본문내용 바로가기
MD의선택 무료배송 이벤트 경품 소득공제

파이썬으로 실무에 바로 적용하는 머신 러닝

데이터 과학
강봉주 지음 | 에이콘출판 | 2019년 01월 30일 출간
  • 정가 : 30,000원
    판매가 : 27,000 [10%↓ 3,000원 할인]
  • 통합포인트 :
    [기본적립] 1,500원 적립 [5% 적립] 안내 [추가적립] 5만원 이상 구매 시 2천원 추가적립 [회원혜택] 우수회원 5만원 이상 구매 시 2~3% 추가적립
  • 추가혜택 : 카드/포인트 안내 도서소득공제 안내 추가혜택 더보기
  • 배송비 : 무료 배송비 안내
  • 배송일정 : 서울특별시 종로구 세종대로 기준 지역변경
    당일배송 지금 주문하면 오늘(22일,금) 도착 예정 배송일정 안내
  • 바로드림 : 인터넷으로 주문하고 매장에서 직접 수령 안내

이 책의 이벤트 해외주문/바로드림/제휴사주문/업체배송건의 경우 1+1 증정상품이 발송되지 않습니다.

  • IT분야 책 쓰기 관련 개발자 행사 '책노리'..
    2019.03.14 ~ 2019.03.29
  • 파이썬 도서 다 모였다!
    2016.08.11 ~ 2019.12.31
  • 설문참여 시 매월 5명 추첨통해 선물을 드립니다.
    10. 14 ~ 12. 31
상품상세정보
ISBN 9791161752570(1161752579)
쪽수 424쪽
크기 189 * 236 * 29 mm /971g 판형알림

책소개

이 책이 속한 분야

머신 러닝을 처음 접하는 독자들이 구현 언어, 구현 패키지, 구현 편집기를 포함해 종합적으로 이해하고 바라볼 수 있도록 안내하는 책이다. 머신 러닝의 기본 개념부터 가장 범용적이고 활용도가 높은 알고리즘을 예제를 통해 설명한다. 더불어 단순한 설명으로만 멈추지 않고, 한 걸음 더 나아가 수식적인 해석도 할 수 있도록 안내한다.

상세이미지

파이썬으로 실무에 바로 적용하는 머신 러닝(데이터 과학) 도서 상세이미지

저자소개

저자 : 강봉주

1984년 서울대 계산통계학과에 입학해 학사를 취득하고 동 대학원 통계학과에서 석사 및 박사 학위를 취득했다. 1993년, 국내 SAS에서 첫 직장 생활을 했으며 이때부터 데이터 분석 관련 컨설팅 작업을 수행했다. 1995년 유니컨설팅 회사를 창립해, 주로 제조 분야에서 데이터 분석 컨설팅 및 관련 통계 패키지를 개발했다. 1997년 유니보스를 창립해 금융 분야 데이터 분석 컨설팅 및 CRM 관련 패키지를 개발했으며, 2004년에 ㈜배닌을 창립해 오픈소스 기반의 머신 러닝 및 딥러닝 프로젝트를 수행하고 있다.

