음성 검색
QR/바코드 검색
품목정보
| 발행일 | 2019년 12월 19일 |
|---|---|
| 쪽수, 무게, 크기 | 212쪽 | 188*235*12mm |
| ISBN13 | 9791161753669 |
| ISBN10 | 1161753664 |
나단 그리넬치 저 / 조종희 역
|
에이콘출판사
|
2019년 12월 19일
저자/출판사 더보기/감추기
- OS/데이터베이스 top100 8주
eBook이 출간되면 알려드립니다.
eBook 출간 알림 신청
분철서비스 시작 시 알려드립니다.
분철서비스 알림신청
- 원제이동
- 이미 소장하고 있다면 판매해 보세요! 이 상품 팔기 매입가 1,700원 더보기/감추기
관련분류
이 상품의 태그
책소개 책소개 보이기/감추기
목차 목차 보이기/감추기
| 1장. 데이터 마이닝과 파이썬 도구 입문 __기술적, 예측적, 처방적 분석 __이 책에서 다루는 것과 다루지 않는 것 __추가적인 학습을 위한 추천 도서 __데이터 마이닝을 위한 파이썬 환경 설정 __아나콘다와 콘다 패키지 관리자 설치하기 ____리눅스에 설치하기 ____윈도우에서 설치하기 ____맥 OS에서 설치하기 __스파이더 IDE 시작하기 __주피터 노트북 실행하기 __고성능 파이썬 설치하기 __추천 라이브러리와 설치 방법 __추천 라이브러리 __요약 2장. 기본 용어와 종합적 사례 __기본적 데이터 용어 __샘플 스페이스 __변수의 종류 __데이터 형태 __기본적 요약 통계량 __파이썬을 활용한 데이터 마이닝 예제 ____데이터를 메모리에 로딩하기: pandas를 통해 데이터 보기와 데이터 관리하기 ____데이터 플롯과 탐구: seaborn의 능력 체험하기 ____데이터 변환: scikit-learn을 활용한 PCA와 LDA ____분리를 계량화하기: k-means 클러스터링과 실루엣 스코어 ____의사 결정 혹은 예측 __요약 3장. 데이터의 수집, 탐구, 시각화 __데이터 소스의 형태와 pandas에 데이터 적재하기 ____데이터베이스 ____기본적 SQL 질의 ____디스크 ____웹 소스 ____URL ____scikit-learn이나 seaborn에 포함된 데이터 사용 __pandas로 데이터 접근, 검색, 점검하기 __seaborn에서의 기본적 플롯 __데이터 시각화를 위한 인기 있는 형태의 플롯들 ____스캐터 플롯 ____히스토그램 ____조인트 플롯 ____바이올린 플롯 ____페어플롯 __요약 4장. 분석을 위한 데이터 클리닝과 준비 __scikit-learn 변환 API __입력 데이터 클리닝 ____결측값 ____결측값 찾기와 제거하기 ____결측값을 대체하기 위한 임퓨팅 __특징 스케일링 ____정규화 ____표준화 __카테고리 데이터 처리 ____순서적 인코딩 ____원핫 인코딩 ____레이블 인코딩 __고차원 데이터 __차원 감소 ____특징 선택 ____특징 필터링 ____래퍼 기법 __변환 ____PCA ____LDA __요약 5장. 데이터의 그룹화와 클러스터링 __클러스터링 개념 소개 __그룹의 위치 ____유클리디안 공간(센트로이드) ____비유클리디안 공간(메디오이드) __유사성 ____유클리디안 공간 ____비유클리디안 공간 __종료 조건 ____알려진 숫자의 그룹의 경우 ____알려지지 않은 숫자의 그룹의 경우 ____품질 스코어와 실루엣 스코어 __클러스터링 기법들 ____평균 분리 ____k-means ____계층적 클러스터링 ____클러스터의 숫자를 찾기 위해 덴드로그램 재사용하기 ____덴드로그램 그리기 __밀도 클러스터링 __스펙트럼 클러스터링 __요약 6장. 회귀와 분류를 이용한 예측 __scikit-learn 추정기 API __예측 개념 소개 ____예측 모델 표기법 __수학적 도구 ____손실 함수 ____기울기 하강 ____품질 체계 적합하기 __회귀 ____회귀 모델 예측 지표 ____회귀 예제 데이터 ____선형 회귀 ____다변량 형태로 확장 ____처벌 회귀를 활용한 규칙화 ____규칙화 처벌 __분류 ____분류 예제 데이터 ____분류 모델 예측의 지표 ____복수 클래스 분류 ____로지스틱 회귀 ____규칙화된 로지스틱 회귀 ____서포트 벡터 머신 ____C를 사용한 소프트 마진 ____커널 트릭 ____트리 기반 분류 ____의사 결정 트리 ____랜덤 포레스트 __예측 모델의 튜닝 ____교차 검증 ____검증 데이터 개론 ____K-fold 기법을 이용한 복수의 검증 데이터셋 ____초모수 튜닝을 위한 그리드 서치 __요약 7장. 고급 주제: 데이터 처리 파이프라인의 생성과 사용 __당신의 분석 파이프라인 생성 ____scikit-learn의 파이프라인 객체 __모델 구현하기 ____pickle 모듈을 통해 모델을 연속화하고 저장하기 ____연속화된 모델을 로딩하고 예측하기 __파이썬에서의 구현 문제 __요약 |
상세 이미지 상세 이미지 보이기/감추기
상품 이미지를 확대해서 볼 수 있습니다.
