본문내용 바로가기
MD의선택 무료배송 이벤트 사은품 소득공제

파이썬을 활용한 머신러닝 쿡북 전처리에서 딥러닝까지, 판다스와 사이킷런 중심의 실전 문제 해결 200선

크리스 알본 지음 | 박해선 옮김 | 한빛미디어 | 2019년 09월 01일 출간
  • 정가 : 33,000원
    판매가 : 29,700 [10%↓ 3,300원 할인]
  • 통합포인트 :
    [기본적립] 1,650원 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
    지금 주문하면 내일(21일,목) 도착 예정 배송일정 안내
  • 바로드림 : 인터넷으로 주문하고 매장에서 직접 수령 안내

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

  • 행사도서 포함 IT 분야 3만원 이상 구매시 개발자 텀블러티슈 ..
    2019.11.05 ~ 2019.12.31
  • 개발자로 입문하기: 일단 이것부터 읽어보자!
    2019.05.31 ~ 2020.12.31
  • 개발자의 오랜친구, 한빛미디어의 책을 편리하게 모아보세요
    2017.11.22 ~ 2019.12.31
  • 파이썬 도서 전체 목록입니다. 새로운 책을 발견해보세요!
    2016.08.11 ~ 2020.12.31
  • MANNING, O'REILLY, PACKT, WILE..
    2016.03.07 ~ 2020.12.31
상품상세정보
ISBN 9791162241950(1162241950)
쪽수 508쪽
크기 182 * 234 * 23 mm /913g 판형알림
이 책의 원서/번역서 Machine Learning with Python Cookbook/Albon, Chris

책소개

이 책이 속한 분야

이 책의 주제어

200개 비법 레시피로 실무 머신러닝 문제를 쉽고 빠르게 해결하기
200여 개의 비법 레시피를 제공하는 이 책은 실무에서 접하는 다양한 머신러닝 문제를 해결하도록 도와준다. 판다스나 사이킷런 같은 파이썬 라이브러리로 데이터 적재, 텍스트나 수치형 데이터 다루기, 모델 선택, 차원 축소 등 다양한 문제를 해결할 수 있다.

레시피의 코드를 샘플 데이터셋에 적용하며 실제로 코드가 어떻게 동작하는지 확인해본다. 문제 해결에 대한 설명과 유용한 배경지식도 제공한다. 이 책은 이론과 개념 설명을 넘어서 머신러닝 애플리케이션 제작에 필요한 구체적인 도구를 제시한다. 실무에서 레시피를 그대로 적용하거나 적절히 수정하여 쉽고 빠르게 문제를 해결하기 바란다.

상세이미지

파이썬을 활용한 머신러닝 쿡북 도서 상세이미지

저자소개

저자 : 크리스 알본

(Chris Albon)
선거 모니터링에서부터 재난 구조에 이르기까지 십여 년간 통계학습과 인공지능, 소프트웨
어 공학을 정치, 사회, 인도주의 활동에 적용해온 데이터 과학자이자 정치학자입니다. 현재 크
리스는 프런티어 마켓(frontier market)의 인터넷 사용자를 위해 와이파이 네트워크를 구축하는 케냐의 스타트업인 BRCK의 최고데이터과학자(CDS)입니다.

저자가 속한 분야

박해선 구글 ML GDE(Machine Learning Google Developer Expert)입니다. 기계공학을 전공했지만 졸업 후엔 줄곧 코드를 읽고 쓰는 일을 했습니다. 텐서플로 블로그(tensorflow.blog)에 글을 쓰고 텐서플로 문서 번역에 기여하면서 소프트웨어와 과학의 경계를 흥미롭게 탐험하고 있습니다.
『머신 러닝 교과서 with 파이썬, 사이킷런, 텐서플로』(길벗, 2019), 『파이썬 라이브러리를 활
용한 머신러닝』(한빛미디어, 2019), 『케라스 창시자에게 배우는 딥러닝』(길벗, 2018), 『핸즈
온 머신러닝』(한빛미디어, 2018), 『텐서플로 첫걸음』(한빛미디어, 2016)을 우리말로 옮겼습
니다.

