데이터 과학의 수학적 기초를 다루는 새 책

Mathematics of Data Science

arXiv에 게재된 이 책은 데이터 과학의 수학적 기반을 포괄적으로 다룹니다. 고차원 공간의 저주와 축복, SVD와 PCA, 선형 회귀와 정규화, 그래프와 클러스터링, 비선형 차원 축소, 랜덤 프로젝션, 최적화, 분류, 딥러닝의 수학적 입문, 그래프 라플라시안의 대표본 극한, 농도 부등식, 압축 센싱, 저랭크 행렬 복원 등 16개 장으로 구성되어 있습니다. 머신러닝과 인공지능 연구자에게 유용한 수학적 도구를 제공합니다.