품목정보
발행일	2019년 03월 27일
쪽수, 무게, 크기	640쪽 \| 1194g \| 18823530mm
ISBN13	9791161752853
ISBN10	1161752854

더보기

이 상품의 태그

#월간개발자_대표도서

비전공자도 이해할 수 있는 AI 지식

17,820원 (10%)

'비전공자도 이해할 수 있는 AI 지식' 상세페이지 이동

Clean Code 클린 코드

29,700원 (10%)

'Clean Code 클린 코드' 상세페이지 이동

챗GPT와 업무자동화

16,200원 (10%)

'챗GPT와 업무자동화' 상세페이지 이동

디자인, 이것만 알면 쉬워져요 with 63가지 LESSON

18,000원 (10%)

'디자인, 이것만 알면 쉬워져요 with 63가지 LESSON' 상세페이지 이동

만들면서 배우는 파이썬과 40개의 작품들

16,920원 (10%)

'만들면서 배우는 파이썬과 40개의 작품들' 상세페이지 이동

Do it! HTML+CSS+자바스크립트 웹 표준의 정석

27,000원 (10%)

'Do it! HTML+CSS+자바스크립트 웹 표준의 정석' 상세페이지 이동

해커와 화가

16,200원 (10%)

'해커와 화가' 상세페이지 이동

Do it! 쉽게 배우는 파이썬 데이터 분석

20,700원 (10%)

'Do it! 쉽게 배우는 파이썬 데이터 분석' 상세페이지 이동

혼자 공부하는 얄팍한 코딩 지식

16,200원 (10%)

'혼자 공부하는 얄팍한 코딩 지식' 상세페이지 이동

이득우의 게임 수학

40,500원 (10%)

'이득우의 게임 수학' 상세페이지 이동

Do it! 깡샘의 안드로이드 앱 프로그래밍 with 코틀린

36,000원 (10%)

'Do it! 깡샘의 안드로이드 앱 프로그래밍 with 코틀린' 상세페이지 이동

프롬프트 엔지니어링

22,500원 (10%)

'프롬프트 엔지니어링' 상세페이지 이동

Do it! 깡샘의 플러터 & 다트 프로그래밍

36,000원 (10%)

'Do it! 깡샘의 플러터 & 다트 프로그래밍' 상세페이지 이동

얄코의 TOO MUCH 친절한 HTML+CSS+자바스크립트

28,800원 (10%)

'얄코의 TOO MUCH 친절한 HTML+CSS+자바스크립트' 상세페이지 이동

모두의 딥러닝

21,600원 (10%)

'모두의 딥러닝' 상세페이지 이동

그림으로 공부하는 IT 인프라 구조

23,400원 (10%)

'그림으로 공부하는 IT 인프라 구조' 상세페이지 이동

Node.js 교과서

37,800원 (10%)

'Node.js 교과서' 상세페이지 이동

자바 알고리즘 인터뷰 with 코틀린

37,800원 (10%)

'자바 알고리즘 인터뷰 with 코틀린' 상세페이지 이동

챗GPT와 기획·분석·보고

16,200원 (10%)

'챗GPT와 기획·분석·보고' 상세페이지 이동

Kotlin in Action

32,400원 (10%)

