Intro

MML 책의 첫 번째 파트에서느 많은 머신러닝 methods의 기반을 쌓기 위한 수학에 대해서 살펴봤습니다. 이 책의 두 번째 파트의 시작인 8장부터는 머신러닝의 4가지 기본 내용을 살펴봅니다.

• Regression (9장)
• Dimensionality reduction (10장)
• Density estimation (11장)
• Classification (12장)

두 번째 파트에서의 주요 목적은 첫 번째 파트에서 살펴봤던 수학적인 개념들을 사용하여 어떻게 머신러닝 알고리즘을 설계하는지 알아봅니다. 고급 머신러닝 개념을 소개하는 것보다는 첫 번째 파트에서 살펴본 수학적 개념들을 적용하는 practical methods를 살펴보는데 중점을 둡니다.