본문내용 바로가기
MD의선택 무료배송 이벤트 사은품 경품 소득공제

OpenCV를 위한 머신 러닝 머신 러닝 기술 입문

acorn+PACKT 시리즈
마이클 베이어 지음 | 테크 트랜스 그룹 T4 옮김 | 에이콘출판 | 2001년 01월 02일 출간
  • 정가 : 40,000원
    판매가 : 36,000 [10%↓ 4,000원 할인]
  • 통합포인트 :
    [기본적립] 2,000원 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(11일,화) 도착 예정 배송일정 안내
  • 바로드림 : 인터넷으로 주문하고 매장에서 직접 수령 안내
장바구니 담기 바로구매

책 그리고 꽃 서비스
책 그리고 꽃 | 책과 꽃을 함께 선물하세요 자세히보기

닫기

바로드림 주문 선물하기 보관함 담기

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

  • 행사도서 포함 3만원 이상 구매 시, 리드잇 2019 캘린더 선..
    2018.12.04 ~ 2019.01.31
  • 에이콘의 도서를 한 눈에 살펴보세요
    2017.11.23 ~ 2019.12.31
  • #리드잇 페이스북 페이지 팔로우 하시고, 신간소식 빠르게 받아보..
    2017.06.22 ~ 2025.07.31
  • 설문참여 시 매월 5명 추첨통해 선물을 드립니다.
    10. 14 ~ 12. 31
상품상세정보
ISBN 9791161750965(1161750967)
쪽수 488쪽
크기 188 * 235 * 23 mm /926g 판형알림
이 책의 원서/번역서 Machine Learning for OpenCV: Expand your OpenCV knowledge and master key concepts of machine learnin/Michael Beyeler

책소개

이 책이 속한 분야

컴퓨터는 머신 러닝을 통해 과거의 수집된 데이터를 사용하고, 미래 예측을 하면서, 학습을 진행할 수 있다. 이 책에서는 간단한 예제를 활용해 분류 및 회귀와 같은 통계 학습의 핵심 개념을 직관적으로 확인할 수 있다. 모든 기본 개념을 다룬 후, 의사 결정 트리(Decision tree), 서포트 벡터 머신(Support vector) 및 베이지안(Bayesian) 네트워크와 같은 다양한 알고리즘을 탐색하고 다른 OpenCV 기능과 결합하는 방법을 배우게 된다. 그 과정에서 데이터를 이해하고 어떻게 완벽하게 작동하는 머신 러닝 파이프 라인을 구축 하는지를 이해하여 전체 작업을 배우게 된다. 가장 뜨거운 주제인 '딥러닝'을 시작할 준비가 될 때까지, 더 많은 머신 러닝 기술을 학습할 수 있다. 작업에 적합한 도구를 선택하는 방법을 숙지하고 숙련된 기술과 결합해 모든 관련 머신 러닝의 기본 지식을 파악하게 할 수 있게 된다.

이 책의 총서

총서 자세히 보기

저자소개

저자 : 마이클 베이어

저자 마이클 베이어(Michael Beyeler)는 워싱턴 대학교(University of Washington)의 신경공학 및 데이터 과학 분야 박사후 연구원(Postdoctoral Fellow)으로서 망막 보형물(생체공학적 눈)을 이식받은 맹인 환자의 지각 경험을 향상시키기 위해 생체공학 비전의 컴퓨터 이용 모델을 연구하고 있다. 이 연구는 신경과학, 컴퓨터 공학, 컴퓨터 비전, 머신 러닝의 교차점에 놓여 있다. 고급 컴퓨터 비전 프로젝트를 작성하기 위한 실질적인 가이드로 활용되고 있는 『OpenCV with Python Blueprints』(packt,2015)를 저술했다. 여러 오픈소스 소프트웨어 프로젝트에 적극적으로 참여하고 있으며 파이썬, C/C++, CUDA, MATLAB, 안드로이드와 관련된 전문 프로그래밍 경험을 쌓았다.
캘리포니아 대학교 어바인(Irvine) 캠퍼스에서 컴퓨터 과학 박사 학위를 받았으며, 스위스 취리히 연방 공과대학교에서 생명공학 석사 학위와 전기공학 학사 학위를 받았다.

역자 : 테크 트랜스 그룹 T4

저자 테크 트랜스 그룹 T4는 최신 IT 테크놀로지에 대한 리서치를 목적으로 하는 스터디 그룹이다. 엔터프라이즈 환경에서 오픈소스를 활용해 프레임워크를 구축하는 데 관심이 많으며, 스프링Spring, React.js, Node.js, OpenCV, ML 등의 기술에 주목하고 있다. 오픈소스 기반의 플랫폼 개발 및 활용도 주요 관심 분야다. 에이콘출판사에서 펴낸 『구글 애널리틱스로 하는 데이터 분석 3/e』(2017), 『추천 엔진을 구축하기 위한 기본서』(2017) 등을 번역했다.

