도서 소개

우리가 흔히 머신러닝, 딥러닝이라고 부르는 데이터 분석 모델에 대해서 학습한다. 그리고 데이터 분석 모델을 만드는데 사용하는 대표적인 파이썬 프레임워크인 사이킷런(sklearn), 텐서플로우(TensorFlow), 케라스(Keras)를 이용한 머신러닝, 딥러닝 개발을 배운다.

  출판사 리뷰

이 책은 머신러닝, 딥러닝을 처음 접하는 독자를 위한 ‘입문서’입니다

시중에는 이미 머신러닝, 딥러닝 책이 많이 출간되어 있습니다. 이들 책은 대부분 머신러닝, 딥러닝 모델을 수학적으로 분석하고 사이킷런과 텐서플로우에서 제공하는 많은 기능을 상세하게 설명하고 있어서 머신러닝과 딥러닝 모델에 대해 깊이 있게 학습하기에는 좋습니다. 그러나 다루는 범위가 광범위하여 머신러닝, 딥러닝 모델을 명확하게 이해하고, 큰 흐름을 잡기까지는 상당한 시간 투자가 필요합니다. 머신러닝, 딥러닝을 처음 접하는 독자에게는 힘에 부치는 일입니다.
그래서 이 책을 준비했습니다. 이 책은 머신러닝, 딥러닝 모델을 설명하기에 앞서, 각 모델의 알고리즘이 어떻게 흘러가는지 프로세스를 바탕으로 설명합니다. 그래서 지금 배우는 내용이 전체 프로세스 중 어느 부분에 해당하고, 왜 필요한지를 파악할 수 있어서 머신러닝, 딥러닝 모델을 명확하게 이해하고, 큰 흐름을 잡기까지의 시간 투자가 크게 줄어듭니다. 『파이썬으로 시작하는 데이터 분석』에서 익힌 기본기를 바탕으로 머신러닝과 딥러닝 모델을 빠르게 활용할 수 있게끔 안내합니다.

『파이썬으로 시작하는』 시리즈는 1권(데이터 분석)과 2권(머신러닝+딥러닝)으로 구성되어 있습니다.

* 1권 : 『파이썬으로 시작하는 데이터 분석』
* 2권 : 『파이썬으로 시작하는 머신러닝+딥러닝』

1권은 데이터 수집부터 데이터 탐색까지 데이터를 이해하고 다루기 위한 준비 운동의 과정이고, 2권은 본격적으로 데이터 분석 모델을 만들어보면서 머신러닝과 딥러닝 알고리즘에 대해서 살펴봅니다.

  작가 소개

지은이 : 강지영
정보관리기술사, 정보시스템 수석감리원휴대폰 소프트웨어 개발을 시작으로 IT 분야에 입문했다. 새로운 기술에 대해 호기심이 많은데 직접 뜯어보고 다뤄보지 않으면 잘 이해를 못하는 부류라 매우 피곤하게 살고 있다. 요새는 대학생, 취준생 그리고 비전공자를 대상으로 IT 기술 멘토링을 할 때 가장 보람을 느낀다. 주로 머신러닝, 딥러닝, 자연어 처리, 모바일 앱, 라즈베리파이 관련 프로젝트에 대해 이야기를 나눈다.『파이썬으로 시작하는 데이터 분석』(2022, 아이리포) 집필

  목차

1장. 머신러닝, 딥러닝이 무엇인가요?
__1.1 컴퓨터에게 지능을 만들어주는 인공지능
__1.2 컴퓨터는 어떻게 학습을 하죠?
____1.2.1 지도학습
____1.2.2 비지도학습
____1.2.3 강화학습
__1.3 인공신경망의 역사
__1.4 이 책에서 다루는 분석 모델
____1.4.1 이 책은 인공지능 분야 중 빅데이터를 컴퓨터가 스스로 학습하는 머신러닝과 딥러닝을 다룹니다
____1.4.2 이 책은 지도학습과 비지도학습 방법을 다룹니다
____1.4.3 이 책은 다음의 머신러닝 알고리즘을 다룹니다
____1.4.4 이 책은 다음의 딥러닝 알고리즘을 다룹니다
____1.4.5 이 책이 다루는 학습 성능을 개선하기 위한 방법입니다
____1.4.6 이 책이 다루는 학습 모델의 평가 방법입니다
____1.4.7 전체 맵(Mae)
__1.5 컴퓨터를 학습시키기 위한 준비
____1.5.1 환경 설정 - 코랩(Colab)
____1.5.2 데이터 분석을 위한 파이썬 기초 문법
__마무리

