확장메뉴
주요메뉴


소득공제
공유하기

파이썬 라이브러리를 활용한 머신러닝

: 사이킷런 핵심 개발자가 쓴 머신러닝과 데이터 과학 실무서

[ 번역개정판 ]
리뷰 총점9.2 리뷰 9건 | 판매지수 2,802
베스트
IT 모바일 top100 30주
정가
32,000
판매가
28,800 (10% 할인)
YES포인트
구매 시 참고사항
  • 본 도서의 개정판이 출간되었습니다.
가방 속 책 한 권이라면 - 굿리더 스트링백/간식 접시 머그/디즈니 미키 타포린 보냉백/타포린백
〈2022 한국 문학의 미래가 될 젊은 작가〉- 투표 참여 회원 전원 1천원 상품권 증정!
8월 얼리리더 주목신간 : 귀여운 방해꾼 배지 증정
월간 개발자 2022년 8월호
박해선 저자의 머신러닝/딥러닝 패스
[단독]『혼자 공부하는 파이썬』 개정판 출간
내일은 개발자! 코딩테스트 대비 도서전
YES24 트윈링 분철 : 인서트라벨/스티커 택1 증정
8월 전사
쇼핑혜택
1 2 3 4 5

품목정보

품목정보
출간일 2019년 03월 29일
쪽수, 무게, 크기 480쪽 | 850g | 183*235*30mm
ISBN13 9791162241646
ISBN10 1162241640

이 상품의 태그

책소개 책소개 보이기/감추기

사이킷런 핵심 개발자에게 배우는 머신러닝 이론과 구현

현업에서 머신러닝을 연구하고 인공지능 서비스를 개발하기 위해 꼭 학위를 받을 필요는 없습니다. 사이킷런(scikit-learn)과 같은 훌륭한 머신러닝 라이브러리가 복잡하고 난해한 작업을 직관적인 인터페이스로 감싸주는 덕분이죠. 이 책에서는 사이킷런의 핵심 개발자가 복잡한 수학을 동원하지 않고 실용적으로 머신러닝을 구축하는 모든 단계를 설명합니다. 미적분, 선형대수, 확률 이론을 공부하지 않았어도 이 책을 통해 머신러닝을 활용할 수 있게 될 것입니다.

※ 본 번역개정판은 scikit-learn 업데이트에 따라 전반적으로 내용을 갱신한 원서 4쇄를 기반으로 합니다. 오탈자를 바로잡고, 시각적 편의를 위해 풀컬러로 인쇄했으며, 한국어판 부록 3개 절을 추가했습니다.

목차 목차 보이기/감추기

CHAPTER 1 소개
1.1 왜 머신러닝인가?
__1.1.1 머신러닝으로 풀 수 있는 문제
__1.1.2 문제와 데이터 이해하기
1.2 왜 파이썬인가?
1.3 scikit-learn
__1.3.1 scikit-learn 설치
1.4 필수 라이브러리와 도구들
__1.4.1 주피터 노트북
__1.4.2 NumPy
__1.4.3 SciPy
__1.4.4 matplotlib
__1.4.5 pandas
__1.4.6 mglearn
1.5 파이썬 2 vs. 파이썬 3
1.6 이 책에서 사용하는 소프트웨어 버전
1.7 첫 번째 애플리케이션: 붓꽃의 품종 분류
__1.7.1 데이터 적재
__1.7.2 성과 측정: 훈련 데이터와 테스트 데이터
__1.7.3 가장 먼저 할 일: 데이터 살펴보기
__1.7.4 첫 번째 머신러닝 모델: k-최근접 이웃 알고리즘
__1.7.5 예측하기
__1.7.6 모델 평가하기
1.8 요약 및 정리

