본문내용 바로가기
MD의선택 무료배송 이벤트 소득공제

Go를 활용한 머신 러닝 Go 프로그래밍 언어를 사용해 | 회귀분석, 분류, 클러스터링, 시계열 모델, 신경망 및 딥러닝 구현하기

다니엘 화이트낵 지음 | 장세윤 옮김 | 에이콘출판 | 2019년 01월 31일 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 3만원 이상 구매 시 2~4% 추가적립
  • 추가혜택 : 포인트 안내 도서소득공제 안내 추가혜택 더보기
  • 배송비 : 무료 배송비 안내
  • 배송일정 : 서울특별시 종로구 세종대로 기준 지역변경
    당일배송 지금 주문하면 오늘(21일,화) 도착 예정 배송일정 안내
  • 바로드림 : 인터넷으로 주문하고 매장에서 직접 수령 안내 바로드림 혜택
    휴일에는 바로드림 픽업으로 더 빨리 받아 보세요. 바로드림 혜택받고 이용하기

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

  • IT전문서 올해의 책 후보 발표! 지금 투표해주세요!
    2019.12.13 ~ 2020.01.31
  • 개발자로 입문하기: 일단 이것부터 읽어보자!
    2019.05.31 ~ 2020.12.31
  • 에이콘의 도서를 한 눈에 살펴보세요
    2017.11.23 ~ 2020.12.31
상품상세정보
ISBN 9791161752662(1161752668)
쪽수 384쪽
크기 189 * 235 * 27 mm /884g 판형알림
이 책의 원서/번역서 Machine Learning with Go/Whitenack, Daniel

책소개

이 책이 속한 분야

Go 언어를 머신 러닝 분야에 활용하는 내용을 다룬다. Go 언어는 요즘 널리 사용되는 다른 언어와 달리 단순함과 효율성을 강조하는 언어다. 이 책은 Go 언어를 활용해 생산성과 효율성이 높은 머신 러닝 프로그램 작성 방법을 알려준다. 또한 데이터 수집, 정리, 구문 분석, 머신 러닝 프로그램의 평가 및 검증 방법, 회귀 분석, 분류, 군집화, 시계열 분석, 신경망 및 딥러닝 등 머신 러닝에 대한 내용을 충실하게 다루고 있기 때문에 머신 러닝을 공부하고자 하는 독자들에게도 많은 도움을 줄 것이다. 또한 Go 언어를 머신 러닝 분야에 활용하고자 하는 데이터 과학자 및 Go 언어 개발자에게도 좋은 참고 서적이다.

저자소개

저자 : 다니엘 화이트낵

파키덤(Pachyderm)을 활용해 데이터 과학을 연구하는 숙련된 데이터 과학자다. 예측 모델, 데이터 시각화, 통계 분석 등을 포함하는 혁신적인 분산 데이터 파이프라인을 개발한다. 전 세계의 콘퍼런스(GopherCon, JuliaCon, PyCon, ODSC, Spark 서밋 등)에 활발히 참여해 발표하며 퍼듀 대학교에서 데이터 과학과 엔지니어링을 가르치고 있다. 또한 주피터(Juphyter)의 Go 커널을 관리하며 다양한 오픈 소스 데이터 과학 프로젝트에 적극적으로 기여하고 있다.

역자 : 장세윤

유니티 한국 지사에서 필드 엔지니어로 근무하며 기술 지원, 유니티 엔진 기술 홍보, 기술 문서 번역 업무를 진행했다. 현재는 유니티 엔진, 언리얼 엔진을 활용한 게임 개발 교육을 진행하는 프리랜서 강사 및 기술 서적 번역가로 활동하고 있다.

작가의 말

[지은이의 말]
좋은 기술력을 가진 회사와 대기업 모두 머신 러닝과 인공 지능이 유행이다. 데이터 과학자들은 무인 자동차에서부터 고양이 그리기에 이르기까지 모든 분야에 머신 러닝을 사용한다. 하지만 데이터 과학 커뮤니티를 찾아보면 파이썬과 R 사이에서 발생하는 언어 전쟁을 쉽게 접할 수 있을 것이다. 머신 러닝에 대한 대부분의 내용은 이런 언어들이 차지하고 있으며 기업 등 조직에서 머신 러닝을 연동할 때는 이런 언어가 유일한 선택인 것처럼 보인다. 이 책에서는 머신 러닝의 세 번째 옵션인 구글에서 만든 오픈 소스 프로그래밍 언어 Go에 대해서 살펴본다.
Go 프로그래머의 사고 방식과 더불어 Go 언어의 고유한 기능이 데이터 과학자들이 접하는 공통된 문제를 극복하는 데 도움이 될 수 있다. 특히 데이터 과학자들은 (불행하게도) 비효율적이고 유지보수가 불가능하며 나쁜 코드를 생산하는 것으로 악명이 높다. 이 책은 이런 문제점을 언급하며, 높은 수준에서 유지보수가 가능한 애플리케이션을 생성하면서 머신 러닝에서 생산성을 유지하는 방법을 보여준다. 또한 기존 엔지니어링 조직 내에서 분석 및 머신 러닝 코드를 통합하는 공통 과제를 극복하는 방법에 대해서도 보여준다.
이 책은 독자들이 Go를 활용해 강력하고 가치 있는 애플리케이션의 제작을 통해 생산적이고 혁신적인 데이터 분석가로 발돋움할 수 있도록 발전하는 데 도움을 줄 것이다. 이 책은 이를 위해 Go를 통한 머신 러닝의 기술적인 면과 프로그래밍적인 면을 분명하게 소개한다. 그러나 이 책은 또한 독자들이 현실 세계의 분석을 위한 작업 흐름과 철학을 이해할 수 있도록 안내하는 역할도 한다.