작가의 말

이 책은 3년 동안 SAS사의 머신 러닝 강의를 하면서 준비했던 자료를 기반으로 작성했다. 물론 1993년부터 25년간 이어진 데이터 분석에 대한 경험은 하나의 밑바탕이 됐다.
강의를 하면서 과연 “기본 지식” 즉, “개요와 간단한 예제”만을 알고 실무에 잘 적용할 수 있을지 궁금증이 생겼다.
실제 실무에서 프로젝트를 해보면 잘 정의된 데이터와 잘 알려진 예제와 같은 분석이 프로젝트 담당자에게 주어지지 않는다. 모든 것이 낯설고 어떻게 적용할지에 대한 막막함, 그 자체다. 어느 것 하나 제대로 적용하기 어렵다. 이것이 실무 담당자에게 닥친 현실이다.
소위 말하는 데이터 과학자가 알아야 할 지식은 너무나도 많다. 가령 데이터를 가져오기 위한 데이터베이스 접속과 SQL부터 데이터 탐색을 위한 각종 데이터 처리 기술, 마지막으로 간단한 통계량 추출부터 모델 적합을 위한 데이터 구성 기술 등 알아야 할 지식이 많아 이를 시작할 엄두가 나지 않는 경우가 많다. 여기에 더해, 적용할 툴에 대한 지식까지 필요하다. 예를 들어 SAS, 파이썬(Python), R 등을 알아야 한다. 이와 같이 시작하기 전에 알아야 하는 것이 많아, 실무에서 머신 러닝을 적용하기 쉽지 않은 배경에서 이 책을 쓰게 됐다. 나는 가급적 한 권의 책으로 현재까지 잘 알려진 모든 분석 기법을 분석 툴과 함께 전달하고자 했다.
누누히 강조하지만, 무조건 하나의 완결된 프로젝트를 특정 툴을 사용해 처음부터 끝까지 해봐야 한다. 그래야 스스로가 무엇이 부족한지를 절실히 깨달을 수 있다.
이 책은 파이썬과 파이참(PyCharm)을 통해 처음부터 끝까지 하나의 분석 결과를 얻어 낼 수 있도록 했다. 다시 말해, 어떤 부분을 읽다가 다른 책에서 필요한 내용을 찾아 이해한 후, 다시 진행하던 곳으로 오는 것이 아니라, 이 책 안에서 대부분 모든 것을 찾을 수 있도록 했다. 물론 인터넷 탐색을 통해 부족한 점을 더 채워 나갈 수는 있다.
그동안 개요만 계속 공부해서 실무에 적용하기 힘들다고 생각하거나, 알고리즘의 본래 수식적 의미를 알고자 한걸음 더 나아가기를 원하는 독자에게는 이 책이 충실한 가이드가 돼 줄 것이라고 믿는다.
개발자에게는 머신 러닝이 무엇인지, 코드상으로 어떻게 구현되는지 답을 줄 것이며, 실무 담당자에게는 분석 주제에 따른 데이터가 어떻게 정리되고 구현되는지에 대한 실마리를 안겨줄 것이다.
“왜 파이썬인가?”라는 질문은 우문이라고 생각한다. 나는 SAS, 파이썬, R를 사용한 개별 프로젝트를 경험했다. 문제는 툴이 아니다. 문제는 "분석의 목적이 무엇인가", "이용 가능한 데이터인가", "올바른 분석 기법을 적용했는가", "실제 분석의 가치를 생성하기 위한 분석 결과가 실무에 적용 가능한가" 등 전 과정을 고려해 이에 맞는 툴이 선정돼야 한다고 생각한다. 더욱이 최근에는 상용 툴인 SAS도 오픈소스 진영의 툴을 통합하고 있다. 툴 간의 상호 교환과 통합은 자연스러운 흐름이라고 생각한다. 이런 의미에서 이 책은 현 시점의 흐름을 파이썬 언어를 통해 구현했을 뿐인 것이다. 따라서 똑같은 분석 기법이나 흐름은 R로 구현 가능하며, 심지어 SAS로는 더욱 쉽고 시각적으로 구현할 수가 있는 것이다.
이 책은 머신 러닝을 이해하고 활용하는 독자라면 반드시 알아야 할 파이썬 패키지를 수록했다. 이 가운데 기본이 되는 패키지는 넘파이(NumPy), 판다스(Pandas), 맷플롯립(Matplotlib)이다.
이 패키지를 잘 아는 독자라면 해당 장은 읽지 않아도 무방하다. 머신 러닝 분석기법과 관련해서는 기본 패키지로 사이킷런(scikit-learn)과 케라스(Keras)를 선정했다. 이는 반드시 숙지하고 가야할 장이다. 그리고 각 분석기법마다 독특한 패키지가 있을 수 있다. 가령 연관분석에서는 mlxtend 패키지를 사용했다. 패키지는 현재까지 필자가 보기에 가장 안정적이고 많이 이용하는 것으로 선정했다.