CHAPTER 2 지도 학습
2.1 분류와 회귀
2.2 일반화, 과대적합, 과소적합
__2.2.1 모델 복잡도와 데이터셋 크기의 관계
2.3 지도 학습 알고리즘
__2.3.1 예제에 사용할 데이터셋
__2.3.2 k-최근접 이웃
__2.3.3 선형 모델
__2.3.4 나이브 베이즈 분류기
__2.3.5 결정 트리
__2.3.6 결정 트리의 앙상블
__2.3.7 (한국어판 부록) 배깅, 엑스트라 트리, 에이다부스트
__2.3.8 커널 서포트 벡터 머신
__2.3.9 신경망(딥러닝)
2.4 분류 예측의 불확실성 추정
__2.4.1 결정 함수
__2.4.2 예측 확률
__2.4.3 다중 분류에서의 불확실성
2.5 요약 및 정리

CHAPTER 3 비지도 학습과 데이터 전처리
3.1 비지도 학습의 종류
3.2 비지도 학습의 도전 과제
3.3 데이터 전처리와 스케일 조정
__3.3.1 여러 가지 전처리 방법
__3.3.2 데이터 변환 적용하기
__3.3.3 (한국어판 부록) QuantileTransformer와 PowerTransformer
__3.3.4 훈련 데이터와 테스트 데이터의 스케일을 같은 방법으로 조정하기
__3.3.5 지도 학습에서 데이터 전처리 효과
3.4 차원 축소, 특성 추출, 매니폴드 학습
__3.4.1 주성분 분석(PCA)
__3.4.2 비음수 행렬 분해(NMF)
__3.4.3 t-SNE를 이용한 매니폴드 학습
3.5 군집
__3.5.1 k-평균 군집
__3.5.2 병합 군집
__3.5.3 DBSCAN
__3.5.4 군집 알고리즘의 비교와 평가
__3.5.5 군집 알고리즘 요약
3.6 요약 및 정리

CHAPTER 4 데이터 표현과 특성 공학
4.1 범주형 변수
__4.1.1 원-핫-인코딩(가변수)
__4.1.2 숫자로 표현된 범주형 특성
4.2 OneHotEncoder와 ColumnTransformer: scikit-learn으로 범주형 변수 다루기
4.3 make_column_transformer로 간편하게 ColumnTransformer 만들기
4.4 구간 분할, 이산화 그리고 선형 모델, 트리 모델
4.5 상호작용과 다항식
4.6 일변량 비선형 변환
4.7 특성 자동 선택
__4.7.1 일변량 통계
__4.7.2 모델 기반 특성 선택
__4.7.3 반복적 특성 선택
4.8 전문가 지식 활용
4.9 요약 및 정리

CHAPTER 5 모델 평가와 성능 향상
5.1 교차 검증
__5.1.1 scikit-learn의 교차 검증
__5.1.2 교차 검증의 장점
__5.1.3 계층별 k-겹 교차 검증과 그외 전략들
__5.1.4 (한국어판 부록) 반복 교차 검증
5.2 그리드 서치
__5.2.1 간단한 그리드 서치
__5.2.2 매개변수 과대적합과 검증 세트
__5.2.3 교차 검증을 사용한 그리드 서치
5.3 평가 지표와 측정
__5.3.1 최종 목표를 기억하라
__5.3.2 이진 분류의 평가 지표
__5.3.3 다중 분류의 평가 지표
__5.3.4 회귀의 평가 지표
__5.3.5 모델 선택에서 평가 지표 사용하기
5.4 요약 및 정리

CHAPTER 6 알고리즘 체인과 파이프라인
6.1 데이터 전처리와 매개변수 선택
6.2 파이프라인 구축하기
6.3 그리드 서치에 파이프라인 적용하기
6.4 파이프라인 인터페이스
__6.4.1 make_pipleline을 사용한 파이프라인 생성
__6.4.2 단계 속성에 접근하기
__6.4.3 그리드 서치 안의 파이프라인 속성에 접근하기
6.5 전처리와 모델의 매개변수를 위한 그리드 서치
6.6 모델 선택을 위한 그리드 서치
__6.6.1 중복 계산 피하기
6.7 요약 및 정리

