Name: 개정판｜파이썬 라이브러리를 활용한 머신러닝
Price: 26400 KRW
Availability: OnlineOnly
Author: 안드레아스 뮐러, 세라 가이도

개정판｜파이썬 라이브러리를 활용한 머신러닝작품 소개

<개정판｜파이썬 라이브러리를 활용한 머신러닝>

사이킷런 핵심 개발자에게 배우는 머신러닝 이론과 구현

현업에서 머신러닝을 연구하고 인공지능 서비스를 개발하기 위해 꼭 학위를 받을 필요는 없습니다. 사이킷런(scikit-learn)과 같은 훌륭한 머신러닝 라이브러리가 복잡하고 난해한 작업을 직관적인 인터페이스로 감싸주는 덕분이죠. 이 책에서는 사이킷런의 핵심 개발자가 복잡한 수학을 동원하지 않고 실용적으로 머신러닝을 구축하는 모든 단계를 설명합니다. 미적분, 선형대수, 확률 이론을 공부하지 않았어도 이 책을 통해 머신러닝을 활용할 수 있게 될 것입니다.

※ 본 번역개정2판은 scikit-learn 업데이트에 따라 전반적으로 내용을 갱신한 원서 4쇄를 기반으로 합니다. 오탈자를 바로잡고, 시각적 편의를 위해 풀컬러로 인쇄했습니다.

출판사 서평

실제 문제에 대한 해법을 찾는 머신러닝 기술자를 위한 본격 머신러닝 입문서

사이킷런 1.x 버전을 반영하고 구글 코랩에서 실습 가능한 번역개정2판

이 책은 머신러닝 알고리즘을 밑바닥부터 만드는 법을 다루지는 ‘않으며’, 대신 사이킷런과 다른 라이브러리에 이미 구현된 방대한 양의 모델을 사용하는 법에 집중합니다. 머신러닝과 인공지능에 대한 사전 지식이 필요 없는 입문서로, 파이썬과 사이킷런을 중심으로 머신러닝 애플리케이션을 성공적으로 만드는 모든 단계를 밟아갑니다. 여기서 소개하는 방법들은 상용 애플리케이션을 만드는 데이터 전문가는 물론 연구자와 과학자에게도 도움이 될 것입니다. 파이썬과 NumPy, matplotlib 라이브러리에 친숙하다면 이 책의 대부분을 이해할 수 있습니다.

★ 번역개정2판의 특징

본 번역개정판은 원서 4쇄를 기반으로 하며, 초판 발행 이후 알려진 오탈자를 모두 바로잡았습니다. 또한 scikit-learn 1.x 버전 릴리스에 따라 전반적으로 내용을 업데이트했습니다. 나아가 구글 코랩에서 실습이 가능하도록 전반적으로 수정했습니다.

주요 내용

머신러닝의 기본 개념과 응용
널리 사용되는 머신러닝 알고리즘의 장점과 단점
머신러닝으로 처리한 데이터를 표현하는 방법
모델 평가와 매개변수 튜닝을 위한 고급 방법
체인 모델과 워크플로 캡슐화를 위한 파이프라인
텍스트 데이터를 다루는 기술
머신러닝과 데이터 과학 기술 향상을 위한 조언

추천사

이 책은 사이킷런이 제공하는 핵심 알고리즘들의 사용법을 알려줍니다. 여기에 정성 가득한 역자주까지 더해져서, 머신러닝에 입문하는 파이썬 개발자에게는 더할 나위 없는 선물입니다.

_오동권, 니트머스 CTO

이 책은 복잡한 수식은 걷어내고 사이킷런을 기반으로 각 머신러닝 알고리즘의 원리와 구현 방법을 다양한 예제로 설명합니다. 약간의 프로그래밍 지식만 있다면 복잡한 이론적 배경 없이도 혼자 학습하기 좋은 책입니다.

