실제로 쓰이는 이산수학

목차 (Table of Contents)

• 목차
• 기여한 사람들 = 5
• 머리글 = 11
• 역자 머리말 = 17
• 제Ⅰ부 이산수학의 기본 개념 = 21
• CHAPTER 1 핵심 개념, 표기법, 집합론, 관계, 함수 = 23
• 이산수학이란 무엇인가? = 24
• 기초 집합론 = 27
• 함수와 관계 = 35
• 요약 = 39
• CHAPTER 2 형식 논리와 수학적 증명 = 41
• 진리표에 의한 형식 논리와 증명 = 42
• 직접 증명 = 55
• 모순에 의한 증명 = 59
• 수학적 귀납법에 의한 증명 = 64
• 요약 = 71
• CHAPTER 3 n-진수를 사용하여 계산하기 = 73
• n-진수 이해하기 = 74
• 진법 간 변환하기 = 76
• 이진수와 그 응용 = 79
• 16진수와 그 응용 = 89
• 요약 = 95
• CHAPTER 4 SciPy를 이용한 조합론 = 97
• 기본 셈 규칙 = 98
• 순열과 조합 = 101
• 메모리 할당에 대한 응용 = 108
• 브루트 포스 알고리즘의 성능 = 111
• 요약 = 118
• CHAPTER 5 이산확률의 기본원리 = 119
• 이산확률의 기초 = 120
• 조건부확률과 베이즈 정리 = 131
• 베이지안 스팸 필터링 = 135
• 확률변수, 평균, 분산 = 137
• 구글 페이지랭크 Ⅰ = 142
• 요약 = 146
• 제Ⅱ부 데이터 과학과 컴퓨터 과학에서의 이산수학 구현 = 147
• CHAPTER 6 선형대수의 계산 알고리즘 = 149
• 연립일차방정식 이해하기 = 150
• 행렬 그리고 연립일차방정식의 행렬 표현 = 160
• 가우스 소거법을 이용한 소규모 선형 시스템 풀기 = 170
• NumPy를 이용한 대규모 선형 시스템 풀기 = 177
• 요약 = 183
• CHAPTER 7 알고리즘의 계산 복잡도 = 185
• 알고리즘의 계산 복잡도 = 186
• Big-O 표기법 이해하기 = 192
• 기본 제어 구조를 포함하는 알고리즘의 복잡도 = 200
• 일반적인 탐색 알고리즘의 복잡도 = 209
• 계산 복잡도 클래스 = 215
• 요약 = 219
• 참고문헌 = 219
• CHAPTER 8 그래프, 트리, 네트워크의 저장과 특성 뽑아내기 = 221
• 그래프, 트리, 네트워크 이해하기 = 222
• 그래프, 트리, 네트워크 사용하기 = 232
• 그래프와 네트워크 저장하기 = 235
• 그래프의 특성 추출 = 246
• 요약 = 253
• CHAPTER 9 데이터 구조 탐색하기와 최단 경로 찾기 = 255
• 그래프와 트리 데이터 구조의 탐색 = 256
• 깊이 우선 탐색(DFS) = 257
• 최단 경로 문제와 이의 변형 = 264
• 브루트 포스 기법을 사용한 최단 경로 찾기 = 272
• 최단 경로 탐색을 위한 다익스트라 알고리즘 = 275
• 다익스트라 알고리즘의 파이썬 구현 = 283
• 요약 = 294
• 제Ⅲ부 이산수학의 실제 적용 = 297
• CHAPTER 10 NumPy와 Scikit-Learn을 사용하는 회귀분석 = 299
• 데이터세트 = 300
• 최적합직선과 최소제곱법 = 302
• NumPy를 사용한 최소제곱직선 = 310
• NumPy 및 SciPy를 사용하는 최소제곱곡선 = 316
• NumPy 및 SciPy를 사용하는 최소제곱평면 = 320
• 요약 = 324
• CHAPTER 11 페이지랭크를 사용하는 웹 검색 = 325
• 시대별 검색 엔진의 발전 = 326
• 구글 페이지랭크 Ⅱ = 328
• 파이썬으로 페이지랭크 알고리즘 구현 = 337
• 실제 데이터에 알고리즘 적용 = 345
• 요약 = 351
• CHAPTER 12 Scikit-Learn을 사용하는 주성분 분석 = 353
• 고윳값, 고유벡터, 직교기저의 이해 = 354
• 차원 축소를 위한 주성분 분석 접근법 = 363
• PCA의 scikit-learn를 이용한 PCA 구현 = 369
• 실제 데이터에 PCA 적용 = 374
• 요약 = 379