상품 정보
상품 기본설명
머신 러닝 시작이 막막한 개발자를 위한 안내서
상품 상세설명
클라우디오 델리우스
머신 러닝 기법을 활용하고 싶지만 어떻게 시작할지 막막한 실무자, 개발자를 위한 책이다. 최근에 머신 러닝과 딥러닝에 관련된 서비스 및 라이브러리가 많이 공개돼 있지만, 이를 잘 활용하기 위해서는 머신 러닝에 대한 배경지식이 필수적이다. 이 책에서는 머신 러닝을 실제로 적용하는데 필요한 관련 배경지식을 최소한의 수식과 간단한 파이썬 코드를 통해 체계적으로 머신 러닝부터 딥러닝까지 소개하고 있다.
목차
1장. 소개: 머신 러닝 및 통계 과학
__큰 그림에서의 머신 러닝
__사용하는 도구: 프로그래밍 언어 및 라이브러리
__기본적인 수학 개념
__확률 및 랜덤 변수
__확률 함수에 대한 통계적 측정 기준
__요약
2장. 학습 과정
__문제 이해
__데이터셋 정의 및 획득
__피처 엔지니어링
__데이터셋 전처리
__모델 정의
__손실 함수 정의
__모델 피팅 및 평가
__모델 구현 및 결과 해석
__요약
3장. 클러스터링
__사람처럼 그룹화
__클러스터링 과정 자동화
__공통 중심 찾기: K-평균
__최근접 이웃
__K-NN 샘플 구현
__요약
4장. 선형 및 로지스틱 회귀
__회귀 분석
__선형 회귀
__공분산 및 상관관계로 기울기 및 절편 탐색
__그래디언트 디센트
__실전 데이터 탐색 및 선형 회귀
__로지스틱 회귀
__요약
5장. 신경망
__신경 모델의 역사
__단층 퍼셉트론으로 간단한 함수 구현
__요약
6장. 합성곱 신경망
__컨벌루션 신경망의 기원
__심층 신경망
__Keras를 사용한 심층 신경망 배포
__Quiver로 컨벌루션 모델 탐색
__요약
7장. 순환 신경망
__순서가 있는 문제 풀기: RNNs
__LSTM
__에너지 소비 데이터를 이용한 단변량 시계열 예측
__요약
8장. 최근 모델 및 개발 현황
__GAN
__강화 학습
__기본 RL 기술: Q-러닝
__참고 자료
__요약
9장. 소프트웨어 설치 및 설정
__리눅스 설치
__맥OS X 환경 설치
__윈도우 설치
__요약
출판사 서평
★ 이 책에서 다루는 내용 ★
■ 개발자가 익숙한 접근 방식을 통한 머신 러닝의 수학 및 기법 학습
■ 널리 사용되는 머신 러닝 알고리즘/기술과 실제 문제 해결 방법
■ 인기 있는 프로그래밍 프레임워크를 사용해 고급 개념에 대한 학습
■ 머신 러닝 분야에서 일할 수 있는 준비
■ 머신 러닝을 사용해 컴퓨팅 문제를 해결하는 데 가장 잘 알려지고 강력한 도구에 대한 개요 제공
■ 현재 머신 러닝 분야에 대한 소개를 바탕으로 개념들을 흥미롭고 최첨단 문제에 적용
★ 이 책의 대상 독자 ★
이 책은 프로그래밍을 통해 머신 러닝 개념의 기초를 이해하고자 하는 개발자/기술에 관심이 많은 사람을 대상으로 한다. 이 책은 스크립팅 언어에 대한 경험이 있는 사람에 적합하고, 파이썬에 익숙하면 코드를 이해하는 데 더욱 유용할 것이다. 또한 현재 데이터 과학자들의 경우에는 새롭고 실질적인 접근법을 통해 기본 개념부터 이해하는 데 유용할 것이다.★ 이 책의 구성 ★
1장, ‘소개: 머신 러닝 및 과학 통계’에서는 머신 러닝의 입문에 필요한 다양한 개념을 다룬다. 역사, 종류 및 해당 분야의 일반적인 개념에 대해 알아본다. 또한 이후에 개발되는 대부분의 기술을 이해하는 데 필요한 기본 수학적 개념을 소개한다.
2장, ‘학습 과정’에서는 머신 러닝 작업 과정에 있는 모든 단계를 다루며, 각 단계에서 사용되는 유용한 도구와 개념의 정의를 보여준다.
