품목정보
발행일	2020년 06월 30일
쪽수, 무게, 크기	624쪽 \| 18323525mm
ISBN13	9791165212018
ISBN10	1165212013

더보기

1부 첫 번째 단계 1장 학습이란? 1.1 컴퓨터는 학습할 수 있을까? 1.2 범위, 용어, 예측, 데이터 __1.2.1 특성 __1.2.2 타깃 값과 예측치 1.3 머신 러닝에 기계 모델 집어넣기 1.4 학습 시스템 사례 __1.4.1 카테고리 예측: 분류 모델 사례 __1.4.2 값 예측: 회귀 모델 사례 1.5 학습 시스템 평가 __1.5.1 정확도 __1.5.2 자원 소모 1.6 학습 시스템 구축 프로세스 1.7 학습의 현실과 가정 1.8 마무리 1.8.1 앞으로 1.8.2 참고 사항 2장 기술적 배경 2.1 환경 설정 2.2 수학적 언어의 필요성 2.3 머신 러닝을 위한 소프트웨어 2.4 확률 __2.4.1 단순 사건 __2.4.2 독립 __2.4.3 조건부 확률 __2.4.4 분포 2.5 선형 결합, 가중 합, 점곱 __2.5.1 가중 평균 __2.5.2 제곱합 __2.5.3 오차 제곱합 2.6 기하학적 관점: 공간상 포인트 __2.6.1 직선 __2.6.2 직선을 넘어서 2.7 수식 표현과 +1 트릭 2.8 정해진 틀을 깨는 비선형성 2.9 NumPy vs. 수학의 모든 것 2.9.1 1차원 vs. 2차원 2.10 부동소수점 문제 2.11 마무리 2.11.1 요약 2.11.2 참고 사항 3장 범주 예측: 분류 문제 시작 3.1 분류 문제 3.2 간단한 분류 데이터셋 3.3 학습과 테스트: 시험만을 위해 강의하지 말자 3.4 평가: 시험지 채점 3.5 간단한 분류 모델 #1: 최근접 이웃, 먼 거리 관계, 가정 __3.5.1 유사도 정의 __3.5.2 k-최근접 이웃에서의 k __3.5.3 답 조합 __3.5.4 k-NN, 파라미터와 논파라메트릭 방법들 __3.5.5 k-nn 분류 모델 생성 3.6 간단한 분류 모델 #2: 나이브 베이즈, 확률, 깨진 약속들 3.7 분류 모델의 간단한 평가 __3.7.1 학습 성능 __3.7.2 분류 문제에서의 자원 활용 __3.7.3 독립적인 자원 평가 3.8 마무리 __3.8.1 주의 사항: 한계점과 아직 해결되지 않은 이슈들 __3.8.2 요약 __3.8.3 참고 사항 __3.8.4 연습 문제 4장 수치형 값 예측: 회귀 모델 4.1 간단한 회귀 데이터셋 4.2 최근접 이웃 회귀와 요약 통계량 __4.2.1 중앙 측정: 중앙값과 평균 __4.2.2 k-NN 회귀 모델 생성 4.3 선형 회귀와 오차 __4.3.1 지구는 평평하지 않다: 경사가 필요한 이유 __4.3.2 기울여 보기 __4.3.3 선형 회귀 4.4 최적화: 최적의 답 선택 __4.4.1 무작위 추측 __4.4.2 무작위 스텝 __4.4.3 똑똑한 스텝 __4.4.4 계산된 지름길 __4.4.5 선형 회귀 적용 사례 4.5 회귀 모델의 간단한 평가와 비교 __4.5.1 평균 제곱근 오차 __4.5.2 학습 성능 __4.5.3 회귀 모델의 자원 활용 4.6 마무리 __4.6.1 한계점과 아직 해결되지 않은 이슈들 __4.6.2 요약 __4.6.3 참고 사항 __4.6.4 연습 문제 2부 평가 5장 학습 모델 평가 및 비교 5.1 평가와 과유불급 5.2 학습 단계 관련 용어 __5.2.1 공장 기계 __5.2.2 기술적으로 이야기하자면 5.3 뭔가 잘못되었다: 과대적합과 과소적합 __5.3.1 합성 데이터와 선형 회귀 __5.3.2 모델 복잡도를 수동으로 조작 __5.3.3 골디락스: 과대적합, 과소적합 그리고 ‘딱 적당한 상태’ 시각화 __5.3.4 단순함 __5.3.5 과대적합에 대해 꼭 기억할 점 5.4 오차부터 비용까지 __5.4.1 손실 __5.4.2 비용 __5.4.3 점수 5.5 (리)샘플링: 소에서 대 생성 __5.5.1 교차 검증 __5.5.2 층화 __5.5.3 반복적 훈련-테스트 분리 __5.5.4 더 나은 