_이상훈, 삼성생명 DA Lab

_‘한국 스파크 사용자 모임’ 운영자, 『실시간 분석의 모든 것』 역자

머신러닝 시장을 선도하는 라이브러리의 핵심 개발자가 쓰고, ‘텐서플로 코리아 그룹’에서 한국 인공지능 개발자들을 위해 애써주시는 박해선 님이 우리말로 옮겼습니다. 중간중간 받아본 번역 원고에서 느껴지는 저자와 역자의 내공과 정성에 감명받았습니다.

_개앞맵시, 『밑바닥부터 시작하는 딥러닝』 역자

파이썬으로 머신러닝을 시작하려는 사람을 위한 환상적인 안내서입니다. 제가 사이킷런을 시작했을 때 이 책이 없던 게 한스러울 따름입니다!

_해나 월릭, 마이크로소프트 리서치 선임 연구원

저자 프로필

저자
- 안드레아스 뮐러
- 세라 가이도
번역
- 박해선

안드레아스 뮐러

국적 미국

2017.06.29. 업데이트 작가 프로필 수정 요청

대표 저서

상세페이지 바로가기

참여

저자 소개

저자
안드레아스 뮐러

독일 본(Bonn) 대학교에서 머신러닝으로 박사 학위를 받았습니다. 1년간 아마존의 컴퓨터 비전 응용 부서에서 머신러닝 연구자로 일한 뒤 뉴욕 대학교의 데이터 과학 센터에 합류했고, 현재는 컬럼비아 대학교에서 ‘Applied Machine Learning’ 과목을 가르치고 있습니다. 지난 4년 동안 학계와 산업계에서 널리 사용하는 머신러닝 툴킷인 사이킷런의 핵심 기여자와 관리자로 활동했습니다. 또 잘 알려진 여러 머신러닝 패키지를 직접 만들거나 개발에 참여했습니다. 뮐러의 소망은 머신러닝 애플리케이션 개발의 진입 장벽을 낮추고, 수준 높은 머신러닝 알고리즘을 손쉽게 사용할 수 있는 공개 툴을 만드는 것입니다.

세라 가이도저자
세라 가이도

오랫동안 스타트업에서 일해온 데이터 과학자이자 뛰어난 콘퍼런스 발표자입니다. 파이썬, 머신러닝, 대량의 데이터와 기술 세계를 좋아합니다. 미시간 대학교의 대학원에 입학했으며, 지금은 뉴욕에 거주하고 있습니다.

박해선역자
박해선

기계공학을 전공했지만 졸업 후엔 줄곧 코드를 읽고 쓰는 일을 했습니다. 텐서플로 블로그(tensorflow.blog)를 운영하고 있고, 머신러닝과 딥러닝에 관한 책을 집필하고 번역하면서 소프트웨어와 과학의 경계를 흥미롭게 탐험하고 있습니다. 『혼자 공부하는 머신러닝+딥러닝』(한빛미디어, 2020), 『Do it! 딥러닝 입문』(이지스퍼블리싱, 2019)을 집필했습니다. 『머신러닝 파워드 애플리케이션』(한빛미디어, 2021), 『머신러닝 교과
서 with 파이썬, 사이킷런, 텐서플로(개정 3판)』(길벗, 2021), 『파이토치로 배우는 자연어 처리』(한빛미디어, 2021), 『딥러닝 일러스트레이티드』(시그마프레스, 2021), 『GAN 인 액션』(한빛미디어, 2020), 『핸즈온 머신러닝(2판)』(한빛미디어, 2020), 『미술관에 GAN 딥러닝』(한빛미디어, 2019), 『파이썬을 활용한 머신러닝 쿡북』(한빛미디어, 2019), 『머신 러닝 교과서 with 파이썬, 사이킷런, 텐서플로』(길벗, 2019), 『케라스 창시자에게 배우는 딥러닝』(길벗, 2018), 『핸즈온 머신러닝』(한빛미디어, 2018), 『텐서플로 첫걸음』(한빛미디어, 2016)을 우리말로 옮겼습니다.

CHAPTER 1 소개

1.1 왜 머신러닝인가?

