배우는 선형대수학

* 연습문제 + 해답 + 해설 강의, 무료 샘플북 제공

오늘날 거의 모든 분석과 알고리즘의 기초가 되는 선형대수학을 효율적으로 배우는 방법은 무엇일까요? 기존처럼 방정식을 암기하거나 추상적인 증명을 파고들어야 할까요? 어쩌면 이런 방법들은 너무 많은 시간이 필요하고 지루하기도 합니다.

기존의 복잡한 증명을 다루는 방식과는 다르게 이 책은, 파이썬 코드 실습으로 선형대수학의 개념을 직관적으로 익힐 수 있게 안내합니다. 또한 풍부한 연습 문제를 통해 현업에서 활용되는 선형대수학의 응용을 직접 구현해 보며 실무 경험도 쌓을 수 있습니다. 이 책으로 실제 활용되는 선형대수학의 개념과 응용을 익혀 여러분의 업무에 바로 활용해 보세요.

주요 내용

● 벡터와 행렬의 개념과 활용 방법

● 벡터와 행렬 연산(다양한 곱셈과 변환)

● 행렬의 독립성과 계수 및 역행렬

● 응용 선형대수학에서 사용되는 중요한 분해(LU 분해 및 QR 분해)

● 고윳값 분해 및 특잇값 분해

● 주성분 분석을 포함한 응용 분야 소개

● 파이썬을 이용한 수식 증명 및 연산 간소화

출판사 서평

선형대수학의 핵심을 펜과 종이가 아닌 파이썬으로 익힌다!

데이터 과학과 머신러닝이 IT 분야를 이끌게 되면서 관련 기술들의 기반이 되는 선형대수학이 각광받는 세상이 되었습니다. 하지만 현업의 개발자들에게 기존의 선형대수학 교재는 너무 복잡하고 지루하게 느껴질 수 있습니다.

이 책은 복잡한 증명 방식이 아닌 파이썬을 이용한 코드 구현으로 직관적으로 빠르게 선형대수학의 핵심을 빠르게 익힐 수 있습니다. 벡터와 행렬의 기본 개념부터 LU 분해, QR 분해, 고윳값 및 특잇값 분해, 주성분 분석까지 개발자 맞춤형 선형대수학 이론을 다룹니다. 추가로 연습 문제를 통해 실제로 현업에서 활용되는 선형대수학의 여러 응용까지 직접 구현하며 배울 수 있습니다.

마지막으로 파이썬이 아직 낯선 파이썬 초심자들을 위해서 파이썬 기본기를 다질 수 있는 부록이 구성되어 있어 파이썬의 기본기를 익히고 책의 코드 실습을 진행하며 선형대수학 지식은 물론 파이썬 기술도 함께 향상시킬 수 있습니다. 이 책을 통해 선형대수학과 파이썬, 두 마리 토끼를 한번에 잡아 보세요!

저자 프로필

저자
- 마이크 X 코헨
번역
- 장정호

마이크 X 코헨

경력 라드바우드대학교 메디컬 센터 신경과학 부교수

2023.10.05. 업데이트 작가 프로필 수정 요청

20년 이상 과학 코딩, 데이터 분석, 통계 및 관련 주제를 가르치며, 여러 온라인 강좌와 교과서를 썼습니다.

대표 저서

상세페이지 바로가기

참여

저자 소개

마이크 X 코헨 저자

네덜란드 라드바우드 대학 메디컬 센터의 돈더스 연구소 소속 신경과학 부교수. 20년 이상 과학

코딩, 데이터 분석, 통계 및 관련 주제를 가르치며, 여러 온라인 강좌와 교과서를 썼습니다.

장정호 역자

네이버 검색 소프트웨어 엔지니어. 2006년에 티맥스에서 애플리케이션/시스템 간 데이터 전송 시스템 개발을 시작으로, 다음커뮤니케이션에서 데이터 마이닝 업무, SAP에서 칼럼 기반의 인메모리 RDBMS인 HANA 개발에 동참했으며, 그 후 빅데이터 저장/분석 시스템 영역에 관한 연구를 통해 네이버에서 데이터 분석 시스템을 개발을 담당하고 있습니다. 한빛미디어에서 『쿠퍼네티스 모범 사례』(2020), 『하둡 완벽 가이드(4판)』(2017), 『하이브 완벽 가이드』(2013) 등을 번역했습니다.

SK텔레콤의 데이터 플랫폼 엔지니어. 네이버와 SAP에서 데이터 플랫폼과 데이터베이스 개발에 참여했습니다.

