알라딘

헤더배너
1/0 photos
신간알리미 신청
 상품평점 help

분류

이름:트레버 해이스티 (Trevor Hastie)

최근작
2023년 7월 <컴퓨터 시대의 통계적 추론 (연습문제 포함)>

트레버 해이스티(Trevor Hastie)

통계학과 생물의학 데이터 과학 교수이다. 현대 데이터 분석의 핵심 책인 『통계학으로 배우는 머신러닝 2/e』(에이콘, 2020)의 공저자이다. 일반 가법 모델과 주요 곡선 그리고 R 컴퓨팅 환경에 대한 기여로 잘 알려져 있다. R 컴퓨팅 환경에 대한 공헌을 인정받아 2018년 National Academy of Sciences에 선출됐고, 2019년에는 볼로냐 대학(University of Bologna)으로부터 시길럼 매그넘(Sigillum Magnum)을, 2020년에는 미국 통계 협회로부터 레오 브라이만(Leo Breiman)상을 받았다.  

대표작
모두보기
저자의 말

<통계학으로 배우는 머신러닝 2/e> - 2020년 11월  더보기

통계학 분야는 과학과 산업계가 가져오는 문제로 인해 끊임없이 도전에 직면하고 있다. 초기에는 농업과 산업 관련 실험에서 이러한 문제가 도출됐으며, 상대적으로 범위가 좁았다. 컴퓨터와 정보 시대의 도래로 통계적 문제는 크기와 복잡도 모두에서 폭발적으로 증가했다. 데이터의 저장소, 조직화 그리고 검색 영역에의 문제는 '데이터 마이닝'이라는 새로운 분야로 이어졌다. 생물학과 약학에서의 통계적이고 연산적인 문제는 '생물정보학'을 만들어냈다. 많은 분야에서 막대한 양의 데이터가 만들어지고 있으며, 이 모든 것을 이해하는 것이 통계학자의 일이다. 중요한 패턴과 추세를 추출하고 '데이터가 무엇을 말하는지' 이해하는 것을 데이터로부터의 학습(learning from data)이라 부른다. 데이터로부터의 학습에 관한 도전은 통계적 과학의 혁명으로 이어졌다. 연산이 핵심적인 역할을 맡음에 따라, 컴퓨터 과학이나 공학과 같은 다른 분야의 연구자들이 이러한 새로운 발전의 상당 부분을 해냈다는 것은 놀라운 일이 아니다. 우리가 고려하는 학습 문제는 간략하게 지도 학습과 비지도 학습으로 분류할 수 있다. 지도학습에서의 목표는 입력 측정치의 숫자에 근거해 결과 측정치의 값을 예측하는 것이다. 비지도 학습에서는 결과 측정치가 없으며 입력 측정치 집합 사이의 연관성과 패턴을 나타내는 것이 목표다. 이 책의 의도는 학습에서의 많은 중요하고 새로운 생각들을 한데 모으고 통계적 체계 내에서 설명하는 것이다. 몇몇 수학적 세밀함이 필요하지만, 이들의 이론적 속성보다는 방법과 개념적 토대를 강조하고자 한다. 그에 따라 이 책이 통계학자뿐만 아니라 다양한 분야의 연구자와 실무자의 흥미를 이끌어내길 기대한다. 우리가 통계학 이외의 연구자에게 배운 것이 많은 만큼, 통계적 시야가 독자들이 학습의 다른 면을 더 잘 이해하는 데 도움이 될 수 있을 것이다.

가나다별 가 l 나 l 다 l 라 l 마 l 바 l 사 l 아 l 자 l 차 l 카 l 타 l 파 l 하 l 기타
국내문학상수상자
국내어린이문학상수상자
해외문학상수상자
해외어린이문학상수상자

(주)알라딘커뮤니케이션

대표이사 최우경 고객정보보호 책임자 최우경 사업자등록 201-81-23094 통신판매업신고 중구01520호 이메일 privacy@aladin.co.kr 호스팅 제공자 알라딘커뮤니케이션 (본사) 서울시 중구 서소문로 89-31
ⓒ Aladin Communication. All Rights Reserved.

고객센터 1544-2514 (발신자 부담)

서울시 마포구 백범로 71 숨도빌딩 7층 Fax 02-6926-2600
1:1 문의 FAQ
중고매장 위치, 영업시간 안내