| 000 | 00000nam c2200205 c 4500 | |
| 001 | 000045871003 | |
| 005 | 20160502172136 | |
| 007 | ta | |
| 008 | 160502s2016 ulka 001c kor | |
| 020 | ▼a 9791187345008 ▼g 93560 | |
| 040 | ▼a 211009 ▼c 211009 ▼d 211009 | |
| 041 | 1 | ▼a kor ▼h eng |
| 082 | 0 4 | ▼a 006.3/1 ▼2 23 |
| 085 | ▼a 006.31 ▼2 DDCK | |
| 090 | ▼a 006.31 ▼b 2016z3 | |
| 100 | 1 | ▼a Bell, Jason |
| 245 | 1 0 | ▼a 머신 러닝 워크북 / ▼d 제이슨 벨 지음 ; ▼e 곽승주 옮김 |
| 246 | 1 9 | ▼a Machine learning : ▼b hands-on for developers and technical professionals |
| 260 | ▼a 서울 : ▼b 길벗, ▼c 2016 | |
| 300 | ▼a 456 p. : ▼b 삽화 ; ▼c 24 cm | |
| 500 | ▼a 부록: A. 스프링 XD 빨리 시작하기, B. Hadoop 1.x 빨리 시작하기, C. 유용한 유닉스 명령어 외 | |
| 500 | ▼a 색인수록 | |
| 650 | 0 | ▼a Machine learning |
| 700 | 1 | ▼a 곽승주, ▼e 역 |
| 900 | 1 0 | ▼a 벨, 제이슨, ▼e 저 |
| 945 | ▼a KLPA |
Holdings Information
| No. | Location | Call Number | Accession No. | Availability | Due Date | Make a Reservation | Service |
|---|---|---|---|---|---|---|---|
| No. 1 | Location Main Library/Monographs(3F)/ | Call Number 006.31 2016z3 | Accession No. 111760842 (24회 대출) | Availability Available | Due Date | Make a Reservation | Service |
| No. 2 | Location Science & Engineering Library/Sci-Info(Stacks1)/ | Call Number 006.31 2016z3 | Accession No. 121236407 (21회 대출) | Availability Available | Due Date | Make a Reservation | Service |
| No. 3 | Location Science & Engineering Library/Sci-Info(Stacks1)/ | Call Number 006.31 2016z3 | Accession No. 121237989 (18회 대출) | Availability Available | Due Date | Make a Reservation | Service |
| No. 4 | Location Science & Engineering Library/Sci-Info(Stacks1)/ | Call Number 006.31 2016z3 | Accession No. 521004434 (10회 대출) | Availability Available | Due Date | Make a Reservation | Service |
| No. | Location | Call Number | Accession No. | Availability | Due Date | Make a Reservation | Service |
|---|---|---|---|---|---|---|---|
| No. 1 | Location Main Library/Monographs(3F)/ | Call Number 006.31 2016z3 | Accession No. 111760842 (24회 대출) | Availability Available | Due Date | Make a Reservation | Service |
| No. | Location | Call Number | Accession No. | Availability | Due Date | Make a Reservation | Service |
|---|---|---|---|---|---|---|---|
| No. 1 | Location Science & Engineering Library/Sci-Info(Stacks1)/ | Call Number 006.31 2016z3 | Accession No. 121236407 (21회 대출) | Availability Available | Due Date | Make a Reservation | Service |
| No. 2 | Location Science & Engineering Library/Sci-Info(Stacks1)/ | Call Number 006.31 2016z3 | Accession No. 121237989 (18회 대출) | Availability Available | Due Date | Make a Reservation | Service |
| No. 3 | Location Science & Engineering Library/Sci-Info(Stacks1)/ | Call Number 006.31 2016z3 | Accession No. 521004434 (10회 대출) | Availability Available | Due Date | Make a Reservation | Service |
Contents information
Book Introduction
자바와 다양한 도구로 실습해보면서 머신 러닝의 개념과 도구 사용법을 배운다. 머신 러닝의 정의, 머신 러닝을 계획하는 방법부터 시작하여 의사결정트리, 베이지안 네트워크, 인공 신경망, 연관 규칙 학습, 서포트 벡터 머신, 클러스터링이 무엇이고, 어디에 활용되는지 배운다.