원본 이미지
저자 소개 (2명)
출판사 리뷰 출판사 리뷰 보이기/감추기
이 책에서 다루는 내용
■ 데이터셋 요약 및 데이터 시각화 기법 탐구
■ 분석 작업을 위한 데이터 수집과 구성
■ 데이터 포인트를 그룹에 할당하고 클러스터링으로 시각화하기
■ 데이터에 대한 연속적 및 카테고리적 예측 학습
■ 데이터 클리닝, 노이즈 제거, 차원 감소
■ scikit-learn의 파이프라인 특징을 사용한 데이터 처리 모델 연속화
■ 파이썬의 pickle 모듈을 이용한 데이터 처리 모델 구현
이 책의 대상 독자
파이썬을 활용한 데이터 마이닝과 분석 분야의 초보자를 대상으로 한다. 독자가 파이썬 프로그래밍 경험이 거의 없으며 고등학교 수준 이상의 수학 실력을 갖추지 못한 것으로 가정하고 서술했다. 이 책에 사용된 모든 파이썬 라이브러리는 많은 플랫폼에서 무료로 구할 수 있으므로, 인터넷에 접속할 수 있다면 책에 나오는 개념을 배우고 연습할 수 있을 것이다.
이 책의 구성
처음 세 장은 데이터 마이닝 프로젝트의 구조적인 내용을 다룬다. 여기에는 데이터 마이닝 파이썬 환경의 생성, 다양한 소스로부터의 데이터 로딩, 다운스트림 분석을 위한 데이터 변환을 포함한다. 나머지 장에서는 주로 개념을 다루며, 신입 사원을 교육하는 것처럼 대화체로 서술했다.
1장. ‘데이터 마이닝과 파이썬 도구 입문’에서는 독자의 소프트웨어 환경에서 파이썬을 시작하는 법을 다룬다. 파이썬, pandas, scikit-learn, seaborn 같은 인기 있는 라이브러리를 설치하는 법을 알려준다. 환경을 설정하고 나면 다음 설명을 따라갈 수 있을 것이다.
2장. ‘기본 용어와 종합적 사례’에서는 데이터 마이닝에서 요구되는 기본적 통계와 데이터 용어를 소개한다. 이 장의 끝에서는 종합적 예제를 다루고, 다음 장에서 소개할 여러 기법을 보여준다. 2장을 읽으면 분석이 의미하는 사고의 과정과 업무에서 맞닥뜨리게 될 문제를 해결하기 위한 절차를 좀 더 명확히 이해할 수 있다.
3장. ‘데이터의 수집, 탐구, 시각화’에서는 데이터베이스, 디스크, 웹에서 데이터를 불러오는 기본적인 방법을 살펴본다. 기본적인 SQL 질의와 pandas의 액세스 및 검색 함수를 다루며, seaborn을 사용한 주요 플롯 형태를 소개한다.
4장. ‘분석을 위한 데이터 클리닝 및 준비’에서는 데이터 클리닝과 차원 감소의 기본을 다룬다. 어떻게 미지의 값을 처리하고, 입력 데이터를 리스케일하고, 카테고리 변수를 다룰지 이해하게 될 것이다. 또한 고차원 데이터의 문제를 필터, 래퍼(wrapper), 변환 기법 등의 특징 감소 기법을 사용해 문제를 어떻게 해결하는지 알아본다.
5장. ‘데이터의 그룹화와 클러스터링’에서는 데이터 마이닝을 위한 클러스터링 알고리즘 설계 배경과 사고 과정을 설명한다. 그리고 실무에서 사용하는 클러스터링 기법을 소개하고 모의 데이터를 사용해 이들을 비교한다. 이 내용을 배우면 평균 분리, 밀도, 연결성에 기반한 클러스터링 알고리즘 간의 차이를 알게 될 것이다. 또한 데이터의 플롯을 해석하고 클러스터링이 여러분의 데이터 마이닝 프로젝트에 어느 정도 적합한지에 대한 인사이트를 얻을 수 있다.
