HOME > Detail View

Detail View

컴퓨터 시대의 통계적 추론 : 알고리즘과 추론의 관계와 역할

컴퓨터 시대의 통계적 추론 : 알고리즘과 추론의 관계와 역할 (Loan 18 times)

Material type
단행본
Personal Author
Efron, Bradley Hastie, Trevor, 저 이병욱, 역
Title Statement
컴퓨터 시대의 통계적 추론 : 알고리즘과 추론의 관계와 역할 / 브래들리 에프론, 트레버 해스티 지음 ; 이병욱 옮김
Publication, Distribution, etc
서울 :   에이콘,   2019  
Physical Medium
608 p. : 천연색삽화, 도표 ; 24 cm
Varied Title
Computer age statistical inference : algorithms, evidence, and data science
ISBN
9791161752860 9791161752464 (Set)
Bibliography, Etc. Note
참고문헌(p. 591-604)과 색인수록
Subject Added Entry-Topical Term
Mathematical statistics --Data processing
000 00000nam c2200205 c 4500
001 000045983063
005 20190508160308
007 ta
008 190507s2019 ulkad b 001c kor
020 ▼a 9791161752860 ▼g 94000
020 1 ▼a 9791161752464 (Set)
040 ▼a 211009 ▼c 211009 ▼d 211009
041 1 ▼a kor ▼h eng
082 0 0 ▼a 519.50285 ▼2 23
085 ▼a 519.50285 ▼2 DDCK
090 ▼a 519.50285 ▼b 2019z7
100 1 ▼a Efron, Bradley
245 1 0 ▼a 컴퓨터 시대의 통계적 추론 : ▼b 알고리즘과 추론의 관계와 역할 / ▼d 브래들리 에프론, ▼e 트레버 해스티 지음 ; ▼e 이병욱 옮김
246 1 9 ▼a Computer age statistical inference : ▼b algorithms, evidence, and data science
260 ▼a 서울 : ▼b 에이콘, ▼c 2019
300 ▼a 608 p. : ▼b 천연색삽화, 도표 ; ▼c 24 cm
504 ▼a 참고문헌(p. 591-604)과 색인수록
650 0 ▼a Mathematical statistics ▼x Data processing
700 1 ▼a Hastie, Trevor, ▼e
700 1 ▼a 이병욱, ▼e
900 1 0 ▼a 에프론, 브래들리, ▼e
900 1 0 ▼a 해스티, 트레버, ▼e
945 ▼a KLPA

No. Location Call Number Accession No. Availability Due Date Make a Reservation Service
No. 1 Location Main Library/Monographs(3F)/ Call Number 519.50285 2019z7 Accession No. 111809535 Availability Available Due Date Make a Reservation Service B M
No. 2 Location Science & Engineering Library/Sci-Info(Stacks1)/ Call Number 519.50285 2019z7 Accession No. 121248859 Availability Available Due Date Make a Reservation Service B M
No. 3 Location Sejong Academic Information Center/Science & Technology/ Call Number 519.50285 2019z7 Accession No. 151354247 Availability Available Due Date Make a Reservation Service M
No. Location Call Number Accession No. Availability Due Date Make a Reservation Service
No. 1 Location Main Library/Monographs(3F)/ Call Number 519.50285 2019z7 Accession No. 111809535 Availability Available Due Date Make a Reservation Service B M
No. Location Call Number Accession No. Availability Due Date Make a Reservation Service
No. 1 Location Science & Engineering Library/Sci-Info(Stacks1)/ Call Number 519.50285 2019z7 Accession No. 121248859 Availability Available Due Date Make a Reservation Service B M
No. Location Call Number Accession No. Availability Due Date Make a Reservation Service
No. 1 Location Sejong Academic Information Center/Science & Technology/ Call Number 519.50285 2019z7 Accession No. 151354247 Availability Available Due Date Make a Reservation Service M

Contents information

Book Introduction

베이즈 규칙이 발견된 1763년부터 지금까지, 250년이 넘는 시간 동안의 수많은 알고리즘의 개발과 각 알고리즘의 정확도에 관여된 추론의 발전에 관해 설명하는 책이다. '추론'이 '단순히 알고리즘의 정확도를 말하는 것' 이상의 것임을 보여주며, 빅데이터 시대의 여러 경험적 기법을 세세히 알려준다.

또한 전통적 기법의 시대인 베이즈, 빈도주의, 피셔주의 시대와 컴퓨터가 등장한 초기 시대인 1950년에서 1990년, 그리고 그 이후부터 현재까지의 세 가지 연대를 나눠, 각 시대에 있어 알고리즘과 추론의 발전에 대해 설명한다. 각 장은 서로 연관돼 있으면서도 독립적으로 읽을 수 있도록 구성돼 있다.