CHAPTER 7 텍스트 데이터 다루기
7.1 문자열 데이터 타입
7.2 예제 애플리케이션: 영화 리뷰 감성 분석
7.3 텍스트 데이터를 BOW로 표현하기
__7.3.1 샘플 데이터에 BOW 적용하기
__7.3.2 영화 리뷰에 대한 BOW
7.4 불용어
7.5 tf-idf로 데이터 스케일 변경하기
7.6 모델 계수 조사
7.7 여러 단어로 만든 BOW(n-그램)
7.8 고급 토큰화, 어간 추출, 표제어 추출
__7.8.1 (한국어판 부록) KoNLPy를 사용한 영화 리뷰 분석
7.9 토픽 모델링과 문서 군집화
__7.9.1 LDA
7.10 요약 및 정리

CHAPTER 8 마무리
8.1 머신러닝 문제 접근 방법
__8.1.1 의사 결정 참여
8.2 프로토타입에서 제품까지
8.3 제품 시스템 테스트
8.4 나만의 추정기 만들기
8.5 더 배울 것들
__8.5.1 이론
__8.5.2 다른 머신러닝 프레임워크와 패키지
__8.5.3 랭킹, 추천 시스템과 그 외 다른 알고리즘
__8.5.4 확률 모델링, 추론, 확률적 프로그래밍
__8.5.5 신경망
__8.5.6 대규모 데이터셋으로 확장
__8.5.7 실력 기르기
8.6 마치며

저자 소개 (3명)

만든이 코멘트 만든이 코멘트 보이기/감추기

안녕하세요. 이책의 역자 입니다.
2019-03-20
안녕하세요. "파이썬 라이브러리를 활용한 머신러닝"을 번역한 박해선입니다. 이 책을 선택해 주신 많은 독자에게 진심으로 감사의 말씀 드립니다. 독자들이 아니었다면 이런 개정판을 낼 수 없었을 것입니다. 개정판은 사이킷런의 최신 버전의 변경 사항과 추가 기능을 담았습니다. 무엇보다도 컬러 인쇄로 새롭게 단장한 책을 내놓게 되어 너무 기쁩니다. 이 책은 사이킷런(Scikit-Learn) 라이브러리를 사용하여 머신러닝 작업의 파이프라인 전반을 학습할 수 있도록 구성되어 있습니다. 지도학습, 비지도학습, 분류, 회귀, 텍스트 분석, 특성공학, 교차검증, 그리드서치, 평가 등의 주제를 알차게 담고 있습니다. 복잡할 수 있는 머신러닝 개념을 사이킷런의 핵심 개발자이자 릴리스 매니저인 안드레아스가 명쾌하게 설명합니다. 책을 읽는 시간이 결코 아깝지 않을 것입니다. 이 책을 통해 머신러닝의 큰 그림을 그려보세요! 책을 구매하시면 제 블로그(https://tensorflow.blog/)의 에러타 페이지(https://bit.ly/2UM54Jo)와 깃허브(https://bit.ly/2HJ6sdn)를 꼭 참고해 주세요. 항상 사이킷런 최신 버전에 맞춘 코드와 에러타를 업데이트 하겠습니다. "케라스 창시자에게 배우는 딥러닝", "핸즈온 머신러닝", "텐서플로 첫걸음"도 사랑해 주셔서 감사드립니다. 많은 분들의 응원 덕분에 한걸음 한걸음 힘을 냅니다. 더 좋은 책으로 찾아 뵙겠습니다. 감사합니다.

출판사 리뷰 출판사 리뷰 보이기/감추기

실제 문제에 대한 해법을 찾는 머신러닝 기술자를 위한 본격 머신러닝 입문서
사이킷런 최신 버전을 반영한 풀컬러 번역개정판

이 책은 머신러닝 알고리즘을 밑바닥부터 만드는 법을 다루지는 ‘않으며’, 대신 사이킷런과 다른 라이브러리에 이미 구현된 방대한 양의 모델을 사용하는 법에 집중합니다. 머신러닝과 인공지능에 대한 사전 지식이 필요 없는 입문서로, 파이썬과 사이킷런을 중심으로 머신러닝 애플리케이션을 성공적으로 만드는 모든 단계를 밟아갑니다. 여기서 소개하는 방법들은 상용 애플리케이션을 만드는 데이터 전문가는 물론 연구자와 과학자에게도 도움이 될 것입니다. 파이썬과 NumPy, matplotlib 라이브러리에 친숙하다면 이 책의 대부분을 이해할 수 있습니다.