[옮긴이의 말]
이 책은 데이터 분석 및 머신 러닝에서 Go 프로그래밍 언어를 활용하는 데 필요한 전반적인 내용을 다루고 있다. 머신 러닝과 데이터 분석에 관심이 있는, Go 언어를 다룰 줄 아는 프로그래머나 Go 언어와 머신 러닝을 연동하는 데 관심이 있는 독자들에게 좋은 참고 서적이 될 수 있다.
1부로 볼 수 있는 1장부터 3장은 머신 러닝을 위해 데이터를 준비하고 분석하는 내용으로 구성돼 있다. 데이터의 수집, 정리, 데이터의 구문 분석, 머신 러닝 프로그램의 성능을 측정하고 검증하는 내용으로 구성돼 있다. 2부, 4장에서 7장까지는 회귀분석, 분류, 클러스터링, 시계열 분석과 같은 다양한 머신 러닝 기법을 다루는 내용으로 구성돼 있다. 머신 러닝 모델의 가장 기본이 되는 회귀 분석을 시작으로 카테고리 형태로 데이터를 분류하는 분류 기법, 흩어져 있는 데이터를 여러 데이터 그룹으로 모으는 방법인 클러스터링, 시계열 데이터 분석에 대한 내용을 다룬다. 이를 통해 다양한 머신 러닝 기법에 대해 살펴보고 Go를 활용해 결과를 도출하는 방법을 살펴볼 수 있다. 3부, 8장과 9장에서는 머신 러닝을 활용하는 방법을 다룬다. 8장은 신경망 및 딥러닝을 통해 회귀분석, 분류와 같은 머신 러닝을 처리하는 데 신경망을 활용하는 기술을 소개한다. 8장을 통해 더 복잡한 데이터 모델링 기법을 적용하는 방법을 이해할 수 있다. 9장에서는 지금까지 개발한 머신 러닝 모델을 제품 환경으로 배포하는 방법과 데이터 처리 결과를 배포하는 방법을 살펴본다.
구글에서 만든 Go 언어는 출시 이후 여러 분야에서 점점 더 많이 활용되고 있다. Go 언어는 단순함을 유지하려고 노력하는 언어이기 때문에 빠르게 배울 수 있다는 장점이 있다. 책에서는 이런 특정을 반영해 높은 수준에서 유지보수가 가능한 프로그램을 생성하면서 머신 러닝에서 생산성을 유지하는 방법을 보여준다. 따라서 이 책은 생산성이 높은 머신 러닝 프로그램을 작성하고자 하는 데이터 과학자와 Go 언어를 활용해 머신 러닝 분야를 배우고자 하는 독자들에게 많은 도움이 될 것이다.
번역을 진행하면서 저자의 의도를 파악하려고 많은 노력을 기울였지만 의도를 제대로 파악하지 못한 부분이 있을지도 모르겠다. 번역이 잘못된 부분을 비롯해 책에 관련된 어떠한 의견이라도 보내준다면 소중히 여겨 더 좋은 책으로 만들어 가는 데 참고하겠다.

목차

1장. 데이터 수집 및 구성
__데이터 처리하기 - Gopher 스타일
__Go를 활용한 데이터 수집 및 구성의 모범 사례
__CSV 파일
____파일에서 CSV 데이터 읽기
____예상하지 못한 필드 처리하기
____예상하지 못한 타입 처리하기
____데이터 프레임을 활용해 CSV 데이터 조작하기
__JSON
____JSON 파싱하기
____JSON 출력
__SQL 유형 데이터베이스
____SQL 데이터베이스에 연결하기
____데이터베이스 쿼리하기
____데이터베이스 수정하기
__캐싱(Caching)
____메모리에 데이터 캐싱하기
____디스크에 로컬로 데이터 캐싱하기
__데이터 버전 관리
____Pachyderm jargon
____Pachyderm 설치
____데이터 버전 관리를 위한 데이터 저장소 생성하기
____데이터 저장소에 데이터 넣기
____버전 관리되는 데이터 저장소에서 데이터 가져오기
__참조
__요약

2장. 행렬, 확률 및 통계
__행렬 및 벡터
____벡터
____벡터 연산
____행렬
____행렬 연산
__통계
____분포(Distribution)
____통계적 측정 방법
____분포 시각화하기
__확률
____확률 변수(Random Variables)
____확률 측정방법
____독립 및 조건부 확률
____가설 검정(Hypothesis testing)
__참조
__요약