'Kotlin in Action' 상세페이지 이동

더보기

1장. 머신 러닝의 개요 머신 러닝의 역사와 정의 머신 러닝에 대한 오해: 머신 러닝이 아닌 것은? 머신 러닝의 핵심 개념과 주요 용어 머신 러닝에 활용되는 다양한 데이터 타입과 서브타입 머신 러닝에 활용되는 데이터세트 산업 부문별 머신 러닝 응용 분야와 알고리즘 머신 러닝의 실무적인 과제 머신 러닝 전문가와 구현 프로세스 머신 러닝 전문가 머신 러닝 프로세스 머신 러닝 도구와 데이터세트 머신 러닝 데이터세트 정리 2장. 지도학습에 대한 실무적인 접근 지도학습에 사용되는 용어와 표기법 데이터 품질 분석 기술적(설명적) 데이터 분석 시각화 분석 데이터 변환 및 전처리 추가적인 특성 누락값 처리 이상점 이산화 데이터 표본추출 모델 훈련, 검증, 그리고 테스트 데이터세트 특성 관계 분석과 차원 감소 특성 검색 기술 특성 평가 기법 랩퍼 기법 임베드 접근법 모델 만들기 선형 모델 비선형 모델 앙상블 학습과 메타학습 모델 모델 평가, 검증, 비교 모델 평가 모델 검증 매트릭스 머신 러닝 모델 간의 비교 사례 연구 - 말의 복통 분류 비즈니스 문제 정의 머신 러닝 맵핑 데이터 분석 지도학습 실험 결과, 관찰, 그리고 분석 정리 3장. 비지도식 머신 러닝 기법 지도식 머신 러닝 기법의 주요 이슈 비지도식 머신 러닝 기법의 주요 이슈 특성 분석과 차원 감소 표기법 선형 차원 감소 기법 비선형 차원 감소 기법 클러스터링 클러스터링 알고리즘 스펙트럴 클러스터링 어피니티 전파 클러스터링 검증 및 평가 이상점 또는 특이점 감지 기법 이상점 감지 알고리즘 이상점 평가 기법 실무 사례 분석 도구와 소프트웨어 비즈니스 문제 정의 머신 러닝 맵핑 데이터 수집 데이터 품질 분석 데이터 샘플링 및 변환 특성 분석 및 차원 감소 클러스터링 모델, 결과, 그리고 평가 이상점 모델 구현 결과 및 평가 정리 4장. 반지도 학습 및 능동 학습 반지도 학습 기본적인 수식 및 표현, 가정 반지도 학습 기법 반지도 학습 실무 사례 분석 능동 학습 기본 표현과 수식 능동 학습 시나리오 능동 학습 절차 버전 공간 표본추출 데이터 분포 표본추출 능동 학습 실무 사례 분석 도구와 소프트웨어 비즈니스 문제 정의 머신 러닝 맵핑 데이터 수집 데이터 샘플링 및 변환 특성 분석 및 차원 감소 모델, 결과, 평가 능동 학습 결과 분석 정리 5장 .실시간 스트림 머신 러닝 스트림 기반 학습의 기본 가정 및 수학적 표현 기본 스트림 처리 및 연산 기법 스트림 연산 슬라이딩 윈도우 표본추출 컨셉 드리프트와 드리프트 감지 데이터 관리 기법 감지 기법 증가형 지도 학습 모델 구현 방법 온라인 설정에서의 모델 검증, 평가, 비교 클러스터링을 활용한 증가형 비지도 학습 모델 구현 기법 이상점 감지를 위한 비지도 학습 이상점 감지를 위한 파티션 기반 클러스터링 이상점 감지를 위한 거리 기반 클러스터링 스트림 기반 학습의 실무 사례 도구 및 소프트웨어 비즈니스 문제 정의 머신 러닝 맵핑 데이터 수집 표본추출 및 변환 모델, 결과, 평가 스트림 기반 학습 결과 분석 정리 6장. 