소득공제
- 베스트
- IT 모바일 top100 1주
이미 소장하고 있다면 판매해 보세요.
- 국내배송만 가능
- 최저가 보상
- 문화비소득공제 신청가능
위키북스- 데이터 사이언스 시리즈
이 상품의 시리즈 알림신청
책소개
목차
|
▣ 01장: 신용 위험 모델링
연구문제 진술 소개 데이터셋 이해 __데이터셋의 특성 이해 __데이터 분석 ____데이터 전처리 ____데이터 전처리에 이은 기본 데이터 분석 ____부양 가족 수 __기준 모델에 대한 특징 공학 특징 중요도 알아내기 머신러닝 알고리즘 선택 __k 최근접 이웃 __로지스틱 회귀 __에이다부스트 __그레이디언트부스팅 __랜덤포레스트 기준 모델 훈련 테스트 계량 이해 __훈련된 모델의 평균 정확도 __ROC-AUC 점수 ____ROC ____AUC 기준 모델 테스트 기존 접근법의 문제점 기존 접근법 최적화 __접근법 최적화에 필요한 핵심 개념 이해 ____교차 검증 ____하이퍼파라미터 조율 개선 접근법 구현 __교차 검증 기반 접근법 구현 __하이퍼파라미터 조율 구현 __개선 접근법 구현 및 테스트 __개선 접근법의 문제점 이해 최선 접근법 __최선 접근법 구현 ____특징의 로그 변환 ____투표 기반 앙상블 머신러닝 모델 ____실제 테스트 데이터에서 머신러닝 모델을 실행하기 요약 ▣ 02장: 주식 시장 가격 예측 연구문제 진술 소개 데이터셋 수집 __DJIA 지수 가격 수집 __뉴스 기사 수집 데이터셋 이해 __DJIA 데이터셋 이해 __뉴욕타임즈 뉴스 기사 데이터셋 이해 데이터 전처리 및 데이터 분석 __DJIA 훈련 데이터셋 준비하기 __DJIA 데이터셋에 대한 기본 데이터 분석 __뉴욕 타임즈 뉴스 데이터셋 준비 ____발행 일자를 YYYY-MM-DD 형식으로 변환 ____뉴스 기사를 분야별로 선별 ____필터 특징 구현 및 데이터셋 병합 ____병합된 데이터셋을 피클 파일 형식으로 저장 특징 공학 __데이터셋 적재 __소규모 전처리 ____수정 종가를 정수 형식으로 변환 ____뉴스 헤드라인에서 가장 왼쪽에 있는 점을 제거 특징 공학 뉴욕 타임즈 뉴스 기사의 정서 분석 머신러닝 알고리즘 선택 기준 모델 훈련 __훈련 데이터셋과 테스트 데이터셋으로 분할 __훈련 데이터셋 및 테스트 데이터셋의 예측 레이블 분할 __정서 점수를 넘파이 배열로 변환 __머신러닝 모델 훈련 테스트 계량 이해 __기본 테스트 계량 __시각화 접근법 기준 모델 테스트 __출력 생성과 해석 __정확도 점수 생성 __출력 시각화 기존 접근법의 문제점 탐구 __조정 __평활화 __그 밖의 머신러닝 알고리즘을 시도 개선 접근법 이해 __개념과 접근법을 이해하기 ____조정 기반 접근법 ____평활화 기반 접근법 ____로지스틱 회귀 기반 접근법 개선 접근법 구현 __구현 ____조정 구현 ____평활화 구현 ____로지스틱 회귀 구현 __개선 접근법 테스트 __개선 접근법의 문제점 이해 최선 접근법 요약 ▣ 03장: 고객 분석 고객 세분화 소개 __연구문제 진술 소개 데이터셋 이해 __데이터셋에 대한 설명 __데이터셋 내려받기 __데이터셋의 특성 기준 접근법 구축 __기준 접근법 구현 ____데이터 준비 ____탐색적 데이터 분석 ____고객 범주 생성 ____고객 분류 __테스트 계량 이해 ____혼동 행렬 ____학습 곡선 __기준 접근법 결과 테스트 ____분류 기준에 대한 정확도 점수 생성 ____분류기의 혼동 행렬 생성 ____분류기에 대한 학습 곡선 생성 __기준 접근법의 문제점 __기준 접근법 최적화 개선 접근법 구축 __개선 접근법 구현 __개선 접근법 테스트 __개선 접근법의 문제점 ____개선 접근법을 개선하는 방법 이해 최선 접근법 __최선 접근법 구현 __최선 접근법 테스트 ____유보 말뭉치를 훈련 