★ 이 책에서 다루는 내용 ★

21세기는 그 영역과 영향 모두에서 통계적 기법이 숨 막힐 정도로 확장돼 왔다. 통계적 기법이 현대 과학과 상거래의 방대한 데이터 집합을 다루게 되면서, 이제 '빅테이터', '데이터 과학', '머신 러닝'이라는 말은 신문 지상에서 흔히 접하는 용어가 됐다. 어떻게 여기까지 오게 됐을까? 그리고 어디로 향하고 있는 것일까?
이 책은 우리를 1950년대 전자식 컴퓨터가 등장한 이래 이어져온 데이터 분석의 혁신을 향한 신나는 여행으로 데려간다. 전통적 추론 이론인 베이즈, 빈도주의, 피셔에서 출발해 각 장은 일련의 영향력 있는 주제를 다룬다. 생존 분석, 로지스틱 회귀, 경험적 베이즈, 잭나이프와 부트스트랩, 랜덤 포레스트, 신경망, 마르코프 체인 몬테 카를로, 모델 선정 후 추론 등 수십 가지 주제가 있으며, 현대적 기법을 통해 방법론과 알고리즘을 통계적 추론과 통합한다. 이 책은 통계학과 데이터 과학의 미래 방향을 예측하는 것으로 결론을 내린다.


Information Provided By: : Aladin

Author Introduction

트레버 헤이스티(지은이)

통계학 및 생물의학 데이터 과학 교수다. 현대 데이터 분석 분야의 필독서로 꼽히는 『Elements of Statistical Learning, Second Edition』(Springer, 2016)의 공동 저자며, 일반 가첨(additive) 모델과 주요 곡선, R 컴퓨팅 환경에 대한 공로로 잘 알려져 있다. 2014년 통계적 혁신 부문의 '엠마누엘(Emmanuel)과 캐롤 파르젠(Carol Parzen) 상'을 수상했다.

브래들리 에프론(지은이)

스탠퍼드 대학교의 통계학 및 생물의학 데이터 과학 교수다. 하버드, 버클리, 임페리얼 칼리지 런던의 객원 교수 직책을 맡았다. 또한 통계적 추론에 대해 심도 있는 연구를 수행했으며, 부트스트랩 표본 기법을 발명했다. 2005년 '국가 과학(National Medal of Science) 상'을 수상했고, 2014년 왕립통계학회(Royal Statistical Society)의 '가이 메달(Guy Medal) 금상'을 수상했다.

이병욱(옮긴이)

(주)크라스랩 대표 이사이자 서울과학종합대학원 디지털금융 MBA 주임교수를 맡고 있다. 한국과학기술원(KAIST) 전산학과 계산이론 연구실에서 학사 및 석사학위를 취득했다. 공학을 전공한 금융 전문가로 세계 최초의 핸드 헬드-PC(Handheld-PC) 개발에 참여해 한글 윈도우 CE 1.0과 2.0을 마이크로 소프트 사에서 공동 개발했다. 1999년에는 전 보험사 보험료 실시간 비교 서비스를 제공하는 핀테크 전문회사인 (주)보험넷을 창업해 업계에 큰 반향을 불러일으켰다. 이후 삼성생명을 비롯한 생명 및 손해 보험사에서 CMO(마케팅 총괄 상무), CSMO(영업 및 마케팅 총괄 전무) 등을 역임하면서 혁신적인 상품과 서비스를 개발 및 총괄했다. 세계 최초로 파생 상품 ELS를 기초 자산으로 한 변액 보험을 개발해 단일 보험 상품으로 5,000억 원 이상 판매되는 돌풍을 일으켰고, 매일 분산 투자하는 일 분산 투자(daily averaging) 변액 보험을 세계 최초로 개발해 상품 판매 독점권을 획득했다. 최근에는 머신러닝 기반의 금융 분석과 블록체인에 관심을 갖고 다양한 활동을 하고 있다. 저서로는 『블록체인 해설서』(에이콘, 2019)와 『비트코인과 블록체인, 가상자산의 실체 2/e』(에이콘, 2020)이 있다.

Information Provided By: : Aladin

Table of Contents

이 책에 쏟아진 찬사 
지은이 소개 
감사의 글 
옮긴이 소개 
옮긴이의 말 
컴퓨터 시대의 통계적 추론 
들어가며 
표기법 

1부. 전통적인 통계적 추론 

01장. 알고리즘과 추론 
__1.1 회귀 예제 
__1.2 가설 검정 
__1.3 주석 및 상세 설명 

02장. 빈도주의 추론 
__2.1 실제에서의 빈도주의 
__2.2 빈도주의 최적성 
__2.3 주석 및 상세 설명 

03장. 베이즈 추론 
__3.1 두 가지 예제 
__3.2 불충분 정보 사전 분포 
__3.3 빈도주의 추론의 결함 
__3.4 베이즈/빈도주의 비교 리스트 
__3.5 주석 및 상세 설명 

04장. 피셔 추론과 최대 우도 예측 
__4.1 우도와 최대 우도 
__4.2 피셔 정보와 MLE 
__4.3 조건부 추론 
__4.4 순열과 랜덤화 
__4.5 주석 및 상세 설명 

05장. 모수적 모델과 지수 패밀리 
__5.1 일변량 패밀리 
__5.2 다변량 정규분포 
__5.3 다모수 패밀리의 피셔 정보 경계 
__5.4 다항분포 
__5.5 지수 패밀리 
__5.6 주석 및 상세 설명 