3장, ‘클러스터링’에서는 비지도 학습, 특히 K-평균과 K-NN 클러스터링을 위한 몇 가지 기술을 다룬다.
4장, ‘선형 및 로지스틱 회귀’에서는 이름은 비슷하지만 상당히 다른 두 가지 지도 학습 알고리즘을 다룬다. 이 두 알고리즘은 선형 회귀(시계열 예측을 수행)와 로지스틱 회귀(분류 목적으로 사용)다.
5장, ‘신경망’에서는 최신 머신 러닝 애플리케이션의 기본 구성 요소 중 하나인 신경망을 다루며, 단계적으로 실제 신경망을 구축하면서 마무리한다.
6장, ‘합성곱 신경망’에서는 신경망의 강력한 변형된 형태인 CNN을 다룬다. 실제 적용 예에서는 VGG16이라고 잘 알려진 CNN 구조의 내부를 실제적으로 둘러보는 것으로 마무리한다.
7장, ‘순환 신경망’에서는 RNN 개념의 개요와 가장 많이 사용되는 구조인 LSTM의 각 단계에 대해 다룬다. 마지막으로 시계열 예측에 대한 실제 예를 소개한다.
8장, ‘최근 모델 및 개발 현황’에서는 이 분야에서 큰 관심을 받고 있는 두 가지 기법, 즉 생성적 대립 신경망과 강화 학습의 전반적인 분야에 대해 다룬다.
9장, ‘소프트웨어 설치 및 설정’에서는 리눅스, 맥OS 및 윈도우의 세 가지 운영체제에서 머신 러닝을 구현하는 데 필요한 소프트웨어 패키지의 설치 방법을 설명한다.★ 지은이의 말 ★
머신 러닝은 현재 인기 있는 분야 중 하나다. 중요한 기술로 언론의 찬사를 받으면서 최근에 데이터와 자동화로 동작하는 모든 곳에서 중요하게 투자해야 할 기술의 한 분야다. 그리고 머신 러닝은 이미지 이해, 로봇 공학, 검색 엔진, 자율 자동차 등과 같은 많은 분야에서 광범위하게 사용되고 있으며, 응용 분야가 계속 증가하고 있다. 이 책에서는 복잡한 수학적인 지식을 제외하고 코드와 다이어그램을 통해 머신 러닝의 기본 개념과 현재 기술을 다룬다.
기본적인 머신 러닝 개념, 종류 및 문제 유형에 대해 알아보면서 시작한다. 이후 기술을 이해하는 데 필요한 기본적인 수학 개념도 설명한다. 장들을 진행하면서 복잡도와 정교함이 증가하는 모델들에 대해 설명한다. 선형 회귀를 시작으로 로지스틱 회귀, 신경망 및 CNN, RNN 같은 첨단 머신 러닝 기술을 다루며, GAN과 강화 학습 같은 진보된 머신 러닝 기술을 소개하며 마무리한다.
이 책은 최종적으로 머신 러닝이 무엇인지 파악하고 기본적인 수학적 정의와 함께 알고리즘 관점에서 주요 기본 개념을 이해하고자 하는 개발자를 대상으로 한다. 이 책은 쉽게 인터페이스가 가능한 파이썬을 이용해 개념들을 구현한다. 파이썬은 코드를 통해 학습하기 위한 최고의 도구다. 따라서 파이썬 프로그래밍에 대해 익숙해지면 코드로 여러 가지를 할 수 있다. 다른 언어에 대한 경험이 있다면 어렵지는 않을 것이다.
자신의 머신 러닝 문제를 해결하는 데 필요한 알고리즘을 어떻게 정하는지, 최상의 결과를 얻기 위해 이 알고리즘이 어떻게 작동하는지에 대한 내용을 배운다. 머신 러닝을 빠르게 개발자가 익숙한 언어를 통해 배우고자 하고, 이 분야에 뛰어들기 위한 충분한 정보를 갖고자 한다면 이 책을 반드시 봐야 한다!
★ 옮긴이의 말 ★
알파고 쇼크 이후에 많은 사람이 인공지능에 관심을 갖게 됐다. 인공지능이 갑작스럽게 나온 기술인 것 같지만 오래전부터 지속적으로 연구가 진행됐던 분야다. 이 기술과 많은 데이터, 값싸고 성능 좋은 연산장치의 등장이 접목돼 알파고, 사람보다 사람 인식을 잘하는 서비스, 자율자동차 등과 같은 파격적인 결과물들이 등장하고 있다. 이 결과의 바탕에는 많은 데이터를 통해 시스템에 지능을 부여하는 머신 러닝이 있다. 우리가 인지하지는 못하지만 이 머신 러닝 기술은 오래전부터 온라인 스토어, SNS, 금융 분야 등에서 사용되고 있으며, 그 적용처가 점차 확대되고 있다.