확률적 그래프 모델 구현 확률 복습 확률의 개념 그래프의 개념 그래프 구조 및 기본 속성 서브그래프와 클리닉 패스, 트레일, 사이클 베이지안 네트워크 수학적 표현 추론 베이지안 네트워크에서의 학습 학습 파라미터 마코프 네트워크와 조건부 랜덤 필드 수학적 표현 마코프 네트워크에서의 추론 마코프 네트워크에서의 학습 조건부 랜덤 필드 특화된 네트워크 트리 강화 네트워크 마코프 체인 HMM의 최고 확률 경로 HMM의 사후 복호화 도구와 활용 방법 오픈마코프 Weka 베이지안 네트워크 GUI 실무 사례 분석 비즈니스 문제 정의 머신 러닝 맵핑 표본추출 및 데이터 변환 특성 분석 모델, 결과, 평가 결과 분석 정리 7장. 딥러닝 다층 피드포워드 신경망 기법 입력값, 뉴론, 활성화 함수, 수학적 표현 다층 신경망 신경망 기법의 한계 기울기 사라짐, 지역 최적화, 훈련 지연 문제 딥러닝 딥러닝의 주요 개념 사례 분석 도구와 소프트웨어 비즈니스 문제 머신 러닝 맵핑 표본추출 및 데이터 특성 분석 모델, 결과, 평가 정리 8장. 텍스트 마이닝과 자연어 처리 NLP, 하위 분야 및 주요 임무 텍스트 범주화(카테고리화) 음성 태깅 텍스트 클러스터링 정보 추출 및 개체명 인식 감정 분석 및 오피니언 마이닝 대용어 또는 동일지시어 해소 어휘 중의성 해소 기계 번역 시멘틱(의미론적) 논증 및 추론 텍스트 자동 요약 자동화된 질문과 답변 비정형 데이터 마이닝의 당면 과제 텍스트 처리 요소와 변환 문서 수집 및 표준화 토큰화 중지 단어 제거 어간 단어 표기 지역 및 전역 사전 생성 특성 추출 및 생성 특성의 대표성 및 유사성 특성 선택 및 차원 감소 기법 텍스트 마이닝에서의 토픽 선정 텍스트 카테고리화 및 텍스트 분류 토픽 모델링 텍스트 클러스터링 클러스터링 기법 개체명 인식 NER을 위한 은닉 마코프 모델 딥러닝과 NLP NLP 분석 도구와 활용 방법 맬릿을 이용한 토픽 모델링 비즈니스 문제 정의 머신 러닝 맵핑 데이터 수집 표본추출 및 변환 특성 분석 및 차원 감소 모델, 결과, 평가 텍스트 처리 결과 분석 정리 9장. 빅데이터 분석을 위한 머신 러닝의 첨단 도구 빅데이터의 특징 빅데이터 분석을 위한 머신 러닝 범용 빅데이터 프레임워크 배치형 빅데이터 머신 러닝 빅데이터 머신 러닝 플랫폼 - H2O 사례 분석 비즈니스 문제 정의 머신 러닝 맵핑 데이터 수집 데이터 추출 및 변환 빅데이터 머신 러닝 플랫폼 - Spark MLlib 실시간형 빅데이터 머신 러닝 실시간 빅데이터 머신 러닝 프레임워크 - SAMOA 머신 러닝 알고리즘 도구와 활용 실험, 결과, 그리고 분석 머신 러닝의 미래 정리 부록 A. 선형 대수학 벡터 벡터의 스칼라 곱 행렬 행렬 변환 행렬의 특이값 분해 부록 B. 확률 확률의 공리 베이즈 이론 확률 밀도 측정 평균 분산 표준편차 가우시안 표준편차 공분산 상관관계 상관계수 이항 분포 푸와송 분포 가우시안 분포 중심극한정리 오류 전파