Chapter 1 벡터, 파트 1: 벡터와 벡터의 기본 연산

1.1 NumPy로 벡터 생성 및 시각화하기

_1.1.1 벡터의 기하학적 해석

1.2 벡터 연산

_1.2.1 두 벡터의 덧셈

_1.2.2 벡터의 덧셈과 뺄셈의 기하학적 해석

_1.2.3 스칼라-벡터 곱셈

_1.2.4 스칼라-벡터 덧셈

_1.2.5 전치

_1.2.6 파이썬에서 벡터 브로드캐스팅

1.3 벡터 크기와 단위벡터

1.4 벡터-내적

_1.4.1 내적의 분배 법칙

_1.4.2 내적의 기하학적 해석

1.5 그 외 벡터 곱셈

_1.5.1 아다마르곱

_1.5.2 외적

_1.5.3 교차곱과 삼중곱

1.6 직교벡터 분해

1.7 마치며

연습 문제

Chapter 2 벡터, 파트 2: 벡터의 확장 개념

2.1 벡터 집합

2.2 선형 가중 결합

2.3 선형 독립성

_2.3.1 수학에서의 선형 독립성

_2.3.2 독립성과 영벡터

2.4 부분공간과 생성

2.5 기저

_2.5.1 기저 정의

2.6 마치며

연습 문제

Chapter 3 벡터 응용: 데이터 분석에서의 벡터

3.1 상관관계와 코사인 유사도

3.2 시계열 필터링과 특징 탐지

3.3 k-평균 클러스터링

연습 문제

Chapter 4 행렬, 파트 1: 행렬과 행렬의 기본 연산

4.1 NumPy에서 행렬 생성과 시각화

_4.1.1 행렬 시각화와 인덱싱, 슬라이싱

_4.1.2 특수 행렬

4.2 행렬 수학: 덧셈, 스칼라 곱셈, 아다마르곱

_4.2.1 덧셈과 뺄셈

_4.2.2 행렬 ‘이동’

_4.2.3 스칼라 곱셈과 아다마르곱

4.3 표준 행렬 곱셈

_4.3.1 행렬 곱셈 유효성에 관한 규칙

_4.3.2 행렬 곱셈

_4.3.3 행렬-벡터 곱셈

4.4 행렬 연산: 전치

_4.4.1 내적과 외적 표기법

4.5 행렬 연산: LIVE EVIL(연산 순서)

4.6 대칭 행렬

_4.6.1 비대칭 행렬로부터 대칭 행렬 생성하기

4.7 마치며

연습 문제

Chapter 5 행렬, 파트2: 행렬의 확장 개념

5.1 행렬 노름

_5.1.1 행렬의 대각합과 프로베니우스 노름

5.2 행렬 공간(열, 행, 영)

_5.2.1 열공간

_5.2.2 행공간

_5.2.3 영공간

5.3 계수

_5.3.1 특수 행렬의 계수

_5.3.2 덧셈 및 곱셈 행렬의 계수

_5.3.3 이동된 행렬의 계수

_5.3.4 이론과 실제

5.4 계수 응용

_5.4.1 벡터가 열공간에 존재하나요?

_5.4.2 벡터 집합의 선형 독립성

5.5 행렬식

_5.5.1 행렬식 계산

_5.5.2 선형 종속성과 행렬식

_5.5.3 특성 다항식

5.6 마치며

연습 문제

Chapter 6 행렬 응용: 데이터 분석에서의 행렬

6.1 다변량 데이터 공분산 행렬

6.2 행렬-벡터 곱셈을 통한 기하학적 변환

6.3 이미지 특징 탐지

6.4 마치며

연습 문제

Chapter 7 역행렬: 행렬 방정식의 만능 키

7.1 역행렬

7.2 역행렬의 유형과 가역성의 조건

7.3 역행렬 계산

_7.3.1 2×2 행렬의 역행렬

_7.3.2 대각 행렬의 역행렬

_7.3.3 임의의 정방 최대계수 행렬의 역행렬

_7.3.4 단방향 역행렬

7.4 역행렬의 유일성

7.5 무어-펜로즈 의사역행렬

7.6 역행렬의 수치적 안정성

7.7 역행렬의 기하학적 해석

7.8 마치며

연습 문제

Chapter 8 직교 행렬과 QR 분해: 선형대수학의 핵심 분해법 1

8.1 직교 행렬

8.2 그람-슈미트 과정

8.3 QR 분해

_8.3.1 Q와 R의 크기

_8.3.2 QR 분해와 역

8.4 마치며

연습 문제

Chapter 9 행 축소와 LU 분해: 선형대수학의 핵심 분해법 2

9.1 연립방정식

_9.1.1 연립방정식을 행렬로 변환하기

_9.1.2 행렬 방정식 다루기

9.2 행 축소

_9.2.1 가우스 소거법

_9.2.2 가우스-조던 소거법

_9.2.3 가우스-조던 소거법을 통한 역행렬 계산

9.3 LU 분해

_9.3.1 치환 행렬을 통한 행 교환

9.4 마치며

연습 문제

Chapter 10 일반 선형 모델 및 최소제곱법: 우주를 이해하기 위한 방법

10.1 일반 선형 모델

_10.1.1 용어

_10.1.2 일반 선형 모델 구축

10.2 GLM 풀이

_10.2.1 해법이 정확할까요?