길과 뒤섞기 __5.5.5 LOOCV 교차 검증 5.6 쪼개어 보기: 편향과 분산 __5.6.1 데이터의 분산 __5.6.2 모델의 분산 __5.6.3 모델의 편향 __5.6.4 모두 다 함께 __5.6.5 편향-분산 상충 관계의 예시 5.7 시각적 평가와 비교 __5.7.1 학습 곡선: 데이터는 얼마나 많이 필요할까? __5.7.2 복잡도 곡선 5.8 교차 검증으로 학습 모델 비교 5.9 마무리 __5.9.1 요약 __5.9.2 참고 사항 __5.9.3 연습 문제 6장 분류 모델 평가 6.1 베이스라인 분류 모델 6.2 정확도를 넘어: 분류 모델을 위한 척도 __6.2.1 혼동 행렬에서 혼돈 없애기 __6.2.2 틀릴 수 있는 경우 __6.2.3 혼동 행렬에 기반한 척도 __6.2.4 혼동 행렬 코딩 __6.2.5 다중 클래스 다루기: 다중 클래스 평균 __6.2.6 F1 6.3 ROC 곡선 __6.3.1 ROC의 패턴 __6.3.2 이진 ROC __6.3.3 AUC 곡선 __6.3.4 다중 클래스 모델, 일대다 그리고 ROC 6.4 또 다른 방법: 일대일 __6.4.1 다중 클래스 AUC 파트 2: 단일 값을 위한 퀘스트 6.5 정밀도-재현율 커브 __6.5.1 정밀도-재현율 상충 관계에 대한 노트 __6.5.2 정밀도-재현율 커브 생성 6.6 누적 반응과 리프트 곡선 6.7 조금 더 복잡한 분류 모델 평가 방법 __6.7.1 이진 분류 __6.7.2 새로운 다중 클래스 문제 6.8 마무리 __6.8.1 요약 __6.8.2 참고 사항 __6.8.3 연습 문제 7장 회귀 모델 평가 7.1 베이스라인 회귀 모델 7.2 회귀 모델의 추가 척도 __7.2.1 커스텀 평가 척도 만들기 __7.2.2 기타 기본 회귀 모델 척도 __7.2.3 R2 7.3 잔차 플롯 __7.3.1 오차 플롯 __7.3.2 잔차 플롯 7.4 정규화 살펴보기 7.5 고도화된 회귀 모델 평가 __7.5.1 여러 척도에 대한 교차 검증 결과 __7.5.2 교차 검증 결과 요약 __7.5.3 잔차 7.6 마무리 __7.6.1 요약 __7.6.2 참고 사항 __7.6.3 연습 문제 3부 더 많은 학습 방법과 개념 8장 더 많은 분류 방법 8.1 분류 문제 다시 보기 8.2 결정 트리 __8.2.1 트리 알고리즘 __8.2.2 돌려 보자: 결정 트리 __8.2.3 결정 트리의 편향과 분산 8.3 서포트 벡터 분류 모델 __8.3.1 SVC 실행 __8.3.2 SVC의 편향과 분산 8.4 로지스틱 회귀 __8.4.1 도박 승산 __8.4.2 확률과 승산, 로그- 승산 __8.4.3 무작정 해 보기: 로지스틱 회귀 __8.4.4 로지스틱 회귀: 괴상한 특성 8.5 판별 분석 __8.5.1 공분산 __8.5.2 방법론 __8.5.3 DA 실행 8.6 가정, 편향 그리고 분류 모델 8.7 분류 모델 비교 __8.7.1 Digits 8.8 마무리 __8.8.1 요약 __8.8.2 참고 사항 __8.8.3 연습 문제 9장 더 많은 회귀 방법 9.1 선형 회귀: 정규화 __9.1.1 정규화 회귀 실행 9.2 서포트 벡터 회귀 __9.2.1 힌지 손실 __9.2.2 선형 회귀에서 정규화 회귀, 그리고 서포트 벡터 회귀까지 __9.2.3 그냥 해 보기 - SVR 스타일 9.3 조각별 상수 회귀 __9.3.1 조각별 상수 회귀 구현 __9.3.2 모델 구현에 대한 일반적인 조언 9.4 회귀 트리 __9.4.1 트리로 회귀 실행 9.5 세 가지 회귀 모델 비교 9.6 마무리 __9.6.1 요약 __9.6.2 참고 사항 __9.6.3 연습 문제 10장 수동 특성 엔지니어링: 데이터 조작 10.1 특성 엔지니어링 용어와 배경 __10.1.1 왜 해야 하나? __10.1.2 특성 엔지니어링은 언제 해야 하나? __10.1.3 특성 엔지니어링은 어떻게 발생하나? 10.2 특성 선별과 데이터 축소: 쓰레기 골라 내기 10.3 특성 스케일링 10.4 이산화 10.5 범주형 