목차

지은이 소개
지은이의 말
들어가며

1장. 머신 러닝 개요
__1.1 머신 러닝의 정의
__1.2 머신 러닝의 응용 분야
__1.2.1 가상 개인 비서
__1.2.2 구글 맵
__1.2.3 상품 추천
__1.3 머신 러닝의 기술적 단계
__1.4 머신 러닝 알고리즘
__1.5 머신 러닝 알고리즘의 범위
__1.6 머신 러닝 알고리즘의 구현

2장. 파이썬 설치
__2.1 개요
__2.2 아나콘다를 이용한 파이썬 설치
__2.2.1 아나콘다 내려받기
__2.2.2 아나콘다 설치
__2.3 파이참 내려받기 및 설치
__2.4 텐서플로 설치
__2.5 케라스 설치
__2.6 추가 패키지 설치 및 환경 변수 설정

3장. 파이참 개요
__3.1 개요
__3.2 프로젝트 생성
__3.3 전체 화면 구성
__3.4 개발 환경 맞춤
__3.5 코드 작성 도우미 기능
__3.6 파이썬 파일 생성
__3.7 탐색
__3.8 디버깅
__3.9 버전 관리
__3.10 재구성
__3.11 단축키 찾기

4장. 파이썬 언어에 대한 이해
__4.1 개요
__4.2 데이터형
__4.3 식별자의 표기
__4.4 값의 할당
__4.5 형변환
__4.6 열 컨테이너 인덱싱
__4.7 논리 연산자
__4.8 문 구성
__4.9 모듈 가져오기
__4.10 조건문
__4.11 수학 함수
__4.12 조건 반복문
__4.13 컨테이너형 일반 연산
__4.14 리스트 연산
__4.15 딕셔너리 연산
__4.16 집합 연산
__4.17 함수 정의
__4.18 문자열 연산
__4.19 포맷 구성하기

5장. 패키지 이해
__5.1 개요
__5.2 배열 생성
__5.3 배열 연산
__5.4 배열 요소 값 정하기
__5.5 다차원 배열
__5.6 배열 조각내기
__5.7 팬시 인덱싱
__5.8 배열 생성자
__5.9 배열의 추가(행 또는 열)
__5.10 배열의 축과 계산
__5.11 배열의 방송

6장. 판다스 패키지 이해
__6.1 개요
__6.2 데이터 구조
__6.3 부분 데이터 구성
__6.4 데이터 요약
__6.5 신규 열 생성
__6.6 결측값 처리
__6.7 데이터 결합
__6.8 그룹화
__6.9 모양 변경

7장. Matplotlib 패키지 이해
__7.1 개요
__7.2 데이터 준비
__7.3 그래프 준비
__7.4 그래프 생성
__7.5 그래프 수정
__7.6 그래프 저장
__7.7 그래프 보여주기 및 초기화

8장. scikit-learn 패키지 이해
__8.1 개요
__8.2 데이터 불러오기
__8.3 데이터 분할
__8.4 모델 적합 및 평가
__8.5 모수 추정값
__8.6 비지도 학습의 예

9장. 케라스 패키지 이해
__9.1 개요
__9.2 다층 신경망 구현
__9.3 심층 신경망 구현

10장. 표기법

11장. 모델 평가와 선택
__11.1 개요
__11.2 훈련 데이터
__11.3 모델 적합도의 측정
__11.4 편향-분산 균형

12장. 선형 회귀에 의한 머신러닝 구조에 대한 이해
__12.1 개요
__12.2 가설함수와 비용함수
__12.3 알고리즘
__12.4 비용함수의 원천

13장. 분류 문제와 로지스틱회귀분석
__13.1 개요
__13.2 선형회귀 대 로지스틱회귀
__13.3 비용함수
__13.4 로그-오즈
__13.5 연결 함수
__13.6 분류 문제에서의 모델 평가
__13.7 소프트맥스 회귀
__13.8 예제

14장. 모델 선택 및 정규화
__14.1 개요
__14.2 교차 검증
__14.3 변수 선택
__14.4 정규화 과정과 변수 선택
__14.5 예제

15장. 분류와 회귀 나무
__15.1 개요
__15.2 회귀 나무
__15.3 최적 회귀 나무의 선택
__15.4 분류 나무
__15.5 나무의 몇 가지 이슈
__15.6 예제

