프로그래밍에서 점점 더 중요해지는 선형대수,
이제 파이썬과 NumPy로 쉽고 재미있게 이해한다!
파이썬은 문법이 단순하여 배우는 데 걸리는 시간이 다른 언어에 비해 적게 들며 직관적이라 코드를 읽고 이해하기 쉽습니다. 또한 머신러닝 관련 라이브러리, 프레임워크가 많이 제공되는 언어입니다. 이런 파이썬의 장점을 살려 파이썬과 넘파이(NumPy)를 사용하여 선형대수의 기본적인 개념들을 구현해 봅니다.
넘파이는 파이썬에서 수학적인 내용을 다룰 때 필수적인 라이브러리입니다. 넘파이를 사용하여 벡터, 행렬의 개념부터 선형 결합, 행렬식, 고유값, 고유벡터를 코드로 작성하여 결과를 확인하고 맷플롯리브(matplotlib)를 사용하여 시각화하는 과정을 실습해봅니다.
저자 소개
저자 : 이정주
대학 졸업 후, 회사, 대학원을 거치며 여러 분야의 프로그래밍에 대한 경험을 쌓았다. 하지만 프로그래밍을 멈춰야 하는 순간도 있었다. 그래도 멈추지 않았다. 천천히 가기로 했다. 틈나는 대로 내가 좋아하는 프로그래밍을 해보며 그 결과물을 블로그에 공유했다. 많은 사람들의 호응은 나에게 멈추지 않고 천천히라도 걸을 수 있는 힘을 주었다. 그렇게 나는 오늘도 걷고 있다. 천천히 하지만 멈추지 않고.
목 차
Chapter 1 파이썬
1.1파이썬의 장단점
1.2파이썬 개발 환경 만들기
1.3데이터 타입
1.4제어문
1.5함수
1.6모듈
1.7입출력
Chapter 2 넘파이
2.1 넘파이 배열
2.2 넘파이 배열 생성 함수와 shape 변환 함수
2.3 인덱싱과 슬라이싱
2.4 얕은 복사와 깊은 복사
2.5 산술 연산과 브로드캐스팅
Chapter 3 선형대수
3.1 맷플롯리브
3.2 벡터의 정의
3.3. 벡터의 기본 연산
3.4 행렬의 정의
3.5 행렬의 기본 연산
3.6 선형 결합
3.7 벡터 공간
3.8 벡터와 행렬 간 곱셈
3.9 선형 연립 방정식
3.10 행렬식
3.11 고유값, 고유벡터
Chapter 4 예제 1: 이미지 기하학적 변환
4.1 이동
4.2 회전
4.3 확대/축소
4.4 결합된 변환
Chapter 5 예제 2: Planar Rectification
5.1 호모그래피 행렬 구하기
5.2 Planar Rectification 구현하기
Chapter 6 예제 3: 인공 신경망
6.1 인공 신경망 구조
6.2 인공 뉴런
6.3 레이어
6.4 활성화 함수
6.5 가중치
6.6 편향
6.7 데이터 세트
6.8 모델 학습
6.9 신경망의 학습 메커니즘
6.10 신경망 표기법
6.11 피드포워드
6.12 경사 하강법
6.13 역전파 알고리즘
6.14 붓꽃 분류 문제
출판사 서평
이 책의 특징
선형대수의 개념을 파이썬 코드로 구현해보는 방식이기 때문에 이해하기 쉽습니다.
시각화를 통해 파이썬과 넘파이에 대한 개념을 쉽게 이해할 수 있습니다.
활용 예제로 파이썬에서 이미지를 다루는 방법과 인공 신경망에 대해 알아봅니다.
이 책이 필요한 독자
파이썬과 넘파이를 사용한 수식 계산이 필요한 사람
프로그래밍을 통해 선형대수를 쉽게 이해하고자 하는 사람
인공 신경망을 이번 기회로 처음 접하는 사람
독자대상
초중급
소스코드 다운로드
https://github.com/bjpublic/numpy
요즘 프로그래밍은 우리 일상 생활에서 쉽게 접할 수 있는 것이 되었습니다. 누구나 관심만 있으면 아이폰, 안드로이드 폰에서 자신이 만든 앱을 실행시켜 볼 수 있고 접근하기 어려웠던 머신러닝을 쉽게 다룰 수 있게 해주는 텐서플로우 같은 라이브러리가 공개되었습니다. 그러나 주어진 입력에 대해 원하는 결과가 나오는지 확인하는 과정을 제대로 이해하고 활용하려면 내부적으로 동작하는 원리를 알아야 합니다.
이 책에서는 프로그램의 동작 원리를 이해하는 데 필수적으로 알아야 할 선형대수를 쉽게 공부하기 위해 파이썬과 넘파이(NumPy)를 사용하여 예제를 하나씩 구현해보고, 맷플롯리브(matplotlib)를 사용하여 시각화를 해보았습니다. 이후 인공 신경망에 관한 수식을 파이썬과 넘파이를 사용하며 분석하고 구현해보았습니다.