코딩 __10.5.1 다른 방식의 코딩과 사라진 인터셉트의 흥미로운 사건 10.6 관계와 상호 작용 __10.6.1 수동 특성 생성 __10.6.2 인터랙션 __10.6.3 트랜스포머로 특성 추가 10.7 타깃 조작 __10.7.1 입력 공간 조작 __10.7.2 타깃 조작 10.8 마무리 __10.8.1 요약 __10.8.2 참고 사항 __10.8.3 연습 문제 11장 하이퍼파라미터 튜닝과 파이프라인 11.1 모델, 파라미터, 하이퍼파라미터 11.2 하이퍼파라미터 튜닝 __11.2.1 컴퓨터 과학과 학습 용어에 대한 참고 사항 __11.2.2 완전 검색 사례 __11.2.3 무작위성으로 건초더미에서 바늘 찾기 11.3 재귀적인 토끼 굴로 내려가기: 중첩된 교차 검증 __11.3.1 기본 교차 검증 __11.3.2 그리드서치 모델 __11.3.3 교차 검증 안에 교차 검증 __11.3.4 중첩 교차 검증에 대한 코멘트 11.4 파이프라인 __11.4.1 간단한 파이프라인 __11.4.2 조금 더 복잡한 파이프라인 11.5 파이프라인과 튜닝을 함께 11.6 마무리 __11.6.1 요약 __11.6.2 참고 사항 __11.6.3 연습 문제 4부 복잡도 더하기 12장 학습 모델 조합 12.1 앙상블 12.2 투표 앙상블 12.3 배깅과 랜덤 포레스트 __12.3.1 부트스트래핑 __12.3.2 부트스트래핑에서 배깅으로 __12.3.3 랜덤 포레스트 12.4 부스팅 __12.4.1 부스팅 디테일 12.5 트리 앙상블 방법 비교 12.6 마무리 __12.6.1 요약 __12.6.2 참고 사항 __12.6.3 연습 문제 13장 특성 엔지니어링을 대신하는 모델들 13.1 특성 선별 __13.1.1 지표 기반으로 특성을 선택하는 단순 필터링 __13.1.2 모델 기반 특성 선별 __13.1.3 특성 선별을 학습 파이프라인에 통합 13.2 커널을 이용한 특성 구축 __13.2.1 커널의 등장 배경 __13.2.2 수동 커널 방법들 __13.2.3 커널 방법과 커널 옵션 __13.2.4 커널 SVC: SVM __13.2.5 SVM에 관한 노트와 예제 13.3 주성분 분석: 비지도 기법 __13.3.1 준비: 중심 이동 __13.3.2 다른 최적의 직선 찾기 __13.3.3 첫 PCA __13.3.4 PCA 계산 __13.3.5 피날레: 일반적인 PCA에 관한 노트 __13.3.6 커널 PCA와 매니폴드 방법들 13.4 마무리 __13.4.1 요약 __13.4.2 참고 사항 __13.4.3 연습 문제 14장 도메인별 특성 엔지니어링: 도메인에 최적화된 학습 14.1 텍스트 처리 __14.1.1 텍스트 인코딩 __14.1.2 텍스트 학습 사례 14.2 클러스터링 __14.2.1 k-평균 클러스터링 14.3 이미지 처리 __14.3.1 백-오브-비주얼-워즈 __14.3.2 이미지 데이터 __14.3.3 엔드-투-엔드 시스템 __14.3.4 BoVW 트랜스포머 코드 14.4 마무리 __14.4.1 요약 __14.4.2 참고 사항 __14.4.3 연습 문제 15장 연결, 확장 그리고 앞으로의 방향 15.1 최적화 15.2 선형 회귀 구현 __15.2.1 선형 회귀의 시각적 이해 15.3 로지스틱 회귀 구현 __15.3.1 로지스틱 회귀와 제로-원 코딩 __15.3.2 로지스틱 회귀와 플러스원 마이너스원 코딩 __15.3.3 로직스틱 회귀의 시각적 이해 15.4 SVM 구현 15.5 인공신경망 __15.5.1 인공신경망 관점에서 보는 선형 회귀 __15.5.2 인공신경망 관점에서 보는 로지스틱 회귀 __15.5.3 기본 인공신경망을 넘어서 15.6 확률적 그래픽 모델 __15.6.1 샘플링 __15.6.2 PGM 관점에서 보는 선형 회귀 __15.6.3 PGM 관점에서 보는 로지스틱 회귀 15.7 마무리 __15.7.1 요약 __15.7.2 참고 사항 __15.7.3 연습 문제 부록 A nlwpy.py 살펴보기 부록 B 환경 설정