박해선님의 최근작

목차

CHAPTER 1 벡터, 행렬, 배열
__1.0 소개
__1.1 벡터 만들기
__1.2 행렬 만들기
__1.3 희소행렬 만들기
__1.4 원소 선택하기
__1.5 행렬 정보 확인하기
__1.6 벡터화 연산 적용하기
__1.7 최댓값, 최솟값 찾기
__1.8 평균, 분산, 표준편차 계산하기
__1.9 배열 크기 바꾸기
__1.10 벡터나 행렬 전치하기
__1.11 행렬 펼치기
__1.12 행렬의 랭크 구하기
__1.13 행렬식 계산하기
__1.14 행렬의 대각원소 추출하기
__1.15 행렬의 대각합 계산하기
__1.16 고윳값과 고유벡터 찾기
__1.17 점곱 계산하기
__1.18 행렬 덧셈과 뺄셈
__1.19 행렬 곱셈
__1.20 역행렬
__1.21 난수 생성하기

CHAPTER 2 데이터 적재
__2.0 소개
__2.1 샘플 데이터셋 적재하기
__2.2 모의 데이터셋 만들기
__2.3 CSV 파일 적재하기
__2.4 엑셀 파일 적재하기
__2.5 JSON 파일 적재하기
__2.6 SQL 데이터베이스로부터 적재하기

CHAPTER 3 데이터 랭글링
__3.0 소개
__3.1 데이터프레임 만들기
__3.2 데이터 설명하기
__3.3 데이터프레임 탐색하기
__3.4 조건에 따라 행 선택하기
__3.5 값 치환하기
__3.6 열 이름 바꾸기
__3.7 최솟값, 최댓값, 합, 평균 계산 및 개수 세기
__3.8 고유한 값 찾기
__3.9 누락된 값 다루기
__3.10 열 삭제하기
__3.11 행 삭제하기
__3.12 중복된 행 삭제하기
__3.13 값에 따라 행을 그룹핑하기
__3.14 시간에 따라 행을 그룹핑하기
__3.15 열 원소 순회하기
__3.16 모든 열 원소에 함수 적용하기
__3.17 그룹에 함수 적용하기
__3.18 데이터프레임 연결하기
__3.19 데이터프레임 병합하기

CHAPTER 4 수치형 데이터 다루기
__4.0 소개
__4.1 특성 스케일 바꾸기
__4.2 특성을 표준화하기
__4.3 정규화하기
__4.4 다항 특성과 교차항 특성 생성하기
__4.5 특성 변환하기
__4.6 이상치 감지하기
__4.7 이상치 다루기
__4.8 특성 이산화하기
__4.9 군집으로 샘플을 그룹으로 묶기
__4.10 누락된 값을 가진 샘플을 삭제하기
__4.11 누락된 값 채우기

CHAPTER 5 범주형 데이터 다루기
__5.0 소개
__5.1 순서가 없는 범주형 특성 인코딩하기
__5.2 순서가 있는 범주형 특성 인코딩하기
__5.3 특성 딕셔너리를 인코딩하기
__5.4 누락된 클래스 값 대체하기
__5.5 불균형한 클래스 다루기

CHAPTER 6 텍스트 다루기
__6.0 소개
__6.1 텍스트 정제하기
__6.2 HTML 파싱과 정제하기
__6.3 구두점 삭제하기
__6.4 텍스트 토큰화하기
__6.5 불용어 삭제하기
__6.6 어간 추출하기
__6.7 품사 태깅하기
__6.8 텍스트를 BoW로 인코딩하기
__6.9 단어 중요도에 가중치 부여하기

CHAPTER 7 날짜와 시간 다루기
__7.0 소개
__7.1 문자열을 날짜로 변환하기
__7.2 시간대 다루기
__7.3 날짜와 시간 선택하기
__7.4 날짜 데이터를 여러 특성으로 나누기
__7.5 날짜 간의 차이를 계산하기
__7.6 요일을 인코딩하기
__7.7 시차 특성 만들기
__7.8 이동 시간 윈도 사용하기
__7.9 시계열 데이터에서 누락된 값 다루기

CHAPTER 8 이미지 다루기
__8.0 소개
__8.1 이미지 로드하기
__8.2 이미지 저장하기
__8.3 이미지 크기 변경하기
__8.4 이미지 자르기
__8.5 이미지 흐리게 하기
__8.6 이미지 선명하게 하기
__8.7 대비 높이기
__8.8 색깔 구분하기
__8.9 이미지 이진화하기
__8.10 배경 제거하기
__8.11 경계선 감지하기
__8.12 모서리 감지하기
__8.13 머신러닝 특성 만들기
__8.14 평균 색을 특성으로 인코딩하기
__8.15 컬러 히스토그램을 특성으로 인코딩하기