더보기

저자 소개 (3명)

출판사 리뷰 출판사 리뷰 보이기/감추기

이 책에서 다루는 내용 - 자바 머신 러닝 라이브러리 마스터 - 각각의 머신 러닝 기법이 해결할 수 있는 문제의 종류 파악 및 관련 기초 이론과 실무 적용 방법 - 머신 러닝의 주요 분야라 할 수 있는 분류, 클러스터링, 이상점 감지, 확률적 그래프 모델링, 텍스트 마이닝 기법 - 실제 데이터에 적용 가능한 머신 러닝의 방법론, 프로세스, 애플리케이션, 분석 방법 - 최신 머신 러닝 연구 주제라 할 수 있는 딥러닝, 스트림 데이터 마이닝, 능동 학습, 반지도 학습 기법과 이들을 이용한 실무적인 실험 - 고성능의 실시간 적응형 예측 모델을 통해 배치형 및 스트림 기반 빅데이터를 분석하는 방법론과 자바 기반 도구들 - 사이버 보안, 금융 범죄, 사물인터넷, 소셜 네트워킹 등의 문제를 해결할 수 있는 AI에 대한 깊이 있는 이해 이 책의 대상 독자 이 책의 첫 번째 대상 독자는 데이터를 다루는 전문가, 데이터 분석, 시각화, 변환 책임자, 그리고 자바 기반의 예측적, 기술적, 규범적 분석을 목적으로 하는 머신 러닝에 의한 훈련, 검증, 테스트, 평가 등의 업무를 수행하는 데이터 분석 담당자다. 또한 이 책의 독자는 머신 러닝의 도구로 자바를 선택했으며, 자바 프로그래밍에 대한 일정 수준 이상의 프로그래밍 경험을 갖췄다고 가정한다. 그렇지 않은 경우, 데이터 분석 및 연구 환경, 그리고 회사 정책상 자바 언어로 작성된 서드파티 도구를 사용하는 독자라고 가정한다. 또 다른 경우, 자바 프로그래밍 경험이 전혀 없는 예비 독자도 있을 텐데, 이 책은 자바 전문가용으로 작성됐다는 점을 기억해주기 바란다. 이 책의 두 번째 독자는 지적 호기심에서 머신 러닝을 학습하며, 머신 러닝의 기본 개념과 실무적 기법, 활용 도구까지 관심을 가진 경우다. 이런 독자라면 수학 공식 부분은 생략하고 가장 대표적인 지도식 및 비지도식 학습 알고리즘의 기본 개념과 도구 활용 방법에만 집중하길 바란다. 실무 예제와 도구를 집중적으로 익히고 싶은 독자는 (머신 러닝에 대한 이론적 토대가 강조된) 1, 2, 3, 7장을 생략하고 실무적으로 즉시 적용할 수 있는 데이터세트와 분석 기법을 중심으로 살펴보길 바란다. 이 책에 실린 다양한 데이터세트와 머신 러닝 실험을 통해 궁금한 부분에 대한 해답을 찾을 수 있다. 3장, ‘비지도식 머신 러닝 기법’에서 소개하는 어피니티 전파 알고리즘, 7장, ‘딥러닝’에서 소개하는 LSTM 아키텍처, 그리고 5장, ‘실시간 스트림 머신 러닝’에서 소개하는 실시간 학습에서의 이상점 감지를 위해 거리 기반 클러스터링 기법을 사용할 때의 장점 및 단점 등, 다양한 이론과 사례를 신속하게 접근할 수 있는 참조 자료처럼 활용할 수 있다. 이 책에 실린 대부분의 내용은 머신 러닝에 흥미를 느끼는 독자라면 이해하기 쉽게 구성했으며 다양한 예제를 통해 실무적인 접근 방식도 파악할 수 있도록 했다. 이 책의 구성 1장, ‘머신 러닝 개론’에서는 『머신 러닝 인 자바』(에이콘, 2016) 등 관련 서적에 소개된 머신 러닝의 기본 개념과 기법에 대해 설명한다. 머신 러닝에 대한 이해를 위해 필수적인 데이터, 데이터 변환, 표본추출, 편향성, 특성의 개념 및 중요성, 지도식 및 비지도식 학습, 빅데이터 학습, 실시간 학습, 확률적 그래프 모델, 반지도 학습 등의 개념에 대해 알아본다. 2장, ‘지도식 학습에 대한 실무적인 접근’에서는 지도식 학습의 개념과 이를 구현한 다양한 기법에 대해 알아본다. 특성 선택과 특성 감소, 선형 모델, 로지스틱 모델, 비선형 모델, SVM과 커널, 배깅과 부스팅 등 앙상블 학습 기법, 검증 기법과 성능 평가 지표, 그리고 모델 선택 기법에 대해 알아본다. 실무 예제 분석에서는 WEKA와 RapidMiner를 이용해서 데이터 분석에서부터 모델 성능 분석까지의 과정을 살펴본다. 이후 장에서도 실무 예제 분석을 통해 해당 장에서 소개한 주요 머신 러닝 기법과 모델을 실무적으로 적용하는 과정을 설명한다. 