더보기

상세 이미지 상세 이미지 보이기/감추기

상품 이미지를 확대해서 볼 수 있습니다. 원본 이미지

더보기

저자 소개 (2명)

책 속으로 책속으로 보이기/감추기

머신 러닝 같은 수학적 주제를 다루는 책 대부분은 초심자에게 이야기를 들려주듯이 수식을 보여 줍니다. 제 생각에 그러한 방식은 수학을 좋아하는 사람조차 책을 덮게 만들 것입니다. 시각적, 언어적 설명을 코드와 함께 소개하는 것이 머신 러닝의 프로세스 이해를 돕는다고 생각합니다. 저는 뼛속까지 컴퓨터 과학자입니다. 무언가를 만드는 것을 좋아하죠. 무언가를 만들 수 있는 수준에 다다르면 그것을 진심으로 이해했다고 생각합니다. 이러한 표현을 들어 본 적 있을 것입니다. “무언가를 진정으로 이해하고 싶다면, 다른 사람에게 가르쳐 보라.” 2탄도 있습니다. “무언가를 진정으로 이해하고 싶다면, 컴퓨터가 그것을 하도록 가르쳐라.” 이것이 제가 여러분에게 머신 러닝을 가르치는 방법입니다. 수학적인 내용을 최소화하면서 가장 널리 사용하는 머신 러닝 도구와 기법에 숨어 있는 개념을 소개할 것입니다. 그러고 나서 컴퓨터에 그 작업을 어떻게 시키는지 바로 보여 주려고 합니다. 모든 것을 바닥부터 구현하지는 않을 것입니다. 거인의 어깨 위에 올라서서 아주 강력한 소프트웨어 라이브러리를 사용하여 시간을 아낄 것입니다.
라이브러리가 상당히 많기 때문에 모든 것을 상세하게 소개하지는 못합니다. 그 대신 실용적으로 접근해서 문제를 풀 수 있는 가장 좋은 도구를 사용할 것입니다. 우리가 사용하는 개념에서 필요한 것만 빠르게 배우고 코드로 넘어가겠습니다. 수학적 내용에 관심 있는 독자를 배려하여 찾아볼 수 있는 참고 사항을 1장 마무리에 적어 두었습니다.
이 책에서 다루지 않는 내용도 있습니다. 우리는 수학적 증명을 깊이 파고들거나 개념을 설명하려고 수식에 의존하지는 않을 것입니다. 이미 수많은 책을 그러한 방향으로 썼기 때문입니다. 각 장 마무리에서 제가 좋아하는 책들을 소개하겠습니다. 마찬가지로 독자들이 입문 혹은 중급 수준의 파이썬 프로그래밍 실력을 가졌다고 가정합니다. 따라서 NumPy나 pandas 같은 패키지에서 등장하는 고급 파이썬 주제는 기법과 맥락을 이해하는 데 필요한 정도만 설명하겠습니다.