6장. ‘회귀와 분류를 이용한 예측’에서는 손실 함수와 기울기 하강을 통한 예측 모델 학습을 다룬다. 그다음 과대적합, 과소적합 및 적합 과정에서의 모델 정규화를 위한 페널티 접근의 개념을 살펴본다. 그리고 표준적인 회귀 및 분류 기법들과 각각의 정규화된 버전을 다룬다. 교차 검증과 그리드 검색을 포함한 모델 튜닝의 베스트 프랙티스를 다루면서 마무리한다.
7장. ‘고급 주제: 데이터 처리 파이프라인의 생성과 사용’에서는 scikit-learn 기법을 사용해 파이프라인을 생성하고 적용하는 전략을 살펴본다. 이어서 구현 시점에서 일어나는 파이썬 관련 문제를 다룬다.
지은이의 말
인기 있는 무료 파이썬 라이브러리들을 활용한 데이터 마이닝을 소개한다. 이 책은 대화체로 쓰여졌고, 독자에게 인사이트를 주는 동시에 읽기 쉬운 책이 되고자 했다. 데이터 마이닝은 당신의 데이터로부터 전통적 분석 기법으로는 발견하기 힘든 인사이트를 발견하기 위해 설계된 분석 기법의 통칭이다. 데이터 마이닝의 분야는 광대하므로, 이 책의 주제는 데이터 마이닝 영역의 적합성뿐만 아니라, 이에 관련한 머신 러닝과 인공지능의 영역까지 고려해서 선택됐다. 전반부에서는 데이터의 수집, 로딩, 변환 등에 익숙해질 수 있도록 돕고, 후반부에서는 개념적인 내용을 다룬다. 이 개념은 먼저 직관적인 원리부터 소개되고 크게 변환, 클러스터링, 예측으로 나뉜다. 주요 요소 분석, k-means 클러스터링, 서포트 벡터 머신, 랜덤 포레스트와 같이 인기 있는 여러 기법은 후반부에서 다룬다. 그리고 파이프라인과 당신의 분석 모델을 구현하는 것으로 마무리한다.
옮긴이의 말
데이터 마이닝의 개념은 학계와 산업계에 소개된 지 오래됐다. 하지만 고급 통계 패키지나 컴퓨터 프로그래밍을 경험해보지 못한 사람도 쉽게 이해하고 간편하게 활용할 수 있는 안내서는 지금껏 찾기 힘들었다.
이 책은 데이터 마이닝 패키지 혹은 컴퓨터 프로그래밍 관련 경험이 없는 독자도 차근차근 쉽게 따라 할 수 있도록 쓰여졌다. 알기 쉬운 예제와 파이썬 프로그램을 활용한 해결 방법을 제공하고 있으므로, 데이터 마이닝에 관심이 있는 학생과 직장인에게 좋은 입문서가 될 것이다.
이 책이 우리나라에서 데이터 마이닝의 대중화를 앞당기는 데 조금이나마 도움이 되길 바란다.
■ 데이터셋 요약 및 데이터 시각화 기법 탐구
■ 분석 작업을 위한 데이터 수집과 구성
■ 데이터 포인트를 그룹에 할당하고 클러스터링으로 시각화하기
■ 데이터에 대한 연속적 및 카테고리적 예측 학습
■ 데이터 클리닝, 노이즈 제거, 차원 감소
■ scikit-learn의 파이프라인 특징을 사용한 데이터 처리 모델 연속화
■ 파이썬의 pickle 모듈을 이용한 데이터 처리 모델 구현
이 책의 대상 독자
파이썬을 활용한 데이터 마이닝과 분석 분야의 초보자를 대상으로 한다. 독자가 파이썬 프로그래밍 경험이 거의 없으며 고등학교 수준 이상의 수학 실력을 갖추지 못한 것으로 가정하고 서술했다. 이 책에 사용된 모든 파이썬 라이브러리는 많은 플랫폼에서 무료로 구할 수 있으므로, 인터넷에 접속할 수 있다면 책에 나오는 개념을 배우고 연습할 수 있을 것이다.
이 책의 구성
처음 세 장은 데이터 마이닝 프로젝트의 구조적인 내용을 다룬다. 여기에는 데이터 마이닝 파이썬 환경의 생성, 다양한 소스로부터의 데이터 로딩, 다운스트림 분석을 위한 데이터 변환을 포함한다. 나머지 장에서는 주로 개념을 다루며, 신입 사원을 교육하는 것처럼 대화체로 서술했다.
1장. ‘데이터 마이닝과 파이썬 도구 입문’에서는 독자의 소프트웨어 환경에서 파이썬을 시작하는 법을 다룬다. 파이썬, pandas, scikit-learn, seaborn 같은 인기 있는 라이브러리를 설치하는 법을 알려준다. 환경을 설정하고 나면 다음 설명을 따라갈 수 있을 것이다.