작가의 말

당신을 만나게 돼서 기쁘다. 이제 우리가 머신 러닝에 관해 이야기할 때다.
머신 러닝은 더 이상 단순한 유행어는 아니다. 이메일을 보호하고, 사진 속 친구를 자동으로 태그해 지정하고, 좋아하는 영화를 예측하는 데 이르기까지 이 모두가 우리 주변에서 이뤄진다. 컴퓨터는 컴퓨터 과학의 하위 분야인 머신 러닝을 통해 과거에 수집된 데이터를 사용하고, 미래에 대해 예측하는 경험을 통해 학습을 진행할 수 있다.
이때 분석해야 할 데이터의 양은 엄청나게 많다! 현재 생산 데이터의 일일 양은 2.5엑사바이트(Exabyte, 약 10억 기가바이트gigabyte)로 추정된다. 이렇게 어마어마한 규모의 데이터가 생겨난다는 것을 믿을 수 있는가? 이는 1,000만 개의 블루레이 디스크를 채우기에 충분한 데이터일 뿐 아니라, 90년 동안의 HD 화질 비디오 분량에 해당한다. 구글, 아마존, 마이크로소프트, 페이스북 등의 회사는 이 방대한 양의 데이터를 처리하기 위해 휴대 전화에서 클라우드를 잇는 슈퍼 컴퓨터에 이르기까지 그 범위를 확대해가며 머신 러닝을 통해 이익을 얻을 수 있는 데이터 과학 플랫폼을 개발하는 데 많은 투자를 해왔다.
이는 이제 우리가 머신 러닝에 시간을 투자해야 한다는 의미다. 그리고 당신이 머신 러닝을 하고자 한다면, 이 책이 바로 원하는 답이 돼줄 수 있다.
하지만 초조해하지는 말자. 머신 러닝을 통해 이익을 얻으려면 위의 예와 같이 큰 규모로 시작할 필요가 없다. 어떠한 경우라도 시작은 작게 한다. 따라서 이 책의 첫 번째 단계는 분류 및 회귀와 같은 통계 학습의 핵심 개념을 간단하고 직관적인 예제를 통해 확인하는 것이다. 이미 머신 러닝 이론을 자세히 공부했다면, 이 책은 그 지식을 실용화하는 방법을 보여줄 것이다. 그리고 머신 러닝 분야를 완전히 새롭게 접하는 사람이라도 걱정하지는 말자. 단지 필요한 것은 배우려는 의지다.
모든 기본 개념을 다룬 후에는 의사 결정 트리(decision tree), 서포트 벡터 머신(support vector machine), 베이지안(Bayesian) 네트워크와 같은 다양한 알고리즘을 살펴보고 다른 OpenCV 기능과 결합하는 방법을 배운다. 그 과정에서 데이터를 이해하고 어떻게 완벽하게 작동하는 머신 러닝 파이프라인을 구축하는지 이해함으로써 전체 작업을 배우게 된다.
현장에서 가장 뜨거운 주제인 ‘딥러닝’을 시작할 준비가 될 때까지, 더 많은 머신 러닝 기술들을 학습한다. 작업에 적합한 도구를 선택하는 방법을 숙지하면서 숙련된 기술과 결합해 모든 관련 머신 러닝의 기본 지식을 파악하게 된다.
이 책을 다 읽고 나면, 기존 소스 코드를 기반으로 작성하거나 자신만의 알고리즘을 처음부터 개발해 머신 러닝 문제를 해결하는 능력을 얻게 될 것이다.

목차

추천의 글
지은이 소개
기술 감수자 소개
옮긴이 소개
옮긴이의 말
들어가며

1장. 머신 러닝 시작
__머신 러닝 시작하기
__머신 러닝으로 해결할 수 있는 문제들
__파이썬 시작하기
__OpenCV 시작하기
__설치하기
____이 책의 최신 코드 얻기
____파이썬의 아나콘다 배포판에 대해 살펴보기
____conda 환경에서 OpenCV 설치
____설치 확인하기
____OpenCV의 ML 모듈 엿보기
__요약

2장. OpenCV와 파이썬의 데이터 작업
__머신 러닝 워크플로우의 이해
__OpenCV와 파이썬을 사용해 데이터 다루기
____새로운 IPython 또는 주피터 세션 시작하기
____파이썬 NumPy 패키지를 사용해 데이터 다루기
____파이썬에서 외부 데이터 세트 적재하기
____Matplotlib을 사용해 데이터 시각화하기
____C++에서 OpenCV의 TrainData 컨테이너를 사용해 데이터 다루기
__요약