이 책은 머신 러닝을 적용하고자 하는 실무자, 개발자, 혹은 머신 러닝에 관심 있는 사람을 위한 책이다. 머신 러닝은 선형 대수, 확률, 통계, 최적화 등에 기반을 학문이며, 이 분야에서 사용 중인 용어 및 관련 내용은 머신 러닝을 시작하기 위한 장애물이 되고 있다. 이 책에서는 실제로 머신 러닝을 적용하기 위해 필요한 배경지식을 최소한의 수식과 간단한 파이썬 코드를 통해 체계적으로 머신 러닝부터 딥러닝까지 설명한다. 이 책에서 소개하는 내용을 바탕으로 머신 러닝과 딥러닝에 관련된 서비스 및 라이브러리를 더욱 잘 활용할 수 있을 것이다.
아무쪼록 이 책이 머신 러닝 기법을 자신만의 프로젝트에 적용하고자 하는 독자들에게 도움이 됐으면 한다.
상품 정보 고시
도서명 |
개발자를 위한 머신 러닝 |
저자 |
로돌포 본닌 |
출판사 |
에이콘출판 |
ISBN |
9791161752181 (1161752188) |
쪽수 |
288 |
출간일 |
2018-10-25 |
사이즈 |
189 * 236 * 22 mm /719g |
목차 또는 책소개 |
1장. 소개: 머신 러닝 및 통계 과학 __큰 그림에서의 머신 러닝 __사용하는 도구: 프로그래밍 언어 및 라이브러리 __기본적인 수학 개념 __확률 및 랜덤 변수 __확률 함수에 대한 통계적 측정 기준 __요약
2장. 학습 과정 __문제 이해 __데이터셋 정의 및 획득 __피처 엔지니어링 __데이터셋 전처리 __모델 정의 __손실 함수 정의 __모델 피팅 및 평가 __모델 구현 및 결과 해석 __요약
3장. 클러스터링 __사람처럼 그룹화 __클러스터링 과정 자동화 __공통 중심 찾기: K-평균 __최근접 이웃 __K-NN 샘플 구현 __요약
4장. 선형 및 로지스틱 회귀 __회귀 분석 __선형 회귀 __공분산 및 상관관계로 기울기 및 절편 탐색 __그래디언트 디센트 __실전 데이터 탐색 및 선형 회귀 __로지스틱 회귀 __요약
5장. 신경망 __신경 모델의 역사 __단층 퍼셉트론으로 간단한 함수 구현 __요약
6장. 합성곱 신경망 __컨벌루션 신경망의 기원 __심층 신경망 __Keras를 사용한 심층 신경망 배포 __Quiver로 컨벌루션 모델 탐색 __요약
7장. 순환 신경망 __순서가 있는 문제 풀기: RNNs __LSTM __에너지 소비 데이터를 이용한 단변량 시계열 예측 __요약
8장. 최근 모델 및 개발 현황 __GAN __강화 학습 __기본 RL 기술: Q-러닝 __참고 자료 __요약
9장. 소프트웨어 설치 및 설정 __리눅스 설치 __맥OS X 환경 설치 __윈도우 설치 __요약 |
상품 정보 고시
도서명 |
상품페이지 참고 |
저자 |
상품페이지 참고 |
출판사 |
상품페이지 참고 |
크기 |
상품페이지 참고 |
쪽수 |
상품페이지 참고 |
제품구성 |
상품페이지 참고 |
출간일 |
상품페이지 참고 |
목차 또는 책소개 |
상품페이지 참고 |
교환/반품
[반품/교환방법]
마이페이지> 주문배송조회 > 반품/교환신청 또는 고객센터 (070-4680-5689)로 문의 바랍니다.
[반품주소]
- 도로명 : (10882) 경기도 파주시 산남로 62-20 (산남동)
- 지번 : (10882) 경기도 파주시 산남동 305-21
[반품/교환가능 기간]
변심반품의 경우 수령 후 14일 이내, 상품의 결함 및 계약내용과 다를 경우 문제점 발견 후 30일 이내
[반품/교환비용]
단순 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 처리됩니다.
- 대금 환불 및 환불지연에 따른 배상금 지급 조건, 절차 등은 전자상거래 등에서의 소비자 보호에 관한 법률에 따라 처리함.