| 000 | 00000cam c2200205 c 4500 | |
| 001 | 000045911981 | |
| 005 | 20170814160606 | |
| 007 | ta | |
| 008 | 170814s2017 ulkad 001c kor | |
| 020 | ▼a 9788960779495 ▼g 94000 | |
| 020 | 1 | ▼a 9788960772106 (세트) |
| 035 | ▼a (KERIS)BIB000014347490 | |
| 040 | ▼a 011001 ▼c 011001 ▼d 211009 | |
| 041 | 1 | ▼a kor ▼h eng |
| 082 | 0 4 | ▼a 006.31 ▼2 23 |
| 085 | ▼a 006.31 ▼2 DDCK | |
| 090 | ▼a 006.31 ▼b 2017z8 | |
| 100 | 1 | ▼a Bali, Raghav |
| 245 | 1 0 | ▼a R 예제로 배우는 머신 러닝 : ▼b 머신 러닝의 기본 이해와 실생활 문제 해결에의 적용 / ▼d 라가프 발리, ▼e 디판잔 사카 지음 ; ▼e 정기연 [외]옮김 |
| 246 | 1 9 | ▼a R machine learning by example : ▼b understand the fundamentals of machine learning with R and build your own dynamic algorithms to tackle complicated real-world problems successfully |
| 246 | 3 0 | ▼a 머신 러닝 |
| 260 | ▼a 서울 : ▼b 에이콘, ▼c 2017 | |
| 300 | ▼a 377 p. : ▼b 삽화, 도표 ; ▼c 24 cm | |
| 440 | 0 0 | ▼a acorn + packt technical book |
| 500 | ▼a 색인수록 | |
| 500 | ▼a 공역자: 김명선, 최재혁, 안진규 | |
| 650 | 0 | ▼a Machine learning |
| 650 | 0 | ▼a R (Computer program language) |
| 650 | 0 | ▼a Data mining |
| 700 | 1 | ▼a Sarkar, Dipanjan |
| 700 | 1 | ▼a 정기연, ▼e 역 |
| 700 | 1 | ▼a 김명선, ▼e 역 |
| 700 | 1 | ▼a 최재혁, ▼e 역 |
| 700 | 1 | ▼a 안진규, ▼e 역 |
| 900 | 1 0 | ▼a 발리, 라가프, ▼e 저 |
| 900 | 1 0 | ▼a 사카, 디판잔, ▼e 저 |
| 945 | ▼a KLPA |
소장정보
| No. | 소장처 | 청구기호 | 등록번호 | 도서상태 | 반납예정일 | 예약 | 서비스 |
|---|---|---|---|---|---|---|---|
| No. 1 | 소장처 과학도서관/Sci-Info(1층서고)/ | 청구기호 006.31 2017z8 | 등록번호 121241178 (22회 대출) | 도서상태 대출가능 | 반납예정일 | 예약 | 서비스 |
| No. 2 | 소장처 과학도서관/Sci-Info(1층서고)/ | 청구기호 006.31 2017z8 | 등록번호 121254423 (5회 대출) | 도서상태 대출가능 | 반납예정일 | 예약 | 서비스 |
| No. 3 | 소장처 의학도서관/자료실(3층)/ | 청구기호 006.31 2017z8 | 등록번호 131052030 (14회 대출) | 도서상태 대출중 | 반납예정일 2026-02-09 | 예약 예약가능 | 서비스 |
| No. | 소장처 | 청구기호 | 등록번호 | 도서상태 | 반납예정일 | 예약 | 서비스 |
|---|---|---|---|---|---|---|---|
| No. 1 | 소장처 과학도서관/Sci-Info(1층서고)/ | 청구기호 006.31 2017z8 | 등록번호 121241178 (22회 대출) | 도서상태 대출가능 | 반납예정일 | 예약 | 서비스 |
| No. 2 | 소장처 과학도서관/Sci-Info(1층서고)/ | 청구기호 006.31 2017z8 | 등록번호 121254423 (5회 대출) | 도서상태 대출가능 | 반납예정일 | 예약 | 서비스 |
| No. | 소장처 | 청구기호 | 등록번호 | 도서상태 | 반납예정일 | 예약 | 서비스 |
|---|---|---|---|---|---|---|---|
| No. 1 | 소장처 의학도서관/자료실(3층)/ | 청구기호 006.31 2017z8 | 등록번호 131052030 (14회 대출) | 도서상태 대출중 | 반납예정일 2026-02-09 | 예약 예약가능 | 서비스 |
컨텐츠정보
책소개
acorn+ PACKT 시리즈. 머신 러닝을 사용한 실제 응용 사례를 R로 작성된 예제 코드 중심으로 소개한다. 제품 추천을 위한 장바구니 분석, 금융기관에서의 리스크 관리를 위한 신용 위험도 예측, 감정 분석을 위한 소셜 미디어 분석과 같은 실생활 예제를 R 코드로 설명한다. R 언어와 머신 러닝에 대한 기본 지식을 가지고 있는 독자라면, 이 책을 통해 기존에 알고 있던 이론들을 어떻게 응용할 수 있을지 한 단계 더 나아갈 수 있을 것이다.