3장. 평가 및 검증
__평가(Evaluation)
____연속형 측정 방법
____범주형 측정 방법
__검증(Validation)
____훈련(학습) 및 테스트 데이터 집합
____홀드아웃(Holdout) 집합
____교차 검증(Cross Validation)
__참조
__요약

4장. 회귀분석
__회귀분석 모델 용어 이해하기
__선형 회귀분석
____선형 회귀분석 개요
____선형 회귀분석 가정 및 함정
____선형 회귀분석 예제
__다중 선형 회귀분석
__비선형 및 다른 유형의 회귀분석
__참조
__요약

5장. 분류
__분류 모델 용어 이해하기
__로지스틱 회귀분석
____로지스틱 회귀분석 개요
____로지스틱 회귀분석의 가정 및 함정(문제점)
____로지스틱 회귀분석 예제
__k-최근접 이웃 모델
____kNN의 개요
____kNN의 가정 및 함정(문제점)
____kNN 예제
__의사결정 트리와 랜덤 포레스트
____의사결정 트리와 랜덤 포레스트 개요
____의사결정 트리와 랜덤 프레스트의 가정 및 함정(문제점)
____의사결정 트리 예제
____랜덤 포레스트 예제
__나이브 베이즈
____나이브 베이즈와 가정에 대한 개요
____나이브 베이즈 예제
__참조
__요약

6장. 클러스터링
__클러스터링 모델 용어 이해하기
__거리 또는 유사도 측정하기
__클러스터링 기법 평가하기
____내부 클러스터링 평가 방법
____외부 클러스터링 평가
__k-평균 클러스터링
____k-평균 클러스터링 개요
____k-평균 클러스터링의 가정 및 함정(문제점)
____k-평균 클러스터링 예제
__기타 클러스터링 기법
__참조
__요약

7장. 시계열 분석 및 이상 감지
__Go에서 시계열 데이터 표현하기
__시계열 데이터 용어 이해하기
__시계열 관련 통계
____자기상관(Autocorrelation)
____편 자기상관(Partial autocorrelation)
__예측을 위한 자동 회귀 모델
____자동 회귀 모델 개요
____자동 회귀 모델의 가정 및 함정(문제점)
____자동 회귀 모델 예제
__자동 회귀 이동 평균 모델 및 기타 시계열 분석 모델
__이상 감지
__참조
__요약

8장. 신경망 및 딥러닝
__신경망에 대한 용어 이해하기
__간단한 신경망 구축하기
____신경망의 노드
____신경망 아키텍처
____이 아키텍처가 동작하는 이유
____신경망 훈련 및 학습 시키기
__간단한 신경망 활용하기
____실제 데이터를 사용해 신경망 훈련시키기
____신경망 평가하기
__딥러닝 소개
____딥러닝 모델이란?
____Go를 활용한 딥러닝
__참조
__요약

9장. 분석 결과 및 모델 배포하기
__원격 컴퓨터에서 안정적으로 머신 러닝 모델 실행하기
____Docker 및 Docker 용어에 대한 간단한 소개
____머신 러닝 응용 프로그램의 Docker-izing
__확장 가능하고 재현 가능한 머신 러닝 파이프라인 구축하기
____Pachyderm 및 Kubernetes 클러스터 설정하기
____Pachyderm 머신 러닝 파이프라인 구축하기
____파이프라인 업데이트 및 출처 검사
____파이프라인 단계 확장하기
__참조
__요약

부록. 머신 러닝과 관련된 알고리즘/기술
__경사 하강법
__역전파

출판사 서평

★ 이 책에서 다루는 내용 ★

■데이터의 수집, 구성, 구문 분석 및 정리 방법
■행렬, 선형 대수학, 통계 및 확률
■머신 러닝 모델을 평가하고 검증하는 방법
■회귀분석, 분류, 군집화
■신경망과 딥러닝
■시계열 모델을 활용해 예측 수행 및 이상 감지 작업 수행
■분석도구 및 머신 러닝 모델 배포 방법
■머신 러닝 모델 최적화 방법

★ 이 책의 대상 독자 ★
■머신 러닝 및 데이터 분석에 관심이 있는 Go 프로그래머
■Go 언어에 관심이 있고 Go를 머신 러닝과 데이터 분석 워크플로에 연동하는 데 관심이... 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

  • 길벗알앤디
    27,900원
  • 길벗R&D
    17,100원
  • 한국데이터진흥원
    16,200원
  • 이남호
    23,310원
  • 윤종식
    25,200원
더보기+

이 분야의 신간

  • 윤종식
    25,200원
  • BC카드 빅데이터센터
    17,100원
  • NCS 정보처리기술사 연구회
    25,200원
  • 조현준
    40,500원
  • NCS 정보기술 연구회
    27,900원
더보기+

바로가기

  • 우측 확장형 배너 2
  • 우측 확장형 배너 2

최근 본 상품