각 알고리즘에 어떤 도구를 사용해야 하는지 자바를 포함하여 머신 러닝에서 사용되는 다양한 도구(머하웃, 스프링 XD, 하둡, 스쿱, 피그, 맵리듀스, 스칼라, 스파크, R, Rjava)를 설치하고 사용해본다. 머신 러닝 알고리즘과 도구 전반을 책 한 권으로 살펴보면서 각 기법과 도구의 특징을 배울 수 있다.
머신 러닝, 자바와 다양한 도구로 실습하면서 이해한다.
자바와 다양한 도구로 실습해보면서 머신 러닝의 개념과 도구 사용법을 배운다. 머신 러닝의 정의, 머신 러닝을 계획하는 방법부터 시작하여 의사결정트리, 베이지안 네트워크, 인공 신경망, 연관 규칙 학습, 서포트 벡터 머신, 클러스터링이 무엇이고, 어디에 활용되는지 배운다. 각 알고리즘에 어떤 도구를 사용해야 하는지 자바를 포함하여 머신 러닝에서 사용되는 다양한 도구(머하웃, 스프링 XD, 하둡, 스쿱, 피그, 맵리듀스, 스칼라, 스파크, R, Rjava)를 설치하고 사용해본다. 머신 러닝 알고리즘과 도구 전반을 책 한 권으로 살펴보면서 각 기법과 도구의 특징을 배울 수 있다.
머신 러닝, 어떻게 사용할 것인가?
당신이 궁금해하는 그 질문을 컴퓨터에게 던져라!
매장 어디에 상품을 두면 더 잘 팔릴까? → 각 매대의 판매량을 분석하자
요즘 유행하는 건 뭐지? → 해시태그를 모아 트렌드를 알아보자
사람들은 이 문제를 어떻게 생각할까? → 트위터의 글을 수집해 긍정적인지 부정적인지 살펴보자
이 모든 질문의 대답을 컴퓨터가 대신 답하도록 만들어라.
자바로 배운다!
주 도구로 웨카와 이클립스를 사용하여 머신 러닝을 학습한다. 웨카에서 제공하는 데이터 분석 알고리즘인 의사결정트리, 베이지안 네트워크, 서포트 벡터 머신, 클러스터링을 실습한다. 또한, 웨카가 만들어 내는 자바 코드를 분석하고 활용 방법을 배운다.
다양한 도구로 머신 러닝의 전체 상을 살펴본다!
머신 러닝으로 결과를 얻으려면 데이터를 수집하고 변환한 다음, 데이터 분석 알고리즘을 사용하여 모은 데이터를 처리해야 한다. 전체 과정을 도구 하나로 모두 처리할 수는 없다. 데이터의 성격에 따라 선택하는 도구도 달라진다. 머하웃, 스프링 XD, 하둡, 스쿱, 피그, 맵리듀스, 스칼라, 스파크, R, rJava를 설치하고 사용해보면서 각 도구의 특징을 알고 적재적소에 사용하자.
Information Provided By: :
Author Introduction
제이슨 벨(지은이)
25년 이상 소프트웨어 개발을 해왔으며 2002년부터 POS(point-of-sale)와 고객 데이터를 다루었다. 영국에서 Datasentiment라는 회사를 설립하여 전 세계 많은 회사의 데이터 수집, 처리, 이해를 돕고 있다.
곽승주(옮긴이)
한양대학교 경제학 석사 학위를 받았다. 은행과 자산운용사의 리스크, 컴플라이언스, 헤지펀드 부서에서 리스크 및 펀드성과 리포팅, 주식 및 선물운용 및 계량분석, ELS 평가 및 백테스팅, 백오피스 업무자동화 등을 위한 업무를 맡았고, 관련 소프트웨어를 개발하였다. 현재는 금융 관련 소프트웨어 개발에 집중하고 있다. 선물 알고리즘 트레이딩 서비스를 개발하는 중이며, 개인 홈페이지는 calabico.wordpress.com이다.