★ 이 책에서 다루는 내용 ★
■ R의 강력한 데이터 추출, 처리와 탐색 기법 활용
■ R을 이용한 다차원에 걸친 데이터 시각화 및 유용한 특징 추출
■ 수학적, 논리적 개념을 이용한 머신 러닝 알고리즘 탐색
■ 정확한 상황 분석을 위한 분석 분야 심층 탐구
■ 알고리즘 동작을 볼 수 있도록 처음부터 R 머신 러닝 알고리즘 구축
■ 기본부터 시작하여 재사용 가능한 코드 작성 및 완전한 머신 러닝 시스템 구축
■ 머신 러닝과 R을 사용한 흥미로운 실제 문제 해결
■ 머신 러닝 및 데이터 과학의 실제 문제 해결
★ 이 책의 대상 독자 ★
데이터로부터 의사결정을 하는 최신 기술을 사용해 데이터로부터 유용한 정보를 채굴(mining)하는 데 관심이 많은 이들을 위한 책이다. R에 관한 기본 지식은 요구되지만, 데이터 과학에 관한 선행 경험은 필요하지 않다. 머신 러닝에 관한 사전 지식은 이 책의 내용을 학습하는 데 유용하지만, 반드시 필요하지는 않다.
★ 이 책의 구성 ★
1장, '머신 러닝 R로 시작하기'에서는 독자에게 R과 그 기초에 대해 소개하고, 머신 러닝의 개요에 대해 설명한다.
2장, '기계를 학습시키자'에서는 머신 러닝의 기본을 이루는 개념에 대해 본격적으로 설명한 다. 실제 예제로 이뤄진 다양한 러닝 알고리즘을 설명한다.
3장, '장바구니 분석을 통한 쇼핑 트렌드 예측'에서는 첫 번째 프로젝트로서 여러 가지 머신 러닝 기법을 사용해 전자상거래상 상품 추천, 예측, 패턴 분석을 수행한다. 특히 장바구니 분석과 연관 규칙 마이닝을 통해 고객의 쇼핑 패턴 및 트렌드, 상품 제작 및 예측에 대해 다룬다. 이런 기법들은 타깃, 메이시스, 플립카트, 아마존과 같은 소매 기업, 전자상거래 상점의 상품 추천 등에 널리 사용된다.
4장, '제품 추천 시스템 만들기'에서는 첫 번째 실습 프로젝트인 전자상거래상 상품 추천, 예측, 패턴 분석의 두 번째 부분을 다룬다. 특히 상용화 단계의 추천 시스템에 쓰인 전자상거래의 다양한 고객 제품 리뷰와 별점 분석을 통한 협력적 사용자 필터링과 같은 알고리즘 기법을 다룬다.
5장, '신용 위험의 감지 및 예측: 기술적 분석'에서는 두 번째 실습 프로젝트로 신용 위험 감지 및 예측에 관한 복합 금융 시나리오에 머신 러닝 기법을 적용해 본다. 특히 주요 목표에 대해 소개하고, 은행 자금 대출을 신청한 1,000명의 자산 신용 데이터 세트를 살펴본다. 머신 러닝 기법을 통해 누가 잠재적 신용 위험이 있는지, 누가 대출 받은 자금을 갚지 못할 것인지, 미래에 대해 예측해 본다. 또한 우리가 가진 데이터 세트에 대해 좀 더 자세히 살펴볼 텐데, 데이터를 다룰 때의 주요 문제점, 데이터 세트의 주요 기능, 데이터에 대한 탐사 및 묘사적인 분석 등을 설명한다. 끝으로, 위의 문제를 해결하는 데 적합한 머신 러닝 기법을 살펴보며 마무리 짓는다.