★ 번역개정판의 특징
본 번역개정판은 원서 4쇄를 기반으로 하며, 초판 발행 이후 알려진 오탈자를 모두 바로잡았습니다. 또한 시각적 편의를 위해 풀컬러로 인쇄했고, scikit-learn 업데이트에 따라 전반적으로 내용을 업데이트했습니다. 나아가 국내 독자에게 더 도움이 되도록 2.3절에 배깅, 엑스트라 트리, 에이다부스트 알고리즘을 살펴보는 내용을 추가했고, 3.3절에는 QuantileTransformer와 PowerTransformer 변환기, 5.1절에는 반복 교차 검증 예제를 추가했습니다.

★ 주요 내용
머신러닝의 기본 개념과 응용
널리 사용되는 머신러닝 알고리즘의 장점과 단점
머신러닝으로 처리한 데이터를 표현하는 방법
모델 평가와 매개변수 튜닝을 위한 고급 방법
체인 모델과 워크플로 캡슐화를 위한 파이프라인
텍스트 데이터를 다루는 기술
머신러닝과 데이터 과학 기술 향상을 위한 조언

추천평 추천평 보이기/감추기

“이 책은 사이킷런이 제공하는 핵심 알고리즘들의 사용법을 알려줍니다. 여기에 정성 가득한 역자주까지 더해져서, 머신러닝에 입문하는 파이썬 개발자에게는 더할 나위 없는 선물입니다.”
- 오동권, 니트머스 CTO

“이 책은 복잡한 수식은 걷어내고 사이킷런을 기반으로 각 머신러닝 알고리즘의 원리와 구현 방법을 여러 예제를 들어 설명합니다. 약간의 프로그래밍 지식만 있다면 복잡한 이론적 배경 없이도 혼자 학습하기 좋은 책입니다.”
이상훈, 삼성생명 DA Lab
- ‘한국 스파크 사용자 모임’ 운영자, 『실시간 분석의 모든 것』 역자

“머신러닝 시장을 선도하는 라이브러리의 핵심 개발자가 쓰고, ‘텐서플로 코리아 그룹’에서 한국 인공지능 개발자들을 위해 애써주시는 박해선 님이 우리말로 옮겼습니다. 중간중간 받아본 번역 원고에서 느껴지는 저자와 역자의 내공과 정성에 감명받았습니다.”
- 개앞맵시, 『밑바닥부터 시작하는 딥러닝』 역자

“파이썬을 사용하여 머신러닝을 시작하려는 사람을 위한 환상적인 안내서입니다. 제가 사이킷런을 시작했을 때 이 책이 없던 게 한스러울 따름입니다!”
- 해나 월릭, 마이크로소프트 리서치 선임 연구원

회원리뷰 (9건) 리뷰 총점9.2

혜택 및 유의사항?
구매 [도서] 파이썬 라이브러리를 활용한 머신러닝 내용 평점5점   편집/디자인 평점5점 m*****r | 2021.11.17 | 추천0 | 댓글0 리뷰제목
워낙 유명한 책이라 머신러닝을 공부하시는 분들이라면 한번씩은 들어보셨을 책이라고 생각합니다. 각잡고 공부해보려고 구매했는데 일단 많은 도움을 받고 있습니다. 파이썬을 활용해 모델을 훈련하는 과정의 각 단계가 세부적으로 설명되어 있어서 따라하기도 좋습니다. 물론 모든 내용이 다 들어있는 것은 아닙니다. 하지만 이 책을 시작으로 추가적으로 공부할 때도 어떤 부분;
리뷰제목

워낙 유명한 책이라 머신러닝을 공부하시는 분들이라면 한번씩은 들어보셨을 책이라고 생각합니다. 각잡고 공부해보려고 구매했는데 일단 많은 도움을 받고 있습니다.

파이썬을 활용해 모델을 훈련하는 과정의 각 단계가 세부적으로 설명되어 있어서 따라하기도 좋습니다. 물론 모든 내용이 다 들어있는 것은 아닙니다. 하지만 이 책을 시작으로 추가적으로 공부할 때도 어떤 부분을 공부할지 생각해 볼 수 있었던 책이었습니다.