__1.1.1 머신러닝으로 풀 수 있는 문제

__1.1.2 문제와 데이터 이해하기

1.2 왜 파이썬인가?

1.3 scikit-learn

__1.3.1 scikit-learn 설치

1.4 필수 라이브러리와 도구들

__1.4.1 주피터 노트북

__1.4.2 NumPy

__1.4.3 SciPy

__1.4.4 matplotlib

__1.4.5 pandas

__1.4.6 mglearn

1.5 파이썬 2 vs. 파이썬 3

1.6 이 책에서 사용하는 소프트웨어 버전

1.7 첫 번째 애플리케이션: 붓꽃의 품종 분류

__1.7.1 데이터 적재

__1.7.2 성과 측정: 훈련 데이터와 테스트 데이터

__1.7.3 가장 먼저 할 일: 데이터 살펴보기

__1.7.4 첫 번째 머신러닝 모델: k-최근접 이웃 알고리즘

__1.7.5 예측하기

__1.7.6 모델 평가하기

1.8 요약 및 정리

CHAPTER 2 지도 학습

2.1 분류와 회귀

2.2 일반화, 과대적합, 과소적합

__2.2.1 모델 복잡도와 데이터셋 크기의 관계

2.3 지도 학습 알고리즘

__2.3.1 예제에 사용할 데이터셋

__2.3.2 k-최근접 이웃

__2.3.3 선형 모델

__2.3.4 나이브 베이즈 분류기

__2.3.5 결정 트리

__2.3.6 결정 트리의 앙상블

__2.3.7 (한국어판 부록) 배깅, 엑스트라 트리, 에이다부스트

__2.3.8 커널 서포트 벡터 머신

__2.3.9 신경망(딥러닝)

2.4 분류 예측의 불확실성 추정

__2.4.1 결정 함수

__2.4.2 예측 확률

__2.4.3 다중 분류에서의 불확실성

2.5 요약 및 정리

CHAPTER 3 비지도 학습과 데이터 전처리

3.1 비지도 학습의 종류

3.2 비지도 학습의 도전 과제

3.3 데이터 전처리와 스케일 조정

__3.3.1 여러 가지 전처리 방법

__3.3.2 데이터 변환 적용하기

__3.3.3 (한국어판 부록) QuantileTransformer와 PowerTransformer

__3.3.4 훈련 데이터와 테스트 데이터의 스케일을 같은 방법으로 조정하기

__3.3.5 지도 학습에서 데이터 전처리 효과

3.4 차원 축소, 특성 추출, 매니폴드 학습

__3.4.1 주성분 분석(PCA)

__3.4.2 비음수 행렬 분해(NMF)

__3.4.3 t-SNE를 이용한 매니폴드 학습

3.5 군집

__3.5.1 k-평균 군집

__3.5.2 병합 군집

__3.5.3 DBSCAN

__3.5.4 군집 알고리즘의 비교와 평가

__3.5.5 군집 알고리즘 요약

3.6 요약 및 정리

CHAPTER 4 데이터 표현과 특성 공학

4.1 범주형 변수

__4.1.1 원-핫-인코딩(가변수)

__4.1.2 숫자로 표현된 범주형 특성

4.2 OneHotEncoder와 ColumnTransformer: scikit-learn으로 범주형 변수 다루기

4.3 make_column_transformer로 간편하게 ColumnTransformer 만들기

4.4 구간 분할, 이산화 그리고 선형 모델, 트리 모델

4.5 상호작용과 다항식

4.6 일변량 비선형 변환

4.7 특성 자동 선택

__4.7.1 일변량 통계

__4.7.2 모델 기반 특성 선택

__4.7.3 반복적 특성 선택

4.8 전문가 지식 활용

4.9 요약 및 정리

CHAPTER 5 모델 평가와 성능 향상

5.1 교차 검증

