Introduction and Motivation

이 책은 머신러닝에 관한 수학들을 두가지 방법으로 이해시키고자 한다.

1. Bottom-up
   개념을 기본적인 것에서 점차 깊게 들어가는 방식으로 이방법은 이전에 배운 개념들에 의존하기 때문에 가장 선호되는 접근 방식이나 이러한 방식은 동기부여가 부족하여 대부분의 기본개념들을 빠르게 잊어버리게 될 수 있다.

2. Top-down
   실용적인 요구에 의해 먼저 특정한 분야를 정하고 필요에 따라 기본적인 개념들을 배워 나가는 방식으로 동기부여는 충분하게 되나 기본지식이 불안정하게 되는 단점이 있다.

이 책은 위의 두가지 방식을 모두 사용하여 머신러닝 수학을 설명하고자 한다.

이 책은 머신러닝을 4가지 중요한 요소로 나누어 설명하고자 한다.

1. 회귀 (regression)
2. 차원 축소 (dimensionality reduction)
3. 밀도 추정 (density estimation)
4. 분류 (classification)