CHAPTER 9 특성 추출을 사용한 차원 축소
__9.0 소개
__9.1 주성분을 사용해 특성 줄이기
__9.2 선형적으로 구분되지 않은 데이터의 차원 축소하기
__9.3 클래스 분리를 최대화하여 특성 줄이기
__9.4 행렬 분해를 사용하여 특성 줄이기
__9.5 희소한 데이터의 특성 줄이기

CHAPTER 10 특성 선택을 사용한 차원 축소
__10.0 소개
__10.1 분산을 기준으로 수치 특성 선택하기
__10.2 분산을 기준으로 이진 특성 선택하기
__10.3 상관관계가 큰 특성 다루기
__10.4 분류 작업에 관련 없는 특성 삭제하기
__10.5 재귀적 특성 제거하기

CHAPTER 11 모델 평가
__11.0 소개
__11.1 교차검증 모델 만들기
__11.2 기본 회귀 모델 만들기
__11.3 기본 분류 모델 만들기
__11.4 이진 분류기의 예측 평가하기
__11.5 이진 분류기 임곗값 평가하기
__11.6 다중클래스 분류기 예측 평가하기
__11.7 분류기 성능 시각화하기
__11.8 회귀 모델 평가하기
__11.9 군집 모델 평가하기
__11.10 사용자 정의 평가 지표 만들기
__11.11 훈련 세트 크기에 따른 영향을 시각화하기
__11.12 평가 지표 리포트 만들기
__11.13 하이퍼파라미터 값의 영향을 시각화하기

CHAPTER 12 모델 선택
__12.0 소개
__12.1 완전 탐색을 사용해 최선의 모델 선택하기
__12.2 랜덤 서치를 사용해 최선의 모델 선택하기
__12.3 여러 학습 알고리즘에서 최선의 모델 선택하기
__12.4 전처리와 함께 최선의 모델 선택하기
__12.5 병렬화로 모델 선택 속도 높이기
__12.6 알고리즘에 특화된 기법을 사용하여 모델 선택 수행 속도 높이기
__12.7 모델 선택 후 성능 평가하기

CHAPTER 13 선형회귀
__13.0 소개
__13.1 직선 학습하기
__13.2 교차 특성 다루기
__13.3 비선형 관계 학습하기
__13.4 규제로 분산 줄이기
__13.5 라소 회귀로 특성 줄이기

CHAPTER 14 트리와 랜덤 포레스트
__14.0 소개
__14.1 결정 트리 분류기 훈련하기
__14.2 결정 트리 회귀 훈련하기
__14.3 결정 트리 모델 시각화하기
__14.4 랜덤 포레스트 분류기 훈련하기
__14.5 랜덤 포레스트 회귀 훈련하기
__14.6 랜덤 포레스트에서 중요한 특성 구분하기
__14.7 랜덤 포레스트에서 중요한 특성 선택하기
__14.8 불균형한 클래스 다루기
__14.9 트리 크기 제어하기
__14.10 부스팅을 사용하여 성능 향상하기
__14.11 OOB 데이터로 랜덤 포레스트 평가하기

CHAPTER 15 k-최근접 이웃
__15.0 소개
__15.1 샘플의 최근접 이웃 찾기
__15.2 k-최근접 이웃 분류기 만들기
__15.3 최선의 이웃 개수 결정하기
__15.4 반지름 기반의 최근접 이웃 분류기 만들기

CHAPTER 16 로지스틱 회귀
__16.0 소개
__16.1 이진 분류기 훈련하기
__16.2 다중 클래스 분류기 훈련하기
__16.3 규제로 분산 줄이기
__16.4 대용량 데이터에서 분류기 훈련하기
__16.5 불균형한 클래스 다루기

CHAPTER 17 서포트 벡터 머신
__17.0 소개
__17.1 선형 분류기 훈련하기
__17.2 커널을 사용해 선형적으로 구분되지 않는 클래스 다루기
__17.3 예측 확률 계산하기
__17.4 서포트 벡터 식별하기
__17.5 불균형한 클래스 다루기

CHAPTER 18 나이브 베이즈
__18.0 소개
__18.1 연속적인 특성으로 분류기 훈련하기
__18.2 이산적인 카운트 특성으로 분류기 훈련하기
__18.3 이진 특성으로 나이브 베이즈 분류기 훈련하기
__18.4 예측 확률 보정하기