16장. 랜덤 포레스트
__16.1 개요
__16.2 배깅
__16.3 OOB 오차
__16.4 변수 중요도
__16.5 랜덤 포레스트 알고리즘
__16.6 랜덤 포레스트에서의 변수 중요도
__16.7 예제

17장. 그래디언트 부스팅
__17.1 개요
__17.2 부스팅
__17.3 ADABOOST.M1
__17.4 부스팅과 가법 모델
__17.5 전진 순차방식 가법 모델링
__17.6 지수 손실함수와 적응 부스팅
__17.7 부스팅의 확장
__17.8 부스팅의 초 모수 조정
__17.9 부스팅의 정규화
__17.10 예제

18장. 서포트 벡터 머신
__18.1 개요
__18.2 로지스틱회귀와 초평면
__18.3 표기법
__18.4 마진과 최적 마진 분류기(optimal margin classifier)
__18.5 라그랑지 쌍대성
__18.6 라그랑지 쌍대성을 이용한 최대 마진 분류기
__18.7 커널
__18.8 정규화와 비분리 경우
__18.9 여유 변수(slack variable)와 초 모수 C
__18.10 비용함수
__18.11 서포트 벡터 머신의 모수 추정
__18.12 예제: 커널 함수로 분리 가능한 경우(하드 마진)
__18.13 예제: 커널 함수로 분리가 불가능한 경우(소프트 마진)
__18.14 예제: 선형 이외의 커널 함수 적용
__18.15 초 모수의 결정
__18.16 예제: [BANK] 데이터 적용

19장. 다층 신경망
__19.1 개요
__19.2 표기법
__19.3 전진 패스
__19.4 활성함수
__19.5 전진 패스의 예시
__19.6 후진 패스
__19.7 후진 패스의 예시
__19.8 초깃값 주기
__19.9 기울기 소멸 문제
__19.10 입력변수의 표준화
__19.11 과적합 문제
__19.12 예제: [BANK] 데이터 적용

20장. 합성곱 신경망
__20.1 개요
__20.2 합성곱층
__20.3 결합층
__20.4 완전연결층
__20.5 합성곱 신경망 아키텍처의 예시
__20.6 모수의 추정
__20.7 예제: [DIGITS] 데이터 적용(다층 신경망)
__20.8 예제: [DIGITS] 데이터 적용(합성곱 신경망)

21장. 순환 신경망
__21.1 개요
__21.2 기본 순환 신경망
__21.3 모수의 추정
__21.4 후진 패스 예제
__21.5 장단기 기억 신경망
__21.6 LSTM 예시

22장. 특이값 분해
__22.1 개요
__22.2 정의
__22.3 분해 행렬의 계산
__22.4 특이값 분해 계산
__22.5 특이값 분해 예제: 추천 시스템

23장. 주성분 분석
__23.1 개요
__23.2 정의
__23.3 주성분의 계산
__23.4 주성분을 이용한 차원 축소
__23.5 주성분의 기학학적 의미
__23.6 주성분의 계산 예제
__23.7 주성분을 이용한 분석(예: MNIST 손글씨 숫자 데이터)

24장. 연관 분석
__24.1 개요
__24.2 표기법
__24.3 지지도, 신뢰도 그리고 향상도
__24.4 APRIORI 알고리즘
__24.5 APRIORI 알고리즘 예시
__24.6 APRIORI 알고리즘의 문제
__24.7 예제

25장. 군집 분석
__25.1 개요
__25.2 표기법
__25.3 k-평균 군집화
__25.4 k-평균 군집화 알고리즘
__25.5 k-평균 군집화 알고리즘 예시
__25.6 격차 통계량을 이용한 k의 선택
__25.7 격차 통계량 계산 예제
__25.8 실루엣 값을 이용한 군집의 평가
__25.9 실루엣 값 계산 예제

참고문헌

출판사 서평

★ 이 책에서 다루는 내용 ★

■ 머신 러닝 구현 언어인 파이썬의 기본 구조
■ 파이썬 편집기인 파이참
■ 머신 러닝 기본 패키지인 넘파이, 판다스, 맷플롯립
■ 머신 러닝 패키지인 사이킷런, 케라스
■ 범용 또는 가장 활용이 많은 머신 러닝 알고리즘
■ 알고리즘의 이해를 높이기 위한 적절한 수식 도입 및 구현
■ 알고리즘마다 적절한 예와 예제