6장, '신용 위험의 감지 및 예측: 예측적 분석'에서는 앞장의 묘사적 분석에서 미뤄뒀던 것을 예측적 분석을 통해 살펴본다. 특히 잠재적 신용 위험과 대출 후 상환하지 못할 것 같은 고객에 대해 감지하고 분석하는 몇 가지 머신 러닝 알고리즘을 다룬다. 이는 은행이 대출을 승인할 것인지 말 것인지 데이터를 통해 분석함으로써 결정에 도움을 준다. 또한 몇 가지 지도 학습 알고리즘들을 살펴보고 성능 분석을 해본다. 여러 가지 머신 러닝 알고리즘들의 효율 및 정확도를 측정하는 데 쓰이는 수치에 대해서도 알아본다.
7장, '소셜 미디어 분석: 트위터'에서는 데이터 분석 소셜 미디어 분석의 세계로 안내한다. 소셜 미디어 세계로의 안내로 시작해 트위터 API를 통해 데이터를 모으는 방식을 살펴본다. 트위터로부터 유용한 데이터를 끌어오는 방식을 설명하고 실제 예제를 통해 트위터 데이터를 시각화하고, 트윗들을 클러스터링하고, 주제를 모델링하며 문제점 및 복잡성을 이끌어낸 뒤 이 문제들을 해결할 전략에 대해 소개한다. 예제를 통해 몇 가지 강력한 측정법으로 트위터 데이터를 연산할 수 있는지 살펴본다
8장, '트위터 데이터의 감정 분석'에서는 트위터 API를 사용해 트윗들의 감정을 분석하는 프로젝트를 다룬다. 이 프로젝트는 감정 표현의 트윗들을 분석하기 위한 복합 머신 러닝 알고리즘에 관한 것으로, 그 결과 값들의 비교를 통해 이해를 돕고 각 알고리즘이 내는 결과의 차이점에 대해 다룬다
정보제공 :
저자소개
러그허브 발리(지은이)
옵텀(United Health Group)의 데이터 과학자다. 유스케이스에 기초해서 머신러닝, 딥러닝, 의료와 보험 관련 자연어 처리로 기업 수준의 솔루션 연구와 개발을 하고 있다. 이전에 인텔에서 상황 주도적인 데이터 중심의 IT 기획에 관여했었다.
디판잔 사카(지은이)
세계 최대의 반도체 회사인 인텔에서 애널리틱스, 비즈니스 인텔리전스, 애플리케이션 개발 업무를 수행하는 IT 엔지니어다. 인도 방갈로르의 국제정보기술공대 IT 학과에서 석사 학위를 받았으며, 소프트웨어 엔지니어링, 데이터 과학, 머신 러닝, 텍스트 애널리틱스가 전문 영역이다. 새로운 기술을 배우는 것을 포함해, 혁신적인 스타트업들과 데이터 과학에 관심을 가지고 있다. 책을 읽고, 게임을 하고, 유명한 시트콤을 보는 것을 좋아한다. 팩트출판사가 펴낸 『Data Analysis with R』, 『Learning R for Geospatial Analysis』, 『R Data Analysis Cookbook』의 감수자이기도 하다.
정기연(옮긴이)
경제학과 전자 공학을 공부했고, 전자 공학으로 석사 학위를 받았다. 경세제민(經世濟民)의 뜻을 기술로 이뤄 보고자 10여 년간 전자 회사에서 엔지니어로 일하며 기술을 연마해왔다. 최근에는 가치를 만들어 내는 기술의 응용을 고민하며 꿈에 한 걸음 더 가까이 다가가고 있다.
김명선(옮긴이)
전자 공학 및 네트워크를 공부했고 전자 회사의 선행 연구소에 재직 중이다. 아이디어 내기와 무언가를 만드는 것을 좋아한다. 개발자로 오랜 기간 일하다가 새로운 것을 만드는 일에 좀 더 적극적으로 나서며 다양한 분야에 도전하고자 노력하고 있다.
최재혁(옮긴이)
전자 공학 학사, 컴퓨터 과학 석사 학위를 받았다. 전자 회사의 선행 연구소에서 HCI를 위한 임베디드 소프트웨어 개발 및 알고리즘 연구를 하고 있다. 전자 제품을 좋아해서 블로그도 운영하고 있으며 사람들의 편의와 행복을 증진시킬 수 있는 다양한 기술에 관심을 가지고 있다.
안진규(옮긴이)
전자공학과에서 화질 개선과 영상 압축 VLSI로 석사 학위를 이수했다. 전자 회사의 선행 연구소에서 SoC(System on Chip)를 설계하고 있다. 하드웨어 전공이지만, 남의 떡이 커 보여서 여기저기 기웃거리며 더 좋은 엔지니어가 되고자 노력 중이다.