__5.1.1 scikit-learn의 교차 검증

__5.1.2 교차 검증의 장점

__5.1.3 계층별 k-겹 교차 검증과 그외 전략들

__5.1.4 (한국어판 부록) 반복 교차 검증

5.2 그리드 서치

__5.2.1 간단한 그리드 서치

__5.2.2 매개변수 과대적합과 검증 세트

__5.2.3 교차 검증을 사용한 그리드 서치

5.3 평가 지표와 측정

__5.3.1 최종 목표를 기억하라

__5.3.2 이진 분류의 평가 지표

__5.3.3 다중 분류의 평가 지표

__5.3.4 회귀의 평가 지표

__5.3.5 모델 선택에서 평가 지표 사용하기

5.4 요약 및 정리

CHAPTER 6 알고리즘 체인과 파이프라인

6.1 데이터 전처리와 매개변수 선택

6.2 파이프라인 구축하기

6.3 그리드 서치에 파이프라인 적용하기

6.4 파이프라인 인터페이스

__6.4.1 make_pipleline을 사용한 파이프라인 생성

__6.4.2 단계 속성에 접근하기

__6.4.3 그리드 서치 안의 파이프라인 속성에 접근하기

6.5 전처리와 모델의 매개변수를 위한 그리드 서치

6.6 모델 선택을 위한 그리드 서치

__6.6.1 중복 계산 피하기

6.7 요약 및 정리

CHAPTER 7 텍스트 데이터 다루기

7.1 문자열 데이터 타입

7.2 예제 애플리케이션: 영화 리뷰 감성 분석

7.3 텍스트 데이터를 BOW로 표현하기

__7.3.1 샘플 데이터에 BOW 적용하기

__7.3.2 영화 리뷰에 대한 BOW

7.4 불용어

7.5 tf–idf로 데이터 스케일 변경하기

7.6 모델 계수 조사

7.7 여러 단어로 만든 BOW(n-그램)

7.8 고급 토큰화, 어간 추출, 표제어 추출

__7.8.1 (한국어판 부록) KoNLPy를 사용한 영화 리뷰 분석

7.9 토픽 모델링과 문서 군집화

__7.9.1 LDA

7.10 요약 및 정리

CHAPTER 8 마무리

8.1 머신러닝 문제 접근 방법

__8.1.1 의사 결정 참여

8.2 프로토타입에서 제품까지

8.3 제품 시스템 테스트

8.4 나만의 추정기 만들기

8.5 더 배울 것들

__8.5.1 이론

__8.5.2 다른 머신러닝 프레임워크와 패키지

__8.5.3 랭킹, 추천 시스템과 그 외 다른 알고리즘

__8.5.4 확률 모델링, 추론, 확률적 프로그래밍

__8.5.5 신경망

__8.5.6 대규모 데이터셋으로 확장

__8.5.7 실력 기르기

8.6 마치며

리뷰

구매자 별점

0.0 점

점수비율

5
4
3
2
1

0명이 평가함

리뷰 작성 영역

이 책을 평가해주세요!

내가 남긴 별점 0.0

별로예요

그저 그래요

보통이에요

최고예요

별점 취소

별 1개 별 2개 별 3개 별 4개 별 5개

스포일러가 있습니다.

구매자 표시 기준은 무엇인가요?

'구매자' 표시는 리디에서 유료도서 결제 후 다운로드 하시거나 리디셀렉트 도서를 다운로드하신 경우에만 표시됩니다.

무료 도서 (프로모션 등으로 무료로 전환된 도서 포함): '구매자'로 표시되지 않습니다.
시리즈 도서 내 무료 도서: '구매자’로 표시되지 않습니다. 하지만 같은 시리즈의 유료 도서를 결제한 뒤 리뷰를 수정하거나 재등록하면 '구매자'로 표시됩니다.
영구 삭제: 도서를 영구 삭제해도 ‘구매자’ 표시는 남아있습니다.
결제 취소: ‘구매자’ 표시가 자동으로 사라집니다.

소장	종이책 정가	33,000원
	전자책 정가	20%26,400원
	판매가	26,400원

개정판｜파이썬 라이브러리를 활용한 머신러닝