★ 이 책의 대상 독자 ★

■ 머신 러닝에 입문하는 데 필요한 내용을 종합적으로 이해하고자 하는 독자
■ 머신 러닝에 입문했으나 좀 더 상세한 알고리즘을 ... 더보기

북로그 리뷰 (0) 쓰러가기

도서 구매 후 리뷰를 작성하시면 통합포인트를 드립니다.
결제 90일 이내 작성 시 300원 / 발송 후 5일 이내 작성시 400원 / 이 상품의 첫 리뷰 작성 시 500원
(포인트는 작성 후 다음 날 적립되며, 도서 발송 전 작성 시에는 발송 후 익일에 적립됩니다.
외서/eBook/음반/DVD/GIFT 및 잡지 상품 제외)
안내
  • 해당도서의 리뷰가 없습니다.

Klover 평점/리뷰 (0)

문장수집 (0) 문장수집 쓰기 나의 독서기록 보기
※구매도서의 문장수집을 기록하면 통합포인트 적립 안내

교환/반품/품절안내

※ 상품 설명에 반품/교환 관련한 안내가 있는 경우 그 내용을 우선으로 합니다. (업체 사정에 따라 달라질 수 있습니다.)

교환/반품/품절안내
반품/교환방법 마이룸 > 주문관리 > 주문/배송내역 > 주문조회 > 반품/교환신청 ,
[1:1상담>반품/교환/환불] 또는 고객센터 (1544-1900)

※ 오픈마켓, 해외배송주문, 기프트 주문시 [1:1상담>반품/교환/환불]
    또는 고객센터 (1544-1900)
반품/교환가능 기간 변심반품의 경우 수령 후 7일 이내,
상품의 결함 및 계약내용과 다를 경우 문제점 발견 후 30일 이내
반품/교환비용 변심 혹은 구매착오로 인한 반품/교환은 반송료 고객 부담
반품/교환 불가 사유
  • 소비자의 책임 있는 사유로 상품 등이 손실 또는 훼손된 경우
    (단지 확인을 위한 포장 훼손은 제외)
  • 소비자의 사용, 포장 개봉에 의해 상품 등의 가치가 현저히 감소한 경우
    예) 화장품, 식품, 가전제품(악세서리 포함) 등
  • 복제가 가능한 상품 등의 포장을 훼손한 경우
    예) 음반/DVD/비디오, 소프트웨어, 만화책, 잡지, 영상 화보집
  • 소비자의 요청에 따라 개별적으로 주문 제작되는 상품의 경우 ((1)해외주문도서)
  • 디지털 컨텐츠인 eBook, 오디오북 등을 1회 이상 다운로드를 받았을 경우
  • 시간의 경과에 의해 재판매가 곤란한 정도로 가치가 현저히 감소한 경우
  • 전자상거래 등에서의 소비자보호에 관한 법률이 정하는 소비자 청약철회 제한 내용에
    해당되는 경우
(1) 해외주문도서 : 이용자의 요청에 의한 개인주문상품으로 단순변심 및 착오로 인한 취소/교환/반품 시 ‘해외주문 반품/취소 수수료’ 고객 부담 (해외주문 반품/취소 수수료 : ①양서-판매정가의 12%, ②일서-판매정가의 7%를 적용)
상품 품절 공급사(출판사) 재고 사정에 의해 품절/지연될 수 있으며, 품절 시 관련 사항에 대해서는
이메일과 문자로 안내드리겠습니다.
소비자 피해보상
환불지연에 따른 배상
  • 상품의 불량에 의한 교환, A/S, 환불, 품질보증 및 피해보상 등에 관한 사항은
    소비자분쟁해결 기준 (공정거래위원회 고시)에 준하여 처리됨
  • 대금 환불 및 환불지연에 따른 배상금 지급 조건, 절차 등은 전자상거래 등에서의
    소비자 보호에 관한 법률에 따라 처리함

이 분야의 베스트

더보기+

이 분야의 신간

더보기+

바로가기

  • 우측 확장형 배너 2
  • 우측 확장형 배너 2

최근 본 상품