예제에서는 UCI HorseColic 데이터세트를 사용한다. 3장, ‘비지도식 머신 러닝 기법’에서는 클러스터링, 이상점 감지 기법과 애플리케이션에 대해 알아본다. 비지도식 데이터에서의 특성 선택과 특성 감소, 클러스터링 알고리즘, 클러스터링의 평가 기법, 통계 기법, 거리 기반 기법, 분포 기반 기법 등을 이용한 이상점 감지 등에 대해서도 살펴본다. 마지막, 실무 예제 분석에서는 MNIST의 실제 이미지 데이터세트를 이용하며, 차원 감소를 위해 Smile API를 사용하고, 학습을 위해 ELKI를 사용한다. 4장, ‘반지도식 학습과 능동 학습’에서는 소량의 라벨 데이터를 이용한 알고리즘 및 학습 기법에 대해 알아보며 자가 훈련, 생성적 모델, 전이 SVM, 공동 훈련, 능동 학습, 다중 뷰 학습 등에 대해 소개한다. 사례 분석에는 UCI Breast Cancer Wisconsin 데이터세트를 이용하며 JKernelMachines, KEEL 그리고 JCLAL 등의 도구를 사용한다. 5장, ‘실시간 스트림 머신 러닝’에서는 실시간 데이터 스트림이 전통적인 배치형 데이터와 어떤 점에서 다른지, 그리고 문제 해결 방식은 어떻게 다른지에 대해 알아본다. 스트림 머신 러닝과 애플리케이션, 지도식 스트림 학습, 비지도식 클러스터 스트림 학습, 비지도식 이상점 학습, 스트림 학습 모델의 평가 기법과 평가 지표 등에 대해 소개한다. 사례 분석에서는 ELEC의 전기 데이터세트를 이용하며, 모델 구현 도구로 MOA 프레임워크를 사용한다. 6장, ‘확률적 그래프 모델링’에서는 다차원 공간상의 복합 결합 확률 분포를 통해 현실 세계의 문제를 해결하는 방법에 대해 알아본다. 확률적 그래프 모델은 확률의 시각적 표현, 추론에 의한 결론 도출, 효과적인 학습 방법을 제공한다. 이 장에서 다루는 대표적인 내용은 PGM, 베이지안 네트워크, 마코프 네트워크, 그래프 구조 학습, 은닉 마코프 모델, 그리고 추론 기법 등이다. 사례 분석에서는 UCI Adult(가구당 소득 통계조사) 데이터세트를 이용하며 OpenMarkov와 WEKA의 Bayes network를 사용한다. 7장, ‘딥러닝’에서는 가장 복잡한 AI 문제를 풀 수 있으며, 오늘날 머신 러닝의 총아라 할 수 있는 딥러닝에 대해 알아본다. 이 장에서 다루는 대표적인 내용은 신경망, 신경망과 관련된 주요 난제, 심층 신뢰망, 제한 볼츠만 머신, 컨볼루션 네트워크, 롱숏텀 메모리 유닛, 노이즈 감소 오토인코더, 리커런트 네트워크 등이다. 사례 분석에서는 딥러닝의 구현 방식, 파라미터 튜닝에 대한 이해를 돕기 위해 MNIST 이미지 데이터세트에 대해 DeepLearning4J 프레임워크를 적용한다. 8장, ‘텍스트 마이닝과 자연어 처리’에서는 텍스트 마이닝을 위한 다양한 기법, 알고리즘, 도구에 대해 소개한다. 이 장의 대표 주제는 텍스트 마이닝, 텍스트 데이터의 대표값, 차원 감소 기법, 토픽 모델링, 텍스트 클러스터링, 개체명 인식, 그리고 딥러닝 등이다. 분석 실무에서는 비정형 텍스트 데이터(Reuters-21578 데이터세트)를 이용해서 토픽 모델링과 텍스트 분류 기법의 구현 과정을 살펴보며, MALLET 그리고 KNIME 도구를 사용한다. 9장, ‘빅데이터 머신 러닝’에서는 매우 큰 용량의 데이터, 혹은 매우 빠른 속도로 증가하는 데이터를 통해 어떻게 학습할 것인가? 확장성 문제는 어떻게 해결할 것인가? 등과 같이 오늘날 가장 중요시되는 질문에 대한 답을 찾는다. 주요 주제는 빅데이터 클러스터 배포 프레임워크, 빅데이터 저장 옵션, 배치형 데이터 처리, 배치형 데이터 머신 러닝, 실시간 머신 러닝 프레임워크, 실시간 스트림 학습 등이다. 실무 분석에서는 배치형 및 실시간형 빅데이터 분석 기법에 대해 알아보기 위해 UCI Covertype 데이터세트를 이용하며 H2O, Spark MLLib 그리고 SAMOA 등의 빅데이터 전문 라이브러리를 사용한다. 부록 A, ‘선형 대수학’에서는 선형 대수학의 개념을 소개하고, 잊었던 기본 이론을 복습한다. 부록에서 모든 내용을 다룰 수는 없지만, 이 책에서 소개하는 머신 러닝의 주요 개념을 이해하기에는 부족하지 않으리라 생각한다. 