_10.2.2 최소제곱법의 기하학적 관점

_10.2.3 최소제곱법은 어떻게 작동할까요?

10.3 GLM의 간단한 예

10.4 QR 분해를 통한 최소제곱법

10.5 마치며

연습 문제

Chapter 11 최소제곱법 응용: 실제 데이터를 활용한 최소제곱법

11.1 날씨에 따른 자전거 대여량 예측

_11.1.1 statsmodels을 사용한 회귀 분석 표

_11.1.2 다중공선성

_11.1.3 정규화

11.2 다항식 회귀

11.3 그리드 서치로 모델 매개변수 찾기

11.4 마치며

연습 문제

Chapter 12 고윳값 분해: 선형대수학의 진주

12.1 고윳값과 고유벡터의 해석

_12.1.1 고윳값과 고유벡터의 기하학적 해석

_12.1.2 통계(주성분 분석)

_12.1.3 잡음 감쇠

_12.1.4 차원 축소(데이터 압축)

12.2 고윳값 구하기

12.3 고유벡터 찾기

_12.3.1 고유벡터의 부호와 크기 불확정성

12.4 정방 행렬의 대각화

12.5 대칭 행렬의 특별함

_12.5.1 직교 고유벡터

_12.5.2 실수 고윳값

12.6 특이 행렬의 고윳값 분해

12.7 이차식, 정부호성 및 고윳값

_12.7.1 행렬의 이차식

_12.7.2 정부호성

_12.7.3 ATA 는 양의 (준)정부호

12.8 일반화된 고윳값 분해

12.9 마치며

연습 문제

Chapter 13 특잇값 분해: 고윳값 분해의 다음 단계

13.1 SVD 개요

_13.1.1 특잇값과 행렬의 계수

13.2 파이썬에서 SVD

13.3 행렬의 SVD와 계수-1 ‘계층’

13.4 EIG로부터 SVD

_13.4.1 ATA 의 SVD

_13.4.2 특잇값의 분산 변환과 설명

_13.4.3 행렬의 조건수

13.5 SVD와 MP 의사역행렬

13.6 마치며

연습 문제

Chapter 14 고윳값 분해와 SVD 응용: 선형대수학의 선물

14.1 고윳값 분해와 SVD를 사용한 주성분 분석(PCA)

_14.1.1 PCA의 수학

_14.1.2 PCA 수행 단계

_14.1.3 SVD를 통한 PCA

14.2 선형판별분석

14.3 SVD를 통한 낮은 계수 근사

_14.3.1 SVD를 이용한 잡음 제거

14.4 마치며

연습 문제

APPENDIX A 파이썬 튜토리얼

A.1 왜 파이썬을 사용하나요?

A.2 IDE(통합 개발 환경)

A.3 로컬 및 온라인에서 파이썬 사용하기

A.4 변수

A.5 함수

A.6 시각화

A.7 수식을 코드로 변환하기

A.8 출력 서식과 f-문자열

A.9 제어 흐름

A.10 실행 시간 측정

A.11 추가 학습

A.12 마치며

리뷰

구매자 별점

0.0 점

점수비율

5
4
3
2
1

0명이 평가함

리뷰 작성 영역

이 책을 평가해주세요!

내가 남긴 별점 0.0

별로예요

그저 그래요

보통이에요

최고예요

별점 취소

별 1개 별 2개 별 3개 별 4개 별 5개

스포일러가 있습니다.

구매자 표시 기준은 무엇인가요?

'구매자' 표시는 리디에서 유료도서 결제 후 다운로드 하시거나 리디셀렉트 도서를 다운로드하신 경우에만 표시됩니다.

무료 도서 (프로모션 등으로 무료로 전환된 도서 포함): '구매자'로 표시되지 않습니다.
시리즈 도서 내 무료 도서: '구매자’로 표시되지 않습니다. 하지만 같은 시리즈의 유료 도서를 결제한 뒤 리뷰를 수정하거나 재등록하면 '구매자'로 표시됩니다.
영구 삭제: 도서를 영구 삭제해도 ‘구매자’ 표시는 남아있습니다.
결제 취소: ‘구매자’ 표시가 자동으로 사라집니다.

소장	종이책 정가	28,000원
	전자책 정가	20%22,400원
	판매가	22,400원

개발자를 위한 실전 선형대수학