New

존 헐의 비즈니스 금융 머신러닝 2/e [데이터 사이언스 세계로의 초대]

  • 원서명Machine Learning in Business, Second Edition: An Introduction to the World of Data Science (ISBN 9798644074372)
  • 지은이존 헐(John C. Hull)
  • 옮긴이이기홍
  • ISBN : 9791161754987
  • 25,000원
  • 2021년 03월 29일 펴냄
  • 페이퍼백 | 298쪽 | 152*228mm

책 소개

소스 코드 파일은 여기에서 내려 받으실 수 있습니다.

요약

회귀분석, 로지스틱 회귀, KNN, 의사결정트리, SVM, 나이브 베이즈, 군집화, 차원축소 등의 다양한 고전적 머신러닝 기법뿐 아니라 신경망과 강화학습의 최신 기법도 최소한의 수학 지식으로 직관적으로 이해할 수 있도록 알려준다. 파생상품 교과서로 유명한 존 헐 교수의 방식대로 어려운 개념을 현실적인 예제와 간단한 수식으로 일반 독자도 잘 이해할 수 있도록 풀어쓴 책이다.

이 책에서 다루는 내용

■ 인기 있는 머신러닝 알고리즘에 대한 명확하고 간결한 설명
■ 머신러닝이 비즈니스에 적용되는 응용 사례
■ 매니저들이 데이터 과학자와 생산적으로 협업하는 데 필요한 지식
■ 데이터, 워크시트와 파이썬 코드 제공

이 책의 대상 독자

경영대학 학생들과 경영진들에게 머신러닝 입문 과정을 가르친 경험을 바탕으로 쓴 책이다. 이 책의 목적은 독자를 데이터 과학자로 전환하기 위한 것이 아니다. 대신 독자들에게 데이터 과학자가 사용하는 도구와 자신이 조직의 목적을 어떻게 진전시킬 수 있는지 이해할 수 있도록 돕는 것이다.

저자/역자 소개

지은이의 말

대부분의 학생은 머신러닝의 영향력이 점점 더 커지는 세상에서 살아남으려면 머신러닝에 대한 지식이 필요하다는 것을 인지하고 있다. 오늘날, 모든 임원은 컴퓨터를 다루는 방법을 알아야 한다. 더 나아가 가까운 시일 내에 모든 임원은 생산성을 향상시키기 위해 데이터셋을 관리하고 데이터 과학 전문가들과 함께 일하는 것에 익숙해져야 한다.
이 책에서는 행렬이나 벡터 대수학을 사용하지 않았고 미적분학을 사용하지 않았다. 이러한 학문 분야들이 전문가들에게 도움을 줄 수는 있지만, 경험상 대부분의 경영대학 학생들과 경영진들은 수학적인 부분을 불편해했다. 이 책은 데이터 과학자가 가장 많이 사용하는 알고리즘을 설명한다. 이를 통해 독자는 특정 상황에 대한 장단점을 평가하고 데이터 과학 전문가와 함께 생산적으로 작업할 수 있다. 알고리즘은 다양한 데이터셋으로 설명하며, 데이터셋은 저자의 웹사이트(www-2.rotman.utoronto.ca/~hull)에서 다운로드할 수 있다.
엑셀 시트와 파이썬 코드가 데이터셋을 수반한다. 실제로 내가 가르치는 모든 학생은 수업을 듣기 이전에 엑셀에 친숙하다. 저자는 학생들이 파이썬에 대해서도 편하게 다룰 수 있기를 바란다. 학생들은 이미 코딩 기술이 경영의 많은 직업의 전제조건이 되고 있음을 인지하고 있다.
저자의 웹사이트에서 수백 개의 파워포인트 슬라이드를 다운로드할 수 있다. 이 책을 채택하기로 선택한 강사들은 자신의 필요에 맞게 슬라이드를 수정할 수 있다.

지은이 소개

존 헐(John C. Hull)

토론토 대학 조셉 엘 로트만 경영대학원의 대학교수다. 이 책을 쓰기 전에 파생상품과 위험관리 분야에서 베스트셀러 3권을 썼다. 그의 책 모두 실무 적용에 초점을 두고 있으며, 저자는 저서가 실무자와 대학 시장에서 동등하게 잘 팔린다는 것을 자랑스럽게 생각한다. 그리고 그는 금융 혁신의 모든 측면에서 연구와 교육 자료를 개발하는 로트맨의 금융 혁신 연구소 핀허브의 학술 이사다. 전 세계의 많은 기업을 위해 자문해 왔고 토론토 대학의 권위 있는 노스럽 프리에 상을 포함한 많은 교수 상을 받았다.