데이터셋의 형태로 변환 ____변형 데이터셋을 행렬 형식으로 변환하기 ____예측 생성 다양한 분야에 대한 고객 세분화 요약 ▣ 04장: 전자상거래용 추천 시스템 연구문제 진술 소개 데이터셋 이해 __전자상거래 품목 데이터 __북크로싱 데이터셋 ____BX-Book-Ratings.csv ____BX-Books.csv ____BX-Users.csv 기준 접근법 구축 기본 개념 이해 __내용 기반 접근법 이해 __기준 접근법 구현 ____추천 시스템의 아키텍처 ____기준 접근법을 구현하기 위한 단계 __테스트 계량 이해 __기준 접근법 결과 테스트 __기준 접근법의 문제점 __기준 접근법 최적화 개선 접근법 구축 __개선 접근법 구현 ____데이터셋 적재 ____도서 평가 데이터 파일의 EDA ____도서 데이터 파일 탐색 ____사용자 데이터 파일의 EDA ____추천 엔진에 대한 상관 논리 구현 __개선 접근법 테스트 __개선 접근법의 문제점 ____개선 접근법 개선 방법 이해 최선 접근법 __주요 개념 이해 ____협업 필터링 __최선 접근법 구현 ____데이터셋 적재 ____데이터 프레임 병합 ____병합된 데이터 프레임의 EDA ____위치 정보 기반 데이터 선별 ____KNN 알고리즘 적용 ____KNN 알고리즘을 사용한 추천 ____행렬 인수분해 적용 ____행렬 인수분해를 이용한 추천 요약 ▣ 05장: 정서 분석 연구문제 진술 소개 데이터셋 이해 __데이터셋 내용 이해 ____train 폴더 ____test 폴더 ____imdb.vocab 파일 ____imdbEr.txt 파일 ____README __영화 감상평 검토 파일의 내용 이해 기준 모델에 대한 훈련 및 테스트 데이터셋 작성 기준 모델의 특징 공학 머신러닝 알고리즘 선택 기준 모델 훈련 __기준 모델 구현 ____다항 나이브 베이즈 ____커널 rbf를 사용한 C-서포트 벡터 분류 ____커널 선형을 사용한 C-서포트 벡터 분류 ____선형 서포트 벡터 분류 테스트 계량 이해 __정밀도 __재현율 __F1 점수 __지지도 __훈련 정확도 기준 모델 테스트 __다항 나이브 베이즈의 테스트 __rbf 커널을 사용한 SVM 테스트 __선형 커널로 SVM을 테스트 __linearSVC로 SVM을 테스트 기존 접근법의 문제점 기존 접근법을 최적화하는 방법 __접근법 최적화를 위한 주요 개념 이해 개선 접근법 구현 __종속 라이브러리 가져오기 __IMDb 데이터셋 내려받기 및 적재하기 __상위 단어 및 최대 텍스트 길이 선택 __워드 임베딩 구현 __합성곱 신경망 구축 __훈련 및 정확도 확보 __개선 접근법 테스트 __개선 접근법의 문제점 이해 최선 접근법 __최선 접근법 구현 ____GloVe 모델 적재 ____데이터셋 적재 ____미리 계산된 ID 행렬 적재 ____훈련 및 테스트 데이터셋 분할 ____신경망 구축 ____신경망 훈련 ____훈련된 모델 적재 ____훈련된 모델 테스트 요약 ▣ 06장: 일자리 추천 엔진 연구문제 진술 소개 데이터셋 이해 __긁어 모은 데이터셋 __일자리 추천 경진대회 데이터셋 __apps.tsv __users.tsv __Jobs.zip __user_history.tsv 기준 접근법 구축 __기준 접근법 구현 ____상수 정의 ____데이터셋 적재 ____도우미 함수 정의 ____TF-IDF 벡터 및 코사인 유사도 생성 __테스트 계량 이해 __기준 접근법의 문제점 __기준 접근법 최적화 개선 접근법 구축 __데이터셋 적재 __훈련 데이터셋과 테스트 데이터셋으로 분할하기 __탐색적 데이터 분석 __일자리 데이터 파일을 사용해 추천 엔진을 구축하기 __개선 접근법 테스트 __개선 접근법의 문제점 __개선 접근법을 향상하는 방법 이해 최선 접근법 __최선 접근법 