Table of Contents
1장 머신 러닝이란 무엇인가? __1.1 머신 러닝의 역사 ____앨런 튜링 ____아서 사무엘 ____톰 미첼 ____요약 __1.2 머신 러닝 알고리즘의 종류 ____지도 학습 ____비지도 학습 __1.3 인간의 개입 __1.4 머신 러닝의 활용 ____소프트웨어 ____주식 매매 ____로보틱스 ____의학과 헬스 케어 ____광고 ____소매업과 전자 상거래 ____게임 분석 ____사물인터넷 __1.5 머신 러닝을 위한 프로그래밍 언어 ____파이썬 ____R ____매트랩 ____스칼라 ____클로저 ____루비 __1.6 이 책에서 사용한 소프트웨어 ____자바 버전 확인하기 ____웨카 툴킷 ____머하웃 ____스프링 XD ____하둡 ____통합개발환경(IDE) 사용하기 __1.7 데이터 저장소 ____UC 어바인 머신 러닝 저장소 ____인포침스 ____캐글 __1.8 요약 2장 머신 러닝 계획하기 __2.1 머신 러닝 순환 주기 __2.2 모든 것은 질문으로 시작된다 __2.3 데이터가 없어요! ____지역 사회에서 시작하기 ____경진대회 __2.4 하나로 모두 해결한다? __2.5 프로세스 정의하기 ____계획 ____개발 ____테스팅 ____보고 ____개선 ____프로덕션 __2.6 데이터 팀 구성하기 ____수학과 통계 ____프로그래밍 ____그래픽 디자인 ____전문 지식 __2.7 데이터 처리 ____내 컴퓨터 사용하기 ____컴퓨터 클러스터 ____클라우드 기반 서비스 __2.8 데이터 스토리지 ____물리 디스크 ____클라우드 기반 스토리지 __2.9 사생활 데이터 보안 ____문화 규범 ____세대적인 기대 ____사용자 데이터의 익명성 ____‘오싹한 선’을 넘지 마라 __2.10 데이터 품질과 정리 ____입력 여부 확인 ____타입 확인 ____길이 확인 ____범위 확인 ____포맷 확인 ____브리트니 딜레마 ____국가 이름에는 어떤 것들이 있나? ____날짜와 시간 ____데이터 정리에 관한 마지막 생각 __2.11 입력 데이터에 대해 생각해보기 ____원시 텍스트 ____CSV ____JSON ____YAML ____XML ____스프레드시트 ____데이터베이스 __2.12 결과 데이터에 대해 생각해보기 __2.13 실험을 두려워하지 마라 __2.14 요약 3장 의사결정트리로 작업하기 __3.1 의사결정트리의 기본 ____의사결정트리의 사용 ____의사결정트리의 장점 ____의사결정트리의 한계 ____여러 가지 알고리즘 ____의사결정트리는 어떻게 작동하는가? __3.2 웨카의 의사결정트리 ____필요 사항 ____훈련용 데이터 ____웨카를 사용하여 의사결정트리 만들기 ____분류에서 자바 코드 만들기 ____분류기 코드 테스트하기 ____미래의 반복적인 작업 생각해보기 __3.3 요약 4장 베이지안 네트워크 __4.1 조종사부터 클리피까지 __4.2 약간의 그래프 이론 __4.3 약간의 확률 이론 ____동전 던지기 ____조건부 확률 ____복권 당첨 __4.4 베이즈 이론 __4.5 베이지안 네트워크는 어떻게 작동하는가? ____확률 부여하기 ____결과 계산하기 __4.6 노드의 개수 __4.7 전문가의 도움 __4.8 베이지안 네트워크 안내 ____베이지안 네트워크를 위한 자바 API ____네트워크 계획하기 ____네트워크 코딩하기 __4.9 요약 5장 인공 신경망 __5.1 신경망이란 무엇인가? __5.2 인공 