2부. 초기 컴퓨터 시대 기법 

06장. 경험적 베이즈 
__6.1 로빈의 공식 
__6.2 누락된 종 문제 
__6.3 의학 예제 
__6.4 간접 증거 1 
__6.5 주석 및 상세 설명 

07장. 제임스-스타인 추정과 리지 회귀 
__7.1 제임스-스타인 추정기 
__7.2 야구 선수들 
__7.3 리지 회귀 
__7.4 간접 증거 2 
__7.5 주석 및 상세 설명 

08장. 일반화된 선형 모델과 회귀 트리 
__8.1 로지스틱 회귀 
__8.2 일반화 선형 모델 
__8.3 포아송 회귀 
__8.4 회귀 트리 
__8.5 주석 및 상세 설명 

09장. 생존 분석과 EM 알고리즘 
__9.1 생명표와 위험률 
__9.2 검열된 데이터와 카플란-마이어 추정 
__9.3 로그 순위 검정 
__9.4 비례적 위험률 모델 
__9.5 누락 데이터와 EM 알고리즘 
__9.6 주석 및 상세 설명 

10장. 잭나이프와 부트스트랩 
__10.1 표준오차에 대한 잭나이프 추정 
__10.2 비모수적 부트스트랩 
__10.3 재표본추출 계획 
__10.4 모수적 부트스트랩 
__10.5 영향 함수와 안정적 추정 
__10.6 주석 및 상세 설명 

11장. 부트스트랩 신뢰구간 
__11.1 단일 모수 문제에 대한 네이만의 구성 
__11.2 퍼센타일 기법 
__11.3 편향 수정 신뢰구간 
__11.4 2차 정확성 
__11.5 부트스트랩-t 구간 
__11.6 객관적 베이즈 구간과 신뢰분포 
__11.7 주석 및 상세 설명 

12장. 교차 검증과 Cp 예측 오차 추정 
__12.1 예측 규칙 
__12.2 교차 검증 
__12.3 공분산 페널티 
__12.4 훈련, 검증, 단기 예측 변수 
__12.5 주석 및 상세 설명 

13장. 객관적 베이즈 추론과 마르코프 체인 몬테 카를로 
__13.1 객관적 사전 분포 
__13.2 켤레 사전 분포 
__13.3 모델 선택과 베이즈 정보 기준 
__13.4 깁스 표본과 MCMC 
__13.5 예제: 개체군 혼합물 모델링 
__13.6 주석 및 상세 설명 

14장. 전후 시대의 통계적 추론과 기법 

3부. 21세기 주제 

15장. 대규모 가설 검정과 거짓 발견율 
__15.1 대규모 검정 
__15.2 거짓 발견율 
__15.3 경험적 베이즈 대규모 검정 
__15.4 지역 거짓 발견율 
__15.5 귀무분포의 선택 
__15.6 연관성 
__15.7 주석 및 상세 설명 

16장. 희소 모델링과 라소 
__16.1 전방 단계별 회귀 
__16.2 라소 
__16.3 라소 모델 적합화 
__16.4 최소각 회귀 
__16.5 일반화된 라소 모델 적합화 
__16.6 라소를 위한 선택-후 추론 
__16.7 연결과 확장 
__16.8 주석 및 상세 설명 

17장. 랜덤 포레스트와 부스팅 
__17.1 랜덤 포레스트 
__17.2 제곱 오차 손실 함수를 사용한 부스팅 
__17.3 그래디언트 부스팅 
__17.4 에이다부스트: 원래의 부스팅 알고리즘 
__17.5 연결과 확장 
__17.6 주석 및 상세 설명 

18장. 신경망과 딥러닝 
__18.1 신경망과 필기체 숫자 문제 
__18.2 신경망 적합화 
__18.3 오토인코더 
__18.4 딥러닝 
__18.5 딥 네트워크 학습 
__18.6 주석 및 상세 설명 

19장. 서포트 벡터 머신과 커널 기법 
__19.1 최적 분리 초평면 
__19.2 소프트 마진 분류기 
__19.3 손실 플러스 페널티로서의 SVM 기준 
__19.4 계산과 커널 트릭 
__19.5 커널을 이용한 함수 적합화 
__19.6 예제: 단백질 분류에 대한 문자열 커널 
__19.7 SVM: 결론 
__19.8 커널 평활화와 지역 회귀 
__19.9 주석 및 상세 설명 

20장. 모델 선택 후의 추론 
__20.1 동시 신뢰구간 
__20.2 모델 선택 후 정교함 
__20.3 선택 편향 
__20.4 병합된 베이즈-빈도주의 추정 
__20.5 주석 및 상세 설명 

21장. 경험적 베이즈 추정 전략 
__21.1 베이즈 디컨볼루션 
__21.2 g-모델링과 추정 
__21.3 우도, 정규화, 정확도 
__21.4 두 가지 예제 
__21.5 일반적 선형 혼합 모델 
__21.6 디컨볼루션과 f-모델링 
__21.7 주석 및 상세 설명 

에필로그 
참고 문헌 
찾아보기

New Arrivals Books in Related Fields

Bertsimas, Dimitris (2022)
Doane, David P (2022)