CHAPTER 19 군집
__19.0 소개
__19.1 k-평균을 사용한 군집
__19.2 k-평균 군집 속도 향상하기
__19.3 평균이동을 사용한 군집
__19.4 DBSCAN을 사용한 군집
__19.5 계층적 병합을 사용한 군집

CHAPTER 20 신경망
__20.0 소개
__20.1 신경망을 위한 데이터 전처리하기
__20.2 신경망 구성하기
__20.3 이진 분류기 훈련하기
__20.4 다중 분류기 훈련하기
__20.5 회귀 모델 훈련하기
__20.6 예측하기
__20.7 훈련 기록 시각화하기
__20.8 가중치 규제로 과대적합 줄이기
__20.9 조기종료로 과대적합 줄이기
__20.10 드롭아웃으로 과대적합 줄이기
__20.11 모델 훈련 진행 과정을 저장하기
__20.12 신경망을 k-폴드 교차검증하기
__20.13 신경망 튜닝하기
__20.14 신경망 시각화하기
__20.15 이미지 분류하기
__20.16 이미지 증식으로 성능 향상하기
__20.17 텍스트 분류하기

CHAPTER 21 훈련된 모델 저장과 복원
__21.0 소개
__21.1 사이킷런 모델을 저장하고 복원하기
__21.2 케라스 모델을 저장하고 복원하기

추천사

저스틴 보조니어

전문가가 참고하기에도 초보자가 읽기에도 적절한 분량의 튜토리얼을 쿡북의 특성을 살려 알기 쉽게 잘 엮어냈습니다. 이 책은 면접을 앞둔 데이터 과학자, 배운 것을 복습하고 싶은 사람, 책상에 올려놓을 간결하지만 완벽한 참고서를... 더보기

출판사 서평

머신러닝 시스템 실무 개발자를 위한 본격적인 문제 해결 가이드북
이 책은 일상적인 머신러닝 작업에서 발생하는 문제를 해결하는 데 필요한 각종 세부사항을 다룹니다. 데이터 과학자와 머신러닝 엔지니어가 모델을 만들면서 가장 많이 사용하는 작업에 필요한 거의 200여 개에 달하는 독립적인 해결책을 담았습니다. 역자의 말을 빌리자면 ‘머신러닝 지식을 모아놓은 두꺼운 책이 아니라, 전문가를 위한 스위스 만능칼 같은’ 책입니다. 이 책의 목표는 실제 머신러닝 시스템을 만드는 사람들을 위한 참고 도서가 되는 것입니다.
또한 이 책에는 한국... 더보기

북로그 리뷰 (2) 전체보기 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
  • 머신러닝을 공부하는 분들을 주변에서 많이 볼 수 있습니다. 머신러닝은 파이썬 언어를 사용합니다. 다른 프로그래밍언어로는 쉽게 못 짤 코드도 쉽고 빠르게 짤 수 있습니다. 파이썬을 활용한 머신러닝 쿡북은 입문자를 위한 책은 아닙니다. 아쉽게도 입문자분들은 기초부터 공부하신 후에 읽으실 것을 추천합니다. 머신러닝 원리와 작동방식을 알려주는 책으로 기초는 알려주진 않습니다. 입문자분들도 머신러닝 기본 개념을 먼저 숙지하신 후에는 읽... 더보기
  • [리뷰] 파이썬을 활용한 머신러닝 쿡북 04 Oct 2019 in Review on Review, Book, Machine, Learning, Python, Cookbook, Preprocessing   <ins class="adsbygoogle myAd1190" data-ad-client="ca-pub-9134477021095729" data-ad-slot="6559875097" data-... 더보기

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 책의 원서번역서

안내

이 분야의 베스트

  • 길벗R&D
    17,100원
  • 윤인성
    16,200원
  • 길벗알앤디
    27,900원
  • 길벗R&D
    32,400원
  • 선양미
    18,900원
더보기+

이 분야의 신간

  • 테런스 J. 세즈노스키
    22,500원
  • 길벗R&D
    32,400원
  • 길벗R&D
    19,800원
  • 길벗R&D
    15,300원
  • 블레이크 J. 해리스
    25,200원
더보기+

바로가기

  • 우측 확장형 배너 2
  • 우측 확장형 배너 2

최근 본 상품