신경망 활용 ____고빈도 매매 ____신용 대출 ____데이터 센터 관리 ____로봇 공학 ____의료 모니터링 __5.3 인공 신경망 뜯어보기 ____퍼셉트론 ____활성화 함수 ____다층 퍼셉트론 ____역전파 __5.4 인공 신경망을 위한 데이터 준비 __5.5 웨카를 사용한 인공 신경망 ____데이터 세트 만들기 ____웨카로 데이터 읽어 들이기 ____다층 퍼셉트론 조정하기 ____네트워크 훈련시키기 ____네트워크 변경하기 ____테스트 데이터 크기 늘리기 __5.6 자바에서 신경망 구현하기 ____프로젝트 만들기 ____코드 ____CSV를 Arff로 변환하기 ____신경망 실행하기 __5.7 요약 6장 연관 규칙 학습 __6.1 연관 규칙 학습은 어느 분야에서 사용되는가? ____웹 사용 로그 마이닝 ____맥주와 기저귀 __6.2 연관 규칙 학습은 어떻게 이루어지는가? ____지지도 ____신뢰도 ____향상도 ____확신도 ____프로세스 정의하기 __6.3 알고리즘 ____Apriori ____FP-Growth __6.4 장바구니 마이닝 ____원시 데이터 다운로드 ____이클립스에서 프로젝트 설정하기 ____아이템 데이터 파일 설정하기 ____데이터 설정하기 ____머하웃 실행시키기 ____결과 검사하기 ____모두 합치기 ____추후 개발 __6.5 요약 7장 서포트 벡터 머신 __7.1 SVM이란 무엇인가? __7.2 SVM은 어디에 사용되는가? __7.3 기본 분류 원칙 ____이진 분류와 다중 클래스 분류 ____선형 분류기 ____신뢰성 ____함숫값 최대화와 최소화 __7.4 SVM으로 분류하는 방법 ____선형 분류 사용하기 ____비선형 분류 사용하기 __7.5 웨카에서 SVM 사용하기 ____LibSVM 설치하기 ____분류 실습 ____자바와 함께 LibSVM 사용하기 __7.6 요약 8장 클러스터링 __8.1 클러스터링이란 무엇인가? __8.2 클러스터링은 어디에 사용되는가? ____인터넷 ____비즈니스와 소매업 ____법 집행 ____컴퓨터 작업 __8.3 클러스터링 모델 ____k-means는 어떻게 작동하는가? ____클러스터 개수 계산하기 __8.4 웨카를 사용한 k-means 클러스터링 ____데이터 준비하기 ____워크벤치를 이용한 방법 ____명령줄을 사용한 방법 ____코드를 사용한 방법 __8.5 요약 9장 스프링 XD로 하는 실시간 머신 러닝 __9.1 데이터 파이어호스 잡기 ____실시간 데이터 사용 시 고려 사항 ____실시간 시스템의 활용 가능성 __9.2 스프링 XD 사용하기 ____스프링 XD 스트림 ____입력 소스, 싱크, 프로세서 __9.3 트위터 데이터로부터 배우기 ____개발 계획 ____트위터 API 개발자의 애플리케이션 설정하기 __9.4 스프링 XD 설정하기 ____스프링 XD 서버 시작하기 ____샘플 데이터 만들기 ____스프링 XD 셸 ____스트림 101 __9.5 스프링 XD와 트위터 ____트위터 자격 인증 설정하기 ____첫 트위터 스트림 만들기 ____다음에 할 것은? __9.6 프로세서 소개 ____어떻게 스트림 내 프로세서 작업이 이루어지는가? ____나만의 프로세서 만들기 __9.7 실시간 감성 분석 ____기본적인 분석이 이루어지는 방법 ____감성 프로세서 만들기 ____스프링 XD Taps __9.8 요약 10장 배치 처리로 하는 머신 러닝 __10.1 빅데이터인가? __10.2 배치 처리할 데이터의 고려 사항 ____크기와 빈도 ____데이터가 많은가? ____처리 방법은? __10.3 배치 처리의 실전 예제 ____하둡 ____스쿱 ____피그 ____머하웃 ____클라우드 기반 맵리듀스 ____실습 시 주의사항 __10.4 하둡 프레임워크 사용하기 ____하둡 아키텍처 ____싱글노드 클러스터 설정하기 __10.5 맵리듀스 작업 방법 __10.6 해시태그 마이닝 ____스프링 XD의 하둡 지원 ____이 예제의 목표 ____해시태그란 무엇인가? ____맵리듀스 클래스 만들기 ____기존 데이터에 ETL 수행하기 ____머하웃으로 제품 추천하기 __10.7 판매 데이터 마이닝 ____제 커피숍에 오신 걸 환영합니다! ____작은 규모로 시작하기 ____Core 메서드 작성하기 ____하둡과 맵리듀스 사용하기 ____피그를 사용하여 매출 데이터 마이닝하기 __10.8 배치 작업 일정 __10.9 요약 11 장 아파치 스파크 __11.1 스파크는 하둡의 대안인가? __11.2 자바, 스칼라 또는 파이썬? __11.3 스칼라 단기 속성 코스 ____스칼라 설치하기 ____패키지 ____데이터 타입 ____클래스 ____함수 호출하기 ____연산자 ____흐름 제어 __11.4 스파크 다운로드와 설치 __11.5 스파크 간단 입문 ____셸 시작하기 ____데이터 소스 ____스파크 테스트 ____스파크 모니터 __11.6 스파크와 하둡 맵리듀스 비교 __11.7 스파크로 독립 실행형 프로그램 만들기 ____스칼라에서 스파크 프로그램 ____스칼라 빌드 도구 설치하기 ____자바에서 스파크 프로그램 ____스파크 프로그램 요약 __11.8 스파크 SQL ____기본 개념 ____RDD에서 SparkSQL 사용하기 __11.9 스파크 스트리밍 ____기본 개념 ____스칼라로 첫 스트림 만들기 ____자바로 첫 스트림 만들기 __11.10 MLib: 머신 러닝 라이브러리 ____디펜던시 ____의사결정트리 ____클러스터링 __11.11 요약 12장 R로 하는 머신 러닝 __12.1 R 설치하기 ____OS X ____윈도 ____리눅스 __12.2 첫 실행 __12.3 R-Studio 설치하기 __12.4 R의 기본 ____변수와 벡터 ____행렬 ____리스트 ____데이터 프레임 ____패키지 설치하기 ____데이터를 로드하기 ____데이터 그리기 __12.5 간단한 통계 __12.6 단순 선형회귀 ____데이터 만들기 ____초기 그래프 ____선형 모델 회귀 분석 ____예측하기 __12.7 기본적인 감성 분석 ____단어 목록을 로드하는 함수 ____감성 지수를 채점하는 함수 작성하기 ____함수 테스트하기 __12.8 Apriori 연관 규칙 ____arules 패키지 설치하기 ____훈련용 데이터 ____거래 데이터 가져오기 ____Apriori 알고리즘 실행하기 ____결과 검사하기 __12.9 자바에서 R로 접근하기 ____rJava 패키지 설치하기 ____R에서의 첫 자바 코드 ____자바 프로그램에서 R 호출하기 ____이클립스 프로젝트 설정하기 ____자바/R 클래스 만들기 ____예제 실행하기 ____R 작업 확장하기 __12.10 R과 하둡 ____RHadoop 프로젝트 ____RHadoop에서 간단한 맵리듀스 작업 ____R에서 소셜 미디어 연결하기 __12.11 요약 부록 A 스프링 XD 빨리 시작하기 부록 B Hadoop 1.x 빨리 시작하기 부록 C 유용한 유닉스 명령어 부록 D 추가 읽을거리 찾아보기