2장. 머신러닝 프로세스
__2.1 머신러닝 학습 절차
____2.1.1 문제 정의
____2.1.2 데이터 전처리
____2.1.3 학습
____2.1.4 평가
__2.2 실습 - 붓꽃 데이터 분류
____2.2.1 문제 정의
____2.2.2 데이터 정제
____2.2.3 학습 - 의사결정나무
____2.2.4 평가
____2.2.5 예측
__마무리

3장. 분류 모델의 성능 개선 방법
__3.1 좋은 점수를 받기 위해서는?
____3.1.1 학습 데이터를 바꾼다
____3.1.2 학습 방법을 바꾼다
__3.2 학습 데이터를 바꾼다
____3.2.1 교차검증
____3.2.2 스케일 조절
____3.2.3 차원축소
__3.3 학습 방법을 바꾼다
____3.3.1 모델의 종류를 바꿔보자
____3.3.2 모델을 튜닝하자
____3.3.3 너무 오래 학습하지 않는다!
__3.4 실습 문제 : 유방암 분류
__마무리

4장. 회귀 모델 - 집 값을 예측한다고?
__4.1 회귀 알고리즘
____4.1.1 선형회귀(Linear Regression)
____4.1.2 의사결정나무 기반 회귀 알고리즘
__4.2 회귀 모델의 평가 방법
____4.2.1 MSE(Mean Squared Error)
____4.2.2 결정계수(R2, R - Square)
__4.3 실습 1 - 붓꽃 데이터 회귀
____4.3.1 문제 정의 및 학습 데이터 준비
____4.3.2 학습 - 선형회귀 모델
____4.3.3 학습 - 의사결정나무 기반의 회귀 알고리즘
__4.4 실습 2 - 보스턴 집 값 예측
____4.4.1 문제 정의 및 학습 데이터 준비
____4.4.2 학습 - 선형회귀 모델
____4.4.3 학습 - 선형회귀 모델 응용
____4.4.4 학습 - 의사결정나무 기반 회귀 모델
__마무리

5장. 군집 모델
__5.1 클러스터링
____5.1.1 유사도 측정 방법
____5.1.2 계층적 군집
____5.1.3 K-means 알고리즘
____5.1.4 군집 알고리즘의 평가 방법
__5.2 실습 : 붓꽃 데이터 군집(K-means) 모델
____5.2.1 문제 정의 및 데이터 분할
____5.2.2 학습 - KMeans
____5.2.3 평가 - 실루엣 점수
____5.2.4 최적의 군집 수 찾기
__마무리

6장. 인공신경망을 만들자!
__6.1 딥러닝이란?
____6.1.1 인공신경망
____6.1.2 인공신경망의 학습
____6.1.3 인공신경망의 활성화 함수
____6.1.4 인공신경망의 손실 함수
__6.2 인공신경망 구성하기
____6.2.1 인공신경망 구성하기 - 기본
____6.2.2 인공신경망 구성하기 - 퀴즈
____6.2.3 인공신경망의 주요 함수
__6.3 실습 - 인공신경망 학습
____6.3.1 인공신경망 학습하기 - 기본
____6.3.2 성능 개선
__마무리

7장. CNN과 이미지 처리
__7.1 객체 인식에 탁월한 인공신경망의 구조
____7.1.1 컴퓨터의 이미지 처리
____7.1.2 CNN의 주요 구성
____7.1.3 이미지 데이터 전처리
__7.2 CNN 기반 인공신경망 학습하기
____7.2.1 MNIST 데이터셋
__7.3 똑똑한 인공신경망 활용하기
____7.3.1 전이학습
____7.3.2 VGGNet
____7.3.3 ResNet
____7.3.4 Inception, Xception
____7.3.5 EfficientNet
__마무리

8장. RNN과 자연어 처리
__8.1 컴퓨터는 사람의 말을 어떻게 이해할까?
____8.1.1 자연어 처리
____8.1.2 RNN
__8.2 컴퓨터가 이해할 수 있도록 사람 말을 바꿔주는 방법
____8.2.1 텍스트 전처리
____8.2.2 언어 모델(Language Model)
__8.3 실습 - 감정분석
__마무리

  회원리뷰