종이책으로 있으니까 보기도 편하고 만족하고 있어요.

댓글 0 이 리뷰가 도움이 되었나요? 공감 0
구매 파이썬 라이브러리를 활용한 머신러닝 내용 평점5점   편집/디자인 평점4점 YES마니아 : 플래티넘 레*티 | 2021.02.14 | 추천0 | 댓글0 리뷰제목
학교에서 학습도서로 사용한다고 해서 구매한 책이였는데 머신러닝에 익숙하지 않은 사람도 차근차근 배워갈 수 있도록 내용이 잘 되어있습니다. 머신러닝이 무엇인지 궁금하거나, 처음 시작하려고 하는데 어떤 책을 읽어야 할지 고민중인 분들께 추천드리고 싶습니다. 이론 설명 뿐만 아니라 실제 파이썬 라이브러리를 활용해서 어떻게 사용되는지, 코드에 대한 것도 잘 나와있어서 기초;
리뷰제목

학교에서 학습도서로 사용한다고 해서 구매한 책이였는데 머신러닝에 익숙하지 않은 사람도 차근차근 배워갈 수 있도록 내용이 잘 되어있습니다. 머신러닝이 무엇인지 궁금하거나, 처음 시작하려고 하는데 어떤 책을 읽어야 할지 고민중인 분들께 추천드리고 싶습니다. 이론 설명 뿐만 아니라 실제 파이썬 라이브러리를 활용해서 어떻게 사용되는지, 코드에 대한 것도 잘 나와있어서 기초를 다지기에 좋습니다. 요즘 머신러닝이나 인공지능에 대한 책들이 굉장히 많은데 여러 책을 읽으면서도 헷갈리는 부분이 있으면 다시 펼쳐보게 되는 책입니다.

댓글 0 이 리뷰가 도움이 되었나요? 공감 0
구매 파이썬 라이브러리를 활용한 머신러닝 내용 평점5점   편집/디자인 평점5점 YES마니아 : 골드 스타블로거 : 블루스타 g****T | 2020.04.09 | 추천0 | 댓글0 리뷰제목
파이썬 라이브러리를 활용한 머신러닝이라 하여 경험 있는 분들에게 좀 더 라이브러리를 편하게 혹은 유용하게 쓰게 만든 책인 줄 알고 구매 후, 안 보고 있어서 책을 다 보지 못했는데.. 다 읽지 못했더라도 책을 보면서 느낀 건 예제와 설명이 잘 되어 있어 보기 좋은 책입니다. 코드에 대한 설명이 잘 되어 있습니다. 이 코드가 어떤 의미인지에 대해 설명하고 있고 원작자의 소스코드;
리뷰제목

파이썬 라이브러리를 활용한 머신러닝이라 하여 경험 있는 분들에게 좀 더 라이브러리를 편하게 혹은 유용하게 쓰게 만든 책인 줄 알고 구매 후, 안 보고 있어서 책을 다 보지 못했는데.. 다 읽지 못했더라도 책을 보면서 느낀 건 예제와 설명이 잘 되어 있어 보기 좋은 책입니다. 코드에 대한 설명이 잘 되어 있습니다. 이 코드가 어떤 의미인지에 대해 설명하고 있고 원작자의 소스코드도 잘 번역하여 입문서로 보기 좋은 책이라고 생각합니다. 도움이 되었습니다.

댓글 0 이 리뷰가 도움이 되었나요? 공감 0

한줄평 (8건) 한줄평 총점 10.0

혜택 및 유의사항 ?
구매 평점5점
공부하는데 도움이 많이 되고 있습니다.
이 한줄평이 도움이 되었나요? 공감 0
m*****r | 2021.11.17
구매 평점5점
처음 머신러닝 공부할때 많은 도움 받았습니다
이 한줄평이 도움이 되었나요? 공감 0
YES마니아 : 로얄 ㅎ**ㅎ | 2021.07.29
구매 평점5점
이제 막입문하는데 보기좋습니다! 컬러 짱
이 한줄평이 도움이 되었나요? 공감 0
k***n | 2021.05.12
뒤로 앞으로 맨위로 aniAlarm