---「지은이의 말」중에서

출판사 리뷰 출판사 리뷰 보이기/감추기

회원리뷰 (6건) 회원리뷰 이동

리뷰 쓰기

혜택 및 유의사항?

총 평점 9.4점 9.4 / 10.0

검색결과 정렬 옵션 삭제

회원리뷰 전체보기

한줄평 (0건) 한줄평 이동

한줄평 쓰기

혜택 및 유의사항?

등록된 한줄평이 없습니다!

첫번째 한줄평을 남겨주세요.

배송/반품/교환 안내

배송 안내

반품/교환 안내에 대한 내용입니다.
배송 구분	예스24 배송 배송비 : 무료배송
포장 안내	안전하고 정확한 포장을 위해 CCTV를 설치하여 운영하고 있습니다. 고객님께 배송되는 모든 상품을 CCTV로 녹화하고 있으며, 철저한 모니터링을 통해 작업 과정에 문제가 없도록 최선을 다 하겠습니다. 목적 : 안전한 포장 관리 촬영범위 : 박스 포장 작업

반품/교환 안내

상품 설명에 반품/교환과 관련한 안내가 있는경우 아래 내용보다 우선합니다. (업체 사정에 따라 달라질 수 있습니다)

반품/교환 안내에 대한 내용입니다.
반품/교환 방법	고객만족센터(1544-3800), 중고샵(1566-4295) 판매자 배송 상품은 판매자와 반품/교환이 협의된 상품에 한해 가능합니다.
반품/교환 가능기간	출고 완료 후 10일 이내의 주문 상품 디지털 콘텐츠인 eBook의 경우 구매 후 7일 이내의 상품 중고상품의 경우 출고 완료일로부터 6일 이내의 상품 (구매확정 전 상태)
반품/교환 비용	고객의 단순변심 및 착오구매일 경우 상품 반송비용은 고객 부담임 직수입양서/직수입일서중 일부는 변심 또는 착오로 취소시 해외주문취소수수료 20%를 부과할수 있음 단, 아래의 주문/취소 조건인 경우, 취소 수수료 면제 오늘 00시 ~ 06시 30분 주문을 오늘 오전 06시 30분 이전에 취소 오늘 06시 30분 이후 주문을 익일 오전 06시 30분 이전에 취소 직수입 음반/영상물/기프트 중 일부는 변심 또는 착오로 취소 시 해외주문취소수수료 30%를 부과할 수 있음 단, 당일 00시~13시 사이의 주문은 취소 수수료 면제 박스 포장은 택배 배송이 가능한 규격과 무게를 준수하며, 고객의 단순변심 및 착오구매일 경우 상품의 반송비용은 박스 당 부과됩니다.
반품/교환 불가사유	소비자의 책임 있는 사유로 상품 등이 손실 또는 훼손된 경우 소비자의 사용, 포장 개봉에 의해 상품 등의 가치가 현저히 감소한 경우 : 예) 화장품, 식품, 가전제품, 전자책 단말기 등 복제가 가능한 상품 등의 포장을 훼손한 경우 : 예) CD/LP, DVD/Blu-ray, 소프트웨어, 만화책, 잡지, 영상 화보집 소비자의 요청에 따라 개별적으로 주문 제작되는 상품의 경우 디지털 컨텐츠인 eBook, 오디오북 등을 1회 이상 다운로드를 받았을 경우 eBook 대여 상품은 대여 기간이 종료 되거나, 2회 이상 대여 했을 경우 취소 불가 중고상품이 구매확정(자동 구매확정은 출고완료일로부터 7일)된 경우 LP상품의 재생 불량 원인이 기기의 사양 및 문제인 경우 (All-in-One 일체형 일부 보급형 오디오 모델 사용 등) 시간의 경과에 의해 재판매가 곤란한 정도로 가치가 현저히 감소한 경우 전자상거래 등에서의 소비자보호에 관한 법률이 정하는 소비자 청약철회 제한 내용에 해당되는 경우
소비자 피해보상	상품의 불량에 의한 반품, 교환, A/S, 환불, 품질보증 및 피해보상 등에 관한 사항은 소비자분쟁해결기준(공정거래위원회 고시)에 준하여 처리됨
환불 지연에 따른 배상	대금 환불 및 환불 지연에 따른 배상금 지급 조건, 절차 등은 전자상거래 등에서의 소비자 보호에 관한 법률에 따라 처리