옮긴이의 말

머신러닝이 일상용어로 사용되는 현시점에서 경영대에서는 머신러닝을 어떻게 가르쳐야 할까에 대한 의문이 있을 수 있다. 존 헐은 이 책에서 이에 대한 해답을 명쾌하게 제공한다. 본서는 다양한 고전적 머신러닝 기법뿐 아니라 신경망과 강화학습의 최신 기법들도 최소한의 수학지식으로 직관적으로 이해할 수 있도록 소개하고 있다. 파생상품 교과서로 유명한 존 헐 교수의 방식대로, 어려운 개념을 현실적인 예제와 간단한 수식으로 일반 독자들도 잘 이해할 수 있도록 풀어쓴 책으로 생각하면 될 것 같다.
과연 머신러닝이 경영학 특히 금융에 어떻게 적용되는지 현실적인 문제를 더욱 중요하게 다룸으로써 독자들에게 생생하게 다가오고 있다. 또한 최근 가장 뜨거운 주제로 대두되고 있는 머신러닝의 해석성과 사회적 이슈 등의 중요한 문제를 잘 설명하고 있다. 데이터 과학을 경영에서 활용하고자 하는 사람들과 머신러닝을 특히 금융에 적용하고자 하는 사람들에게 입문서로서 최적의 책이 아닌가 생각이 된다.
고급 수학과 현란한 컴퓨터 프로그래밍 기법으로 머신러닝•딥러닝을 표현할 수도 있지만, 본서와 같이 직관적으로 이해를 할 수 있는 책도 필요하다. 그렇다고 해서 결코 쉽게만 저술한 책이 아니므로, 현재 존재하는 아주 초보적인 책과 고급 수준의 저서의 격차를 메우는 데도 도움이 되리라 본다. 더욱이 본서의 예제들은 존 헐 교수의 홈페이지에서 제공하는 파이썬 코드와 데이터로 실습을 할 수 있어 이해를 더욱 돋울 수 있다고 본다.
많은 사람이 본서로부터 영감을 얻어 실생활, 특히 경영/금융에 데이터 기반의 의사결정체계를 도입하고 그 안에서 머신러닝을 활용하기를 바란다.

옮긴이 소개

이기홍

카네기멜론 대학교에서 석사 학위를 받았고, 피츠버그 대학교 Finance Ph.D, CFA, FRM이며 금융, 투자, 경제분석 전문가다. 삼성생명, HSBC, 새마을금고 중앙회, 한국투자공사 등과 같은 국내 유수의 금융 기관, 금융 공기업에서 자산운용 포트폴리오 매니저로 근무했으며, 현재 딥러닝과 강화학습을 금융에 접목시켜 이를 전파하고 저변을 확대하는 것을 보람으로 삼고 있다. 저서(공저)로는 『엑셀 VBA로 쉽게 배우는 금융공학 프로그래밍』(한빛미디어, 2009)이 있으며, 번역서로는 『포트폴리오 성공 운용』(미래에셋투자교육연구소, 2010), 『딥러닝 부트캠프 with 케라스』(길벗, 2017), 『프로그래머를 위한 기초 해석학』(길벗, 2018)과 에이콘출판사에서 펴낸 『실용 최적화 알고리즘』(2020), 『초과 수익을 찾아서 2/e』(2020), 『자산운용을 위한 금융 머신러닝』(2020), 『실전 알고리즘 트레이딩 배우기』(2021) 등이 있다. 누구나 자유롭게 머신러닝과 딥러닝을 자신의 연구나 업무에 적용해 활용하는 그날이 오기를 바라며 매진하고 있다.