구현 ____데이터셋 선별 ____훈련 데이터셋 준비 ____연결 연산 적용 ____TF-IDF 및 코사인 유사도 점수 생성 ____추천 생성 요약 ▣ 07장: 텍스트 요약 요약의 기본을 이해하기 __추출 요약 __생성 요약 연구문제 진술 소개 데이터셋 이해 __데이터셋 획득 문제 해결 __의료 사본 데이터셋 이해 __아마존의 서평 데이터셋 이해 기준 접근법 구축 __기준 접근법 구현 ____파이썬 종속 파일 설치 ____코드 작성 및 요약 생성 __기준 접근법의 문제점 __기준 접근법 최적화 개선 접근법 구축 __개선 접근법 구현 ____get_summarized 함수 ____reorder_sentences 함수 ____summarize 함수 ____요약 생성 __개선 접근법의 문제점 __개선 접근법을 보완하는 방법 ____LSA 알고리즘 ____최선 접근법의 배경을 이루는 아이디어 최선 접근법 __최선 접근법 구현 ____프로젝트 구조 이해 ____도우미 함수 이해 ____요약 생성 __아마존 서평을 사용해 요약 애플리케이션 만들기 ____데이터셋 적재 ____데이터셋 탐색 ____데이터셋 준비 ____딥러닝 모델 구축 ____딥러닝 모델 훈련 ____딥러닝 모델 테스트 요약 ▣ 08장: 챗봇 개발 연구문제 진술 소개 __검색 기반 접근법 __생성 기반 접근법 __열린 영역 __닫힌 영역 __짧은 대화 __긴 대화 ____열린 영역과 생성 기반 접근법 ____열린 영역과 검색 기반 접근법 ____닫힌 영역과 검색 기반 접근법 ____닫힌 영역과 생성 기반 접근법 데이터셋 이해5 __코넬 영화 대사 데이터셋 ____movie_conversations.txt에 담긴 내용의 세부 정보 ____movie_lines.txt에 담긴 내용의 세부 정보 __bAbI 데이터셋 ____The (20) QA bAbI tasks 챗봇 기본 버전 구축 __규칙 기반 시스템이 작동하는 이유는 무엇인가? __규칙 기반 시스템 이해 __접근법 이해 __있음직한 질문/답변 나열 __표준 메시지 결정 __아키텍처 이해 규칙 기반 챗봇 구현 __대화 흐름 구현 __플라스크를 사용해 RESTful API 구현하기 규칙 기반 챗봇 테스트 __규칙 기반 챗봇의 장점 기존 접근법의 문제점 __접근법 최적화를 위한 주요 개념 ____seq2seq 모델 이해 개선 접근법 구현 __데이터 준비 ____질문-답변 쌍 생성 ____데이터셋 전처리 ____데이터셋을 훈련 데이터셋 및 테스트 데이터셋으로 분할하기 ____훈련 데이터셋 및 테스트 데이터셋에 대한 어휘집 작성 __seq2seq 모델 구현 ____모델 구성 ____모델 훈련 개선 접근법 테스트 __테스트 개량 기준 이해 ____복잡도 ____손실 __개선 챗봇 버전 테스트 개선 접근법의 문제점 __당면 문제 해결에 필요한 핵심 개념 ____기억 신경망 최선 접근법 __최선 접근법 구현 ____마구잡이 테스트 모드 하이브리드 방식에 관한 토론 요약 ▣ 09장: 실시간 물체 인식 앱 구축 연구문제 진술 소개 데이터셋 이해 __COCO 데이터셋 __PASCAL VOC 데이터셋 ____PASCAL VOC 클래스 전이 학습 __전이 학습이란 무엇인가? __사전 훈련 모델이란 무엇인가? __사전 훈련 모델을 사용해야 하는 이유는 무엇인가? __사전 훈련 모델을 사용하는 방법 코딩 환경 설정 __OpenCV 구성과 설치 기준 모델을 위한 특징 공학 머신러닝 알고리즘 선택 __MobileNet SSD 모델의 아키텍처 기준 모델 작성 테스트 계량 이해 __합집합 분의 교집합 __평균 정밀도의 평균 기준 모델 테스트 기존 접근법의 문제점 기존 접근법을 최적화하는 방법 __최적화 과정 이해 개선 접근법 구현 __개선 접근법 테스트 __개선 접근법의 문제점 이해 