3장. 지도 학습의 첫 번째 단계
__지도 학습 이해하기
____OpenCV에서 지도 학습 살펴보기
____점수화 기능으로 모델 성능 측정
__분류 모델을 사용해 클래스 레이블 예측하기
____k-최근접 이웃 알고리즘의 이해
____OpenCV에서 k-최근접 이웃 구현하기
__회귀 모델을 사용해 지속적인 결과 예측하기
____선형 회귀 분석
____선형 회귀 분석 방법을 사용해 보스턴 주택 가격 예측하
____라소 및 융기 회귀 적용
__로지스틱 회귀를 이용한 아이리스 종 분류하기
____로지스틱 회귀 이해하기
__요약

4장. 데이터와 엔지니어링 특징 표현하기
__특징 엔지니어링의 이해
__전처리 데이터
____특징 표준화
____특징 정규화
____특징의 범위 확장
____특징 이진화
____누락된 데이터 처리
__차원 축소 이해하기
____OpenCV에서 PCA 구현하기
____ICA 구현
____NMF 구현
__범주형 변수 표현하기
__텍스트 특징 표현하기
__이미지 표현하기
____색상 공간 사용
____이미지의 코너 검출하기
____SIFT 사용하기
____SURF 사용하기
__요약

5장. 의사 결정 트리를 사용해 의료 진단하기
__의사 결정 트리의 이해
____첫 번째 결정 트리 만들기
____훈련된 의사 결정 트리에 대한 시각화
____의사 결정 트리의 내부 동작 조사
____특징 중요도 평가
____의사 결정 규칙 이해하기
____의사 결정 트리의 복잡성 제어
__의사 결정 트리를 사용해 유방암 진단하기
____데이터 세트 불러오기
____의사 결정 트리 만들기
__회귀 결정 트리 사용
__요약

6장. 서포트 벡터 머신으로 보행자 검출하기
__선형 서포트 벡터 시스템의 이해
____최적의 의사 결정 경계 학습
____첫 번째 서포트 벡터 머신 구현
__비선형 의사 결정 경계 다루기
____커널 트릭 이해하기
____우리가 사용할 커널 파악하기
____비선형 서포트 벡터 머신 구현
__외부에서 보행자 검출하기
____데이터 세트 가져오기
____HOG 훑어보기
____네거티브 생성하기
____서포트 벡터 머신 구현하기
____모델 부트스트랩하기
____더 큰 이미지에서 보행자 검출하기
____모델 개선하기
__요약

7장. 베이지안 학습을 이용한 스팸 필터 구현
__베이지안 추론 이해하기
____확률 이론에 대해 간단히 살펴보기
____베이즈 정리 이해하기
____나이브 베이즈 분류기의 이해
__첫 번째 베이지안 분류기 구현하기
____장난감 데이터 세트 만들기
____일반 베이즈 분류기로 데이터 분류
__나이브 베이즈 분류기로 데이터 분류하기
____조건부 확률의 시각화
____나이브 베이즈 분류기를 사용해 이메일 분류하기
____데이터 세트 불러오기
____Pandas를 사용해 데이터 행렬 만들기
____데이터 전처리하기
____정상적인 베이즈 분류기 훈련
____전체 데이터 세트에 대한 교육
____n-gram을 사용해 결과 개선하기
____tf-idf를 사용해 결과 개선하기
__요약

8장. 비지도 학습으로 숨겨진 구조 발견
__비지도 학습의 이해
__k-평균 클러스터링의 이해
____첫 번째 k-평균 예제 구현
__기댓값 최대화 방법 이해하기
____기대치 극대화 솔루션 구현하기
____기댓값 최대화의 한계 파악하기
____첫 번째 경고: 전반적인 최적 결과를 찾기 어려움
____두 번째 경고: 미리 클러스터 수를 선택해야 한다
____세 번째 주의 사항: 클러스터 경계는 선형이다
____네 번째 경고: k-평균은 많은 수의 샘플에서는 느리다
__k-평균을 사용해 색 공간 압축하기
____트루 컬러 팔레트 시각화
____k-평균을 사용해 색상 표 축소
__k-평균을 사용해 숫자 필기 인식 분류하기
____데이터 세트 불러오기
____k-평균 실행하기
__클러스터를 계층적 트리로 구성하기
____계층적 클러스터링의 이해
____응집력 있는 계층적 클러스터링 구현
__요약