목차

목차
  • 1장. 소개
  • 1.1 본서와 부속 자료
  • 1.2 머신러닝 모델의 종류
  • 1.3 검증 및 테스트
  • 1.4 데이터 정제
    • 일관성이 없는 기록
    • 원하지 않는 관측치
    • 중복 관측치
    • 특이치
    • 결측 데이터
  • 1.5 베이즈 정리
    • 요약
    • 짧은 개념 질문
    • 연습문제

  • 2장. 비지도학습
  • 2.1 특성 스케일링
  • 2.2 k - 평균 알고리즘
  • 2.3 k 선택하기
  • 2.4 차원의 저주
  • 2.5 국가 위험
  • 2.6 다른 군집화 접근 방식
  • 2.7 주성분 분석
    • 요약
    • 짧은 개념 질문
    • 연습문제

  • 3장. 지도학습: 선형과 로지스틱 회귀
  • 3.1 선형 회귀: 한 개의 특성
  • 3.2 선형 회귀: 여러 특성
    • 그래디언트 하강 알고리즘
    • 다항식 회귀 분석
    • 회귀 통계량
  • 3.3 범주형 특성
    • 더미변수 함정
  • 3.4 규제화
  • 3.5 릿지 회귀
  • 3.6 라쏘 회귀
  • 3.7 일래스틱넷 회귀
  • 3.8 주택가격 데이터 결과
  • 3.9 로지스틱 회귀
  • 3.10 결정 기준
  • 3.11 신용 결정에 대한 응용
  • 3.12 k - 최근접 이웃 알고리즘
    • 요약
    • 짧은 개념 질문
    • 연습문제

  • 4장. 의사결정 트리
  • 4.1 의사결정 트리의 성격
  • 4.2 정보 이득 척도
  • 4.3 신용결정에의 응용
  • 4.4 나이브 베이즈 분류기
  • 4.5 연속형 타깃변수
  • 4.6 앙상블 학습
    • 배깅
    • 랜덤 포레스트
    • 부스팅
    • 요약
    • 짧은 개념 질문
    • 연습문제

  • 5장. 지도학습: SVM
  • 5.1 선형 SVM 분류
  • 5.2 소프트 마진을 위한 수정
  • 5.3 비선형 분리
  • 5.4 연속변수 예측
    • 요약
    • 짧은 개념 질문
    • 연습문제

  • 6장. 지도학습: 신경망
  • 6.1 단일층 ANN
  • 6.2 다층 ANN
  • 6.3 그래디언트 하강 알고리즘
    • 다중 파라미터
  • 6.4 기본방법의 변형
  • 6.5 종료 규칙
  • 6.6 블랙 - 숄즈 - 머튼 공식
  • 6.7 확장
  • 6.8 오토인코더
  • 6.9 합성곱 신경망
  • 6.10 순환 신경망
    • 요약
    • 짧은 개념 질문
    • 연습문제

  • 7장. 강화학습
  • 7.1 멀티암드 밴딧 문제
  • 7.2 변화하는 환경
  • 7.3 님 게임
  • 7.4 시차학습
  • 7.5 딥 Q - 러닝
  • 7.6 응용
    • 요약
    • 짧은 개념 질문
    • 연습문제

  • 8장. 자연어 처리
  • 8.1 데이터 원천
  • 8.2 전처리
  • 8.3 단어 주머니 모델
  • 8.4 나이브 베이즈 분류기의 적용
  • 8.5 다른 알고리즘의 적용
  • 8.6 정보 검색
  • 8.7 다른 자연어 응용
    • 요약
    • 짧은 개념 질문
    • 연습문제

  • 9장. 모델 해석성
  • 9.1 선형회귀
  • 9.2 로지스틱 회귀 분석
  • 9.3 블랙박스 모델
  • 9.4 샤플리값
  • 9.5 라임
    • 요약
    • 간단한 개념 질문
    • 연습문제

  • 10장. 금융에서의 응용
  • 10.1 파생상품
  • 10.2 델타
  • 10.3 변동성 표면
  • 10.4 변동성 표면 움직임의 이해
  • 10.5 헷징을 위한 강화학습 사용
  • 10.6 확장
  • 10.7 기타 금융 애플리케이션
    • 요약
    • 짧은 개념 질문
    • 연습문제

  • 11장. 사회적 이슈
  • 11.1 데이터 보안성
  • 11.2 편향
  • 11.3 윤리
  • 11.4 투명성
  • 11.5 적대적 머신러닝
  • 11.6 법적 이슈
  • 11.7 인간 대 머신

    • 연습문제 해답
    • 용어 사전

도서 오류 신고

도서 오류 신고

에이콘출판사에 관심을 가져 주셔서 고맙습니다. 도서의 오탈자 정보를 알려주시면 다음 개정판 인쇄 시 반영하겠습니다.

오탈자 정보는 다음과 같이 입력해 주시면 됩니다.

(예시) p.100 아래에서 3행 : '몇일'동안 -> 며칠동안