| 000 | 00000cam c2200205 c 4500 | |
| 001 | 000045955984 | |
| 005 | 20220701095129 | |
| 007 | ta | |
| 008 | 181002s2018 ulka b 001c kor | |
| 020 | ▼a 9791160504842 ▼g 93000 | |
| 035 | ▼a (KERIS)BIB000014837865 | |
| 040 | ▼a 222003 ▼c 222003 ▼d 211009 | |
| 041 | 1 | ▼a kor ▼h jpn |
| 082 | 0 4 | ▼a 006.31 ▼a 005.133 ▼2 23 |
| 085 | ▼a 006.31 ▼2 DDCK | |
| 090 | ▼a 006.31 ▼b 2018z23 | |
| 110 | ▼a システム計劃研究所 | |
| 245 | 1 0 | ▼a 머신 러닝 부트캠프 with 파이썬 = ▼x Machine learning boot camp with Python / ▼d 시스템 계획 연구소 지음 ; ▼e 김은철, ▼e 유세라 옮김 |
| 246 | 1 9 | ▼a Pythonによる機械学習入門 |
| 246 | 3 | ▼a Paison ni yoru kikai gakushū nyūmon |
| 260 | ▼a 서울 : ▼b 길벗, ▼c 2018 | |
| 300 | ▼a 260 p. : ▼b 삽화(일부천연색) ; ▼c 24 cm | |
| 500 | ▼a 감수: 이기홍 | |
| 500 | ▼a 부록: A. 파이썬으로 만드는 머신 러닝, B. 선형대수 복습과 대표적인 비선형 모델 | |
| 504 | ▼a 참고문헌(p. 249-252)과 색인수록 | |
| 700 | 1 | ▼a 김은철, ▼e 역 |
| 700 | 1 | ▼a 유세라, ▼e 역 |
| 700 | 1 | ▼a 이기홍, ▼e 감수 ▼0 AUTH(211009)146121 |
| 910 | 0 | ▼a Shisutemu Keikaku Kenkyūjo, ▼e 저 |
| 910 | 0 | ▼a 시스템계획연구소, ▼e 저 |
| 945 | ▼a KLPA |
소장정보
| No. | 소장처 | 청구기호 | 등록번호 | 도서상태 | 반납예정일 | 예약 | 서비스 |
|---|---|---|---|---|---|---|---|
| No. 1 | 소장처 과학도서관/Sci-Info(1층서고)/ | 청구기호 006.31 2018z23 | 등록번호 121246086 (18회 대출) | 도서상태 대출가능 | 반납예정일 | 예약 | 서비스 |
컨텐츠정보
책소개
단기간에 핵심만 빠르게 익힌다! 파이썬으로 배우는 머신 러닝. 복잡한 환경 설정? NO! 아나콘다 설치만으로 충분하다. 아나콘다 설치부터 사이킷런을 활용한 분류, 회귀, 클러스터링으로 기초를 탄탄하게 다진 후 손 모양 분류와 센서 데이터를 활용한 회귀 문제로 실전 감을 익힌다. 부록에서는 간단한 알고리즘과 선형대수 핵심 개념도 설명해 다음 단계로 넘어가기 위한 준비를 할 수 있다.
머신 러닝, 파이썬으로 쉽고 빠르게 입문한다!
복잡한 프레임워크에 의존하지 않고 파이썬만으로 머신 러닝을 시작한다. 아나콘다 설치부터 분류와 회귀 기본 문제, 손 모양 분류와 센서 데이터를 사용한 회귀와 같은 실전 문제까지 직접 구현하고 움직여 보며 핵심 원리를 이해할 수 있다. 마지막으로 파이썬으로 간단한 알고리즘을 구현해 보고, 선형대수의 핵심 개념을 살펴보면서 자신만의 머신 러닝을 만들 수 있는 발판을 마련할 수 있다.
정보제공 :
저자소개
주식회사 시스템 계획 연구소(지은이)
1977년에 창업한 독립계 연구 개발형의 소프트웨어 회사로, AI와 소프트웨어로 새로운 가치를 창조하는 것을 목표로 한다. AI, 영상 처리, 통신·네트워크, 제어·우주, 의료 정보의 각 분야를 중심으로 해서 더 깊고, 더 첨단인 고급 기술을 강하게 지향하며 더욱 높은 가치를 제공한다. 연구 개발/시스템 개발/분석 지원/AI와 시스템 개발 컨설팅/시스템 통합/제품 개발 등의 사업을 한다. 공식 사이트 http://www.isp.co.jp 기술 공개 사이트 http://wazalabo.com
김은철(옮긴이)
데이터과학자로서 빅데이터 분석 및 AI 모델링 사업을 하고 있다. 주요 저서로는 『김쌤의 일대일 코딩 클래스』, 『초보자를 위한 C 언어 300제』, 『예제가 가득한 C 언어 길라잡이』, 『윈도우 프로그래밍 플러스』가 있고, 역서로는 『구글 코랩으로 배우는 인공지능 기술』, 『파이썬 플라스크 웹 앱 입문』, 『엑셀X파이썬 코드 레시피 125』, 『데이터 분석을 위한 머신러닝 입문』, 『초보자를 위한 신경망 딥러닝 입문』, 『딥러닝 워크북』, 『유니티 게임 프로그래밍 바이블』, 『게임으로 배우는 파이썬』, 『스위프트로 만드는 실전 강좌! 아이폰 앱 프로그래밍』, 『예제로 배우는 핵심 패턴 안드로이드 프로그래밍』, 『유니티를 이용한 VR 앱 개발』, 『그림으로 배우는 웹 구조』, 『그림으로 배우는 파이썬』, 『그림으로 배우는 C#』, 『그림으로 배우는 SQL』, 『모두의 알고리즘』, 『PHP 예비학교』 등 30여 권의 번역서가 있다.