9장. 딥러닝을 사용해 숫자 필기 인식 분류하기
__맥컬럭-피츠 뉴런에 대한 이해
__퍼셉트론 이해하기
__첫 번째 퍼셉트론 구현하기
____장난감 데이터 세트 생성하기
____퍼셉트론을 데이터에 적용하기
____퍼셉트론 분류기 평가
____선형으로 분리되지 않는 데이터에 퍼셉트론 적용하기
__다층 퍼셉트론의 이해
____경사 하강법 이해하기
____역전파를 이용해 다층 퍼셉트론 훈련하기
____OpenCV에서 다층 퍼셉트론 구현하기
__딥러닝에 익숙해지기
____Keras에 익숙해지기
__숫자 필기 인식 분류하기
____MNIST 데이터 세트 적재하기
____MNIST 데이터 세트 전처리하기
____OpenCV를 사용해 MLP 훈련하기
____Keras를 이용한 심층 신경망 훈련하기
__요약

10장. 앙상블 기법으로 여러 알고리즘 결합하기
__앙상블 메소드 이해하기
____평균 앙상블 이해하기
____부스터 앙상블 이해하기
____스태킹 앙상블 이해하기
__의사 결정 트리를 랜덤 포레스트로 결합하기
____의사 결정 트리의 단점 이해하기
____첫 랜덤 포레스트 구현하기
____scikit-learn을 사용해 랜덤 포레스트 구현하기
____과랜덤화된 트리 구현하기
__얼굴 인식을 위한 랜덤 포레스트 사용
____데이터 세트 불러오기
____데이터 세트 전처리하기
____랜덤 포레스트 훈련 및 테스트
__AdaBoost 구현하기
____OpenCV에서 AdaBoost 구현하기
____scikit-learn에서 AdaBoost 구현하기
__다른 모델을 투표 분류기로 결합하기
____다양한 투표 방법 이해하기
____투표 분류기 구현하기
__요약

11장. 하이퍼 매개변수 튜닝으로 올바른 모델 선택하기
__모델 평가하기
____모델을 잘못된 방식으로 평가하기
____올바른 방식으로 모델 평가하기
____최고의 모델 선택하기
__교차 유효성 검증의 이해
____OpenCV에서 교차 유효성의 수동 검증 구현
____k-겹 교차 검증을 위해 scikit-learn 사용하기
____단일 관측치 제거법 교차 검증 구현
__부트스트랩을 사용해 견고성 예측하기
____OpenCV에서 부트스트랩 수동으로 구현하기
__결과의 중요성 평가하기
____스튜던트 t-검정 구현하기
____맥니마의 검정 구현하기
__격자 검색으로 하이퍼 매개변수 튜닝하기
____간단한 격자 검색 구현하기
____유효성 검증 집합의 값 이해하기
____교차 유효성 검증과 함께 격자 검색 결합하기
____중첩된 교차 유효성 검증과 함께 격자 검색 결합하기
__다양한 평가 메트릭을 사용한 점수화 모델
____올바른 분류 기준 선택하기
____올바른 회귀 측정 기준 선택하기
__파이프라인을 형성하기 위한 체이닝 알고리즘
____scikit-learn에서 파이프라인 구현하기
____격자 검색의 파이프라인 사용하기
__요약

12장. 정리하기
__머신 러닝 문제점에 접근하기
__자신만의 추정기 작성하기
____자신의 OpenCV 기반 분류기를 C++로 작성하기
____파이썬으로 자신의 scikit-learn 기반 분류기를 작성하기
__다음 단계
__요약

찾아보기
컬러 이미지

출판사 서평

★ 추천의 글 ★

비록 시간이 오래 걸리긴 했지만, 지난 몇 년 동안 기계는 스스로 정확하게 학습하는 방법을 배워왔다. 이에 따라 카메라가 사람을 찍을 때 얼굴을 검출하고, 소셜 미디어 앱이 업로드한 사진을 통해 우리를 인식할 수 있다는 것은 더 이상 놀라운 일이 아니다. 앞으로 몇 년 동안, 우리는 더욱 급진적인 변화를 경험하게 될 것이다. 머지않아 자동차가 자율 운행하게 될 것이고, 휴대 전화는 특정 언어로 된 간판을 읽고 번역 가능하게 될 것으로 보인다. 또한 엑스레이 및 기타 의료 영상을 보고 강력한 알고리즘으로 분석함... 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

  • 하지원
    17,820원
  • 이시카와 아키히코
    22,500원
  • 정종현
    19,800원
  • 프랑소와 숄레
    29,700원
  • 길벗R&D
    27,900원
더보기+

바로가기

  • 우측 확장형 배너 2
  • 우측 확장형 배너 2

최근 본 상품