목차
1장 머신 러닝 R로 시작하기 __R의 기본 탐구 ____R을 공학용 계산기로 사용하기 ____벡터로 연산하기 ____특별한 값들 __R의 데이터 구조체 ____벡터 ____배열과 행렬 ____리스트 ____데이터 프레임 __함수 다루기 ____기본 내장된 함수 ____사용자 정의 함수 ____함수를 인자로 전달하기 __코드의 흐름 제어 ____If, if-else, ifelse 사용 ____switch문 사용 ____반복문 __고급 구조체 ____lapply and sapply. ____apply ____tapply ____mapply __R과 함께 한 발짝 나아가기 ____도움 받기 ____패키지 다루기 __머신 러닝의 기초 ____머신 러닝: 실제로 무엇을 의미하는가 ____머신 러닝: 실제로 어떻게 사용되고 있는가 ____머신 러닝 알고리즘의 종류 __요약 2장 기계를 학습시키자 __머신 러닝 이해하기 __머신 러닝 알고리즘 ____퍼셉트론 __알고리즘의 종류 ____지도 학습 알고리즘 ____비지도 학습 알고리즘들 __요약 3장 장바구니 분석을 통한 소비자 쇼핑 트렌드 예측 __트렌드 탐지와 예측 __장바구니 분석 ____장바구니 분석이 실제로 의미하는 것은 ____중요 개념과 정의 ____분석에 사용되는 기법들 ____데이터 기반 의사결정 만들기 __상품의 분할 행렬 평가 ____데이터 수집 ____데이터 분석과 시각화 ____포괄 추천 ____발전된 분할 행렬 __빈발 아이템 세트 생성 ____시작하기 ____데이터 검색과 변환 ____아이템 세트 연관 행렬 만들기 ____빈발 아이템 세트 생성 과정 만들기 ____쇼핑 트렌트 찾기 __연관 규칙 마이닝 ____의존성과 데이터 로딩 ____탐색적 분석 ____쇼핑 트렌드를 발견하고 예측하기 ____연관 규칙 시각화 __요약 4장 제품 추천 시스템 만들기 __추천 시스템의 이해 __추천 시스템의 주요 이슈들 __협력 필터 ____주요 콘셉트와 정의들 ____협력 필터 알고리즘 __추천 엔진 만들기 ____행렬 분해 ____구현 ____결과 해석 __출시 수준의 추천 시스템 ____추출, 변환, 분석 ____모델 개발 및 예측 ____모델 평가 __요약 5장 신용 위험의 감지 및 예측: 기술적 분석 __분석의 종류. __다음 도전 __신용 위험이란? __데이터 수집 __데이터 전처리 ____유실 값 처리 ____데이터형 변환 ____데이터 분석 및 변환 ____분석 유틸리티 구축 ____데이터 세트 분석 ____변환된 데이터 세트 저장 __다음 단계 ____특징 집합들 ____머신 러닝 알고리즘들 __요약 6장 신용 위험 탐지 및 예측: 예측적 분석 __예측적 분석 __어떻게 신용 위험을 예측할까 __예측 모델링의 중요한 개념 ____데이터 준비 ____예측 모델 만들기 ____예측 모델 평가 __데이터 수집 __데이터 전처리 __피처 선택 __로지스틱 회귀를 이용한 모델링 __서포트 벡터 머신을 이용한 모델링 __의사결정 나무를 사용한 모델링 __랜덤 포레스트를 이용한 모델링 __신경망을 이용한 모델링 __모델 비교 및 선택 __요약 7장 소셜 미디어 분석: 트위터 데이터 분석 __소셜 네트워크(트위터) __데이터 마이닝 @소셜 네트워크 ____소셜 네트워크 데이터 마이닝하기 ____데이터와 시각화 __트위터 API 시작 ____개요 ____앱 등록 ____연결/인증 ____샘플 트윗 추출 __트위터 데이터 마이닝 ____빈출 어휘 및 연관성 ____많이 사용되는 디바이스들 ____계층적 군집화 ____주제 모델링 __소셜 네트워크 데이터 마이닝의 도전 __참고 자료 __요약 8장 트위터 데이터의 감정 분석 __감정 분석에 대한 이해 ____감정 분석의 주요 개념 ____접근 방법 ____애플리케이션 ____도전 과제 __트위터를 이용한 감정 분석 ____극성 분석 ____분류 기반 알고리즘 __요약