유세라(옮긴이)
현재 일본 전문 번역가로 활동하고 있으며, 역서로는 『모두의 알고리즘』, 『PHP 예비학교』, 『데이터 분석을 위한 머신러닝 입문』, 『초보자를 위한 신경망 딥러닝 입문』, 『딥러닝 워크북』, 『유니티 게임 프로그래밍 바이블』, 『게임으로 배우는 파이썬』, 『스위프트로 만드는 실전강좌! 아이폰 앱 프로그래밍』, 『예제로 배우는 핵심 패턴 안드로이드 프로그래밍』, 『유니티를 이용한 VR 앱 개발』, 『유니티를 몰라도 만들 수 있는 유니티 2D 게임 제작』, 『유니티 교과서』, 『구글 코랩으로 배우는 인공지능 기술』, 『파이썬 플라스크 웹 앱 입문』, 『엑셀X파이썬 코드 레시피 125』, 『처음 만나는 AI 수학 with 파이썬』, 『그림으로 배우는 웹 구조』, 『그림으로 배우는 파이썬』, 『그림으로 배우는 C#』, 『그림으로 배우는 SQL』 등 30여 권의 번역서가 있다.
이기홍(감수)
카네기멜론대학교에서 석사 학위를 받았고, 피츠버그대학교의 Finance Ph.D, CFA, FRM이자 금융, 투자, 경제분석전문가다. 삼성생명, HSBC, 새마을금고중앙회, 한국투자공사 등과 같은 국내 유수의 금융기관, 금융 공기업에서 자산 운용 포트폴리오 매니저로 근무했으며 현재 딥러닝과 강화학습을 금융에 접목시켜 이를 전파하고 저변을 확대하는 것을 보람으로 삼고 있다. 저서로는 『엑셀 VBA로 쉽게 배우는 금융공학 프로그래밍』(한빛미디어, 2009)이 있으며, 번역서로는 『포트폴리오 성공 운용』(미래에셋투자교육연구소, 2010), 『딥러닝 부트캠프 with 케라스』(길벗, 2017), 『프로그래머를 위한 기초 해석학』(길벗, 2018)과 에이콘출판사에서 출간한 『실용 최적화 알고리즘』(2020), 『초과 수익을 찾아서 2/e』(2020), 『자산운용을 위한 금융 머신러닝』(2021), 『실전 알고리즘 트레이딩 배우기』(2021), 『존 헐의 비즈니스 금융 머신러닝 2/e』(2021), 『퀀트 투자를 위한 머신러닝o딥러닝 알고리듬 트레이딩 2/e』(2021), 『자동머신러닝』(2021), 『금융 머신러닝』(2022) 등이 있다. 누구나 자유롭게 머신러닝과 딥러닝을 자신의 연구나 업무에 적용해 활용하는 그날이 오기를 바라며 매진하고 있다.
목차
1부 도입편 1장 시작하며 1.1 머신 러닝이란 1.2 파이썬과 머신 러닝 1.3 설치와 설정 1.4 파이썬 빨리 배우기: NumPy와 Matplotlib 1.5 퀵 투어 2장 머신 러닝의 여러 측면 2.1 머신 러닝을 둘러싼 환경 2.2 관련 분야 2.3 학습법에 따른 분류 2.4 방법이나 과제 설정에 따른 분류 2.5 응용 사례 2부 기초편 3장 분류 문제 3.1 분류 문제 3.2 첫 분류기 3.3 학습 데이터와 테스트 데이터 3.4 분류기 성능 평가 3.5 여러 가지 분류기 3.6 마무리 4장 회귀 문제 4.1 회귀 문제와 분류 4.2 첫 회귀: 최소제곱법과 평가 방법 4.3 머신 러닝에서 피해야 하는 부분: 과적합 4.4 과적합 대응: 정규화 회귀 분석 4.5 다양한 회귀 모델 4.6 마무리 5장 클러스터링 5.1 클러스터링이란 5.2 iris 데이터셋 5.3 대표적인 클러스터링 방법: k-means 5.4 기타 클러스터링 방법 5.5 마무리 3부 응용편 6장 이미지를 사용한 손 모양 분류 6.1 과제 설정 6.2 첫 학습 6.3 일반화 성능 만들기: 인원수를 늘린다 6.4 인원수 더 늘리기 6.5 데이터 검토와 정리: 데이터 클리닝 6.6 특징량 도입 6.7 파라미터 튜닝 6.8 마무리 7장 센서 데이터를 사용한 회귀 문제 7.1 시작하며 7.2 준비 7.3 센서 데이터란 7.4 데이터 읽기 7.5 다카마쓰의 기온 데이터와 시코쿠 전력 소비량 7.6 나머지 이야기와 마무리 7.7 마지막으로 4부 부록 부록 A 파이썬으로 만드는 머신 러닝 A.1 목적 A.2 최소제곱법 A.3 행렬 계산으로 분석적 해 도출 A.4 반복법 A.5 코드를 작성하기 전에 A.6 구현 사례 부록 B 선형대수 복습과 대표적인 비선형 모델 B.1 목적 B.2 선형이란 B.3 선형 변환과 아핀 변환 B.4 노름과 페널티 항 B.5 선형 회귀의 최소제곱해 B.6 머신 러닝에서 비선형 참고 정보