2장. ‘기본 용어와 종합적 사례’에서는 데이터 마이닝에서 요구되는 기본적 통계와 데이터 용어를 소개한다. 이 장의 끝에서는 종합적 예제를 다루고, 다음 장에서 소개할 여러 기법을 보여준다. 2장을 읽으면 분석이 의미하는 사고의 과정과 업무에서 맞닥뜨리게 될 문제를 해결하기 위한 절차를 좀 더 명확히 이해할 수 있다.
3장. ‘데이터의 수집, 탐구, 시각화’에서는 데이터베이스, 디스크, 웹에서 데이터를 불러오는 기본적인 방법을 살펴본다. 기본적인 SQL 질의와 pandas의 액세스 및 검색 함수를 다루며, seaborn을 사용한 주요 플롯 형태를 소개한다.
4장. ‘분석을 위한 데이터 클리닝 및 준비’에서는 데이터 클리닝과 차원 감소의 기본을 다룬다. 어떻게 미지의 값을 처리하고, 입력 데이터를 리스케일하고, 카테고리 변수를 다룰지 이해하게 될 것이다. 또한 고차원 데이터의 문제를 필터, 래퍼(wrapper), 변환 기법 등의 특징 감소 기법을 사용해 문제를 어떻게 해결하는지 알아본다.
5장. ‘데이터의 그룹화와 클러스터링’에서는 데이터 마이닝을 위한 클러스터링 알고리즘 설계 배경과 사고 과정을 설명한다. 그리고 실무에서 사용하는 클러스터링 기법을 소개하고 모의 데이터를 사용해 이들을 비교한다. 이 내용을 배우면 평균 분리, 밀도, 연결성에 기반한 클러스터링 알고리즘 간의 차이를 알게 될 것이다. 또한 데이터의 플롯을 해석하고 클러스터링이 여러분의 데이터 마이닝 프로젝트에 어느 정도 적합한지에 대한 인사이트를 얻을 수 있다.
6장. ‘회귀와 분류를 이용한 예측’에서는 손실 함수와 기울기 하강을 통한 예측 모델 학습을 다룬다. 그다음 과대적합, 과소적합 및 적합 과정에서의 모델 정규화를 위한 페널티 접근의 개념을 살펴본다. 그리고 표준적인 회귀 및 분류 기법들과 각각의 정규화된 버전을 다룬다. 교차 검증과 그리드 검색을 포함한 모델 튜닝의 베스트 프랙티스를 다루면서 마무리한다.
7장. ‘고급 주제: 데이터 처리 파이프라인의 생성과 사용’에서는 scikit-learn 기법을 사용해 파이프라인을 생성하고 적용하는 전략을 살펴본다. 이어서 구현 시점에서 일어나는 파이썬 관련 문제를 다룬다.
지은이의 말
인기 있는 무료 파이썬 라이브러리들을 활용한 데이터 마이닝을 소개한다. 이 책은 대화체로 쓰여졌고, 독자에게 인사이트를 주는 동시에 읽기 쉬운 책이 되고자 했다. 데이터 마이닝은 당신의 데이터로부터 전통적 분석 기법으로는 발견하기 힘든 인사이트를 발견하기 위해 설계된 분석 기법의 통칭이다. 데이터 마이닝의 분야는 광대하므로, 이 책의 주제는 데이터 마이닝 영역의 적합성뿐만 아니라, 이에 관련한 머신 러닝과 인공지능의 영역까지 고려해서 선택됐다. 전반부에서는 데이터의 수집, 로딩, 변환 등에 익숙해질 수 있도록 돕고, 후반부에서는 개념적인 내용을 다룬다. 이 개념은 먼저 직관적인 원리부터 소개되고 크게 변환, 클러스터링, 예측으로 나뉜다. 주요 요소 분석, k-means 클러스터링, 서포트 벡터 머신, 랜덤 포레스트와 같이 인기 있는 여러 기법은 후반부에서 다룬다. 그리고 파이프라인과 당신의 분석 모델을 구현하는 것으로 마무리한다.
옮긴이의 말
데이터 마이닝의 개념은 학계와 산업계에 소개된 지 오래됐다. 하지만 고급 통계 패키지나 컴퓨터 프로그래밍을 경험해보지 못한 사람도 쉽게 이해하고 간편하게 활용할 수 있는 안내서는 지금껏 찾기 힘들었다.
이 책은 데이터 마이닝 패키지 혹은 컴퓨터 프로그래밍 관련 경험이 없는 독자도 차근차근 쉽게 따라 할 수 있도록 쓰여졌다. 알기 쉬운 예제와 파이썬 프로그램을 활용한 해결 방법을 제공하고 있으므로, 데이터 마이닝에 관심이 있는 학생과 직장인에게 좋은 입문서가 될 것이다.
이 책이 우리나라에서 데이터 마이닝의 대중화를 앞당기는 데 조금이나마 도움이 되길 바란다.
