상세정보

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.

★ 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.

정보제공 :

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