최선 접근법 __YOLO 이해 __YOLO의 작동 방식 __YOLO의 아키텍처 __YOLO를 사용한 최선 접근법 구현 ____다크넷을 사용한 구현 ____다크플로를 사용한 구현 요약 ▣ 10장: 얼굴 검출 및 얼굴 감정 인식 연구문제 진술 소개 __얼굴 인식 애플리케이션 __얼굴 감정 인식 애플리케이션 코딩 환경 설정 __dlib 설치 __face_recognition 설치 얼굴 인식의 개념 이해 __얼굴 인식 데이터셋 이해 ____CAS-PEAL Face Dataset ____Labeled Faces in the Wild __얼굴 인식 알고리즘 ____지향성 경사도 히스토그램 ____얼굴 인식용 합성곱 신경망 얼굴 인식 구현 방법 __HOG 기반 접근법 구현 __CNN 기반 접근법 구현 __실시간 얼굴 인식 구현 얼굴 감정 인식을 위한 데이터셋 이해 얼굴 감정 인식 개념 이해 __합성곱 계층 이해 __ReLU 계층 이해 __풀링 계층 이해 __완전 연결 계층 이해 __소프트맥스 계층 이해 __역전파 기반 가중치 갱신 얼굴 감정 인식 모델 구축 __데이터 준비 __데이터 적재 __모델 훈련 ____dataset_loader 스크립트를 사용한 데이터 적재 ____합성곱 신경망 구축 ____FER 애플리케이션에 대한 훈련 ____훈련된 모델 예측 및 저장 테스트 계량 이해 모델 테스트 기존 접근법의 문제점 기존 접근법을 최적화하는 방법 __최적화 과정 이해 최선 접근법 __최선 접근법 구현 요약 ▣ 11장: 게임봇 구축 연구문제 진술 소개 코딩 환경 설정 강화학습 이해 __마르코프 결정 과정 __할인된 미래 보상 기본 아타리 게임봇 __주요 개념 이해 ____게임 규칙 ____Q 학습 알고리즘 이해 게임봇의 기본 버전 구현 스페이스 인베이더 게임봇 구축 __주요 개념 이해 ____심층 Q 신경망 이해 ____경험 재연 이해 스페이스 인베이더 게임봇 구현 퐁 게임봇 구축 __주요 개념 이해 ____게임봇의 아키텍처 ____게임봇에 대한 접근법 퐁 게임봇 구현 __파라미터 초기화 __가중치를 행렬 형식으로 저장 __가중치 갱신 __에이전트를 움직이는 방법 __신경망을 사용한 과정 이해 그냥 재미로 플래피버드 게임봇 구현해 보기 요약 ▣ 부록A: 치트 시트 목록 치트 시트 요약 ▣ 부록B: 해카톤 승리 전략 해카톤 승리 전략 최신 정보 유지 요약 |
저자 소개2
저잘라지 트하나키
관심작가 알림신청Jalaj Thanaki
잘라지는 정보기술업, 출판업 및 금융업 근무 이력이 있는 숙련된 데이터 과학자이다. 『Python Natural Language Processing』(파이썬 자연 언어 처리)이라는 책의 저자이기도 하다. 자연 언어 처리, 머신러닝, 딥러닝 및 빅데이터 분석을 연구하는 데 관심이 있다. 데이터 과학자이기도 하지만 사회 활동가이자 여행가이며 자연을 사랑하는 사람이기도 하다.
잘라지 트하나키의 다른 상품
역박진수
관심작가 알림신청
다양한 정보기술 분야 경력과 저술/번역 경험을 바탕으로 IT 융·복합 사업을 꿈꾸는, 1인 회사 ‘리율’의 대표다. 옮긴 책으로는 《사물인터넷을 위한 인공지능》 《실전! GAN 프로젝트》 《실전 예제로 배우는 GAN》 《전문가를 위한 머신러닝 솔루션》 《딥러닝 모델 설계를 떠받치는 기술》 《따라 하면서 배우는 유니티 ML-Agents》 《검색을 위한 딥러닝》, 《파이썬으로 배우는 응용 텍스트 분석》, 《R로 배우는 텍스트 마이닝》, 《케라스 창시자의 딥러닝 with R》, 《모두를 위한 실용 전자공학》, 《해킹 일렉트로닉스》, 《ggplot2》 등이 있다.
박진수의 다른 상품
품목정보
- 발행일
- 2019년 06월 13일
- 쪽수, 무게, 크기
- 532쪽 | 188*240*24mm
- ISBN13
- 9791158391560