주요 주제는 벡터, 행렬, 행렬의 기본 연산, 연산 규칙, 행렬의 선형 변환, 역행렬, 에이젠 분해, 정치행렬, 특이값 분해 등이다. 부록 B, ‘확률’에서는 확률의 핵심 개념을 정리한다. 주요 주제는 확률의 공리, 베이즈 이론, 확률 밀도 측정, 평균, 분산, 표준편차, 가우시안 표준편차, 공분산, 상관관계 상관계수, 이항분포, 푸와송 분포, 가우시안 분포, 중심극한정리, 오류 전파 등이다. 지은이의 말 시중엔 이미 머신 러닝에 대한 훌륭한 서적이 다수 나와있으며 데이터에 의한 학습 이론을 교육학적 관점에서 설명하는 책부터 클러스터링, 이상점 감지, 확률적 그래프 모델링 등 머신 러닝의 전문적인 주제에 대한 참고서, 그리고 특정 프로그래밍 언어를 통한 머신 러닝 도구와 라이브러리에 대한 실용적 방법서에 이르기까지 다양한 종류가 있다. 이 책은 머신 러닝과 관련된 방대한 내용을 다루고 있으므로, 이론적인 측면에서 세부적인 설명이 충분하지 않을 수 있지만, 빅데이터 분석의 배치 처리 환경과 실시간 처리 환경에서 우리가 각각 어떤 방식으로 접근해야 하는지를 실무적으로 설명한다. 또한, 자바 언어에 어느 정도 숙련된 독자가 핵심 이론을 이해한 뒤 관심 분야를 깊이 있게 접근할 수 있도록 다양한 선택안을 제공한다. 옮긴이의 말 국내외에서 인공지능에 대한 기대와 걱정이 넘쳐나던 2016년, 『머신 러닝 인 자바』를 번역하면서 인공지능의 하위 분야인 머신 러닝과 본격적으로 인연을 맺었고, 3년이 지난 2019년, 초급 이상의 자바 개발자 또는 머신 러닝 엔지니어를 위한 책인 『자바 머신 러닝 마스터』를 번역하게 됐다. 2016년 이전엔 학계와 IT 산업계를 중심으로 머신 러닝의 가능성을 확인하려는 실험과 시도가 주류를 이뤘다면, 2019년 현재는 IT 개발자는 물론, 데이터 엔지니어, 경영의사 결정자 등의 다양한 니즈에 맞춰 현실적인 당면과제를 즉시 해결하거나 경쟁력을 강화하기 위한 방법 또는 도구로써 머신 러닝을 사용하려 한다. 이 책은 바로 이러한 시대 변화를 반영한 책이라고 생각한다. 머신 러닝 알고리즘에 대해 좀 더 근원적이며 체계적으로 설명하고, 알고리즘을 이해하기 위한 예제가 아닌, 실무 솔루션으로 적용하기 위한 예제를 중심으로 구성됐다. 이 책은 데이터 과학 분야의 중급 및 고급 개발자 알아야 할 데이터 분석, 러닝 알고리즘, 모델 성능 평가, 지도식 및 비지도식 학습, 클러스터링과 이상점 감지, 반지도 학습 및 능동 학습 등 다양한 주제를 상세히 소개하며, 실무적인 활용도가 높은 확률적 그래프 모델링, 텍스트 마이닝, 딥러닝에 대해서도 상세히 설명한다. 각 장의 종반부에는 머신 러닝 알고리즘의 유용성, 사용성을 높인 WEKA, RapidMiner, Smile API, ELKI, JKernelMachines, KEEL, JCLAL, OpenMarkov, DeepLearning4J, MALLET, KNIME, H2O, Spark MLLib, SAMOA 등 업계의 대표적인 오픈 소스 자바 도구의 활용 방법을 소개한다. 마지막으로 머신 러닝이 적용될 수 있는 주요 시나리오를 직접 경험해 볼 수 있도록 UCI HorseColic 데이터세트, MNIST 손글씨 이미지 데이터세트, ELEC 전기 데이터세트, UCI Breast Cancer Wisconsin 데이터세트, UCI Adult 데이터세트, Reuters-21578 데이터세트, UCI Covertype 데이터세트 등의 분석 예제가 마련돼 있다. 중급 수준의 개발 및 엔지니어링 서적이 그렇듯, 이 책 역시 쉽게 읽어나갈 수 있는 책은 아니다. 하지만 자바에 대한 약간의 경험과 머신 러닝에 대한 기초가 갖춰졌다면, 2~3일간 1개 장을 마스터한다는 계획을 세우고, 개론과 예제를 차근차근 따라가다 보면 어느새 머신 러닝 전문가의 길로 들어선 자신을 발견할 수 있으리라 생각한다.

회원리뷰 (0건) 회원리뷰 이동

리뷰 쓰기

혜택 및 유의사항?

등록된 리뷰가 없습니다!

첫번째 리뷰어가 되어주세요.

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