음성 검색
QR/바코드 검색
품목정보
| 발행일 | 2020년 03월 17일 |
|---|---|
| 쪽수, 무게, 크기 | 528쪽 | 190*240*35mm |
| ISBN13 | 9788970503967 |
| ISBN10 | 897050396X |
eBook이 출간되면 알려드립니다.
eBook 출간 알림 신청
분철서비스 시작 시 알려드립니다.
분철서비스 알림신청
- 이미 소장하고 있다면 판매해 보세요! 이 상품 팔기 더보기/감추기
![[대학생X취준생] 학점/시험/취업 모두 파이팅 해야지!](https://image.yes24.com/sysimage/renew/loadSpace.png)
관련분류
이 상품의 태그
책소개 책소개 보이기/감추기
목차 목차 보이기/감추기
| PART1 데이터 분석과 R 1장 산업 트렌드와 데이터 분석 개요 1.1 배경 1.2 산업 트렌드의 변화와 빅데이터 1.3 인공지능 시대 1.4 데이터 분석 기법 2장 R 개발환경 구축과 시작 2.1 배경 2.2 데이터 분석도구: R 2.3 R 개발환경 2.4 R 설치와 시작 2.5 RStudio 설치와 시작 2.6 패키지와 라이브러리 3장 R 데이터 구조와 핵심 문법 3.1 배경 3.2 데이터 구조 3.3 연산자 3.4 데이터 세트 3.5 알고리즘 3.6 함수 연습문제 PART2 수리적 분석 방법론의 이해와 활용 4장 RFM 분석을 통한 가치 평가 4.1 배경 4.2 RFM 분석 개요 4.3 RFM 분석 원리 이해 4.4 R을 이용한 문제 해결 4.5 예제: CDNow의 고객 분석 요약 연습문제 응용문제: CDNow의 full dataset를 이용한 고객 분석 5장 AHP 분석을 통한 대안 선정 5.1 배경 5.2 AHP 분석 개요 5.3 AHP 분석 원리 이해 5.4 R을 이용한 문제 해결 5.5 예제: 자동차 선정 요약 연습문제 응용문제 1: 휴가지 선정 응용문제 2: 휴가지 선정(R) 6장 선형계획법을 이용한 최적해 구하기 6.1 배경 6.2 선형계획법의 개요 6.3 선형계획 모형의 원리 이해 6.4 R을 이용한 문제 해결 6.5 예제: TSP 모형과 경로 분석 요약 연습문제 응용문제 1: 상품 조달 문제의 제약 추가(최대화 문제) 응용문제 2: 인력 채용 문제(최소화 문제) 응용문제 3: TSP 응용(배송 경로) 7장 빈도 기반 감성분석을 통한 긍정·부정 평가 7.1 배경 7.2 감성분석 개요 7.3 감성분석의 원리 이해 7.4 R을 이용한 영화리뷰의 극성 평가 7.5 예제: 감성사전 만들기와 영화리뷰 극성 평가 요약 연습문제 응용문제: 네이버 영화리뷰의 극성 평가 PART3 머신러닝의 이해와 활용 8장 K-평균 군집분석을 통한 군집 분류 8.1 배경 8.2 K-평균 군집분석 개요 8.3 K-평균 군집분석 원리 이해 8.4 R을 이용한 문제 해결 8.5 예제: 붓꽃에 대한 종 분류 요약 연습문제 응용문제: 자동차 분류 9장 연관분석을 통한 연관규칙 발견 9.1 배경 9.2 연관분석 개요 9.3 Apriori 알고리즘의 원리 이해 9.4 R을 이용한 연관분석 9.5 예제: Groceries 상품 연관성 분석 요약 연습문제 응용문제 1: 연관분석 연습 응용문제 2: ‘Adult’ 인구 조사 데이터 분석 10장 의사결정나무 분석을 통한 분류 10.1 배경 10.2 의사결정나무 분석 개요 10.3 의사결정나무 분석의 원리 이해 10.4 R을 이용한 의사결정나무 연습 10.5 예제: 붓꽃 종의 분류와 예측 요약 연습문제 응용문제: 신용상태 분류와 예측 11장 회귀분석을 통한 예측 11.1 배경 11.2 회귀분석 개요 11.3 머신러닝을 이용한 회귀선의 원리 이해 11.4 R을 이용한 문제 해결 11.5 예제: 키에 따른 몸무게 예측 요약 연습문제 응용문제: 자동차 속력에 따른 정지 거리 예측 12장 인공신경망 12.1 배경 12.2 인공신경망 개요 12.3 분류문제를 통한 인공신경망 원리 이해 12.4 R을 이용한 문제 해결 12.5 예제: 키에 따른 몸무게 추정(회귀문제) 요약 연습문제 응용문제 1: XOR 연산(분류문제) 응용문제 2: 자동차 속력에 따른 정지 거리 예측(회귀문제) 응용문제 3: y = x 의 해(회귀문제) 13장 딥러닝 개요 13.1 배경 13.2 딥러닝 개요 13.3 이미지 숫자 분류(다중분류) 13.4 R을 이용한 문제 해결 13.5 예제: 주택가격 예측(회귀문제) 요약 연습문제 응용문제 1: 드롭-아웃 레이어 응용문제 2: 붓꽃의 분류 응용문제 3: 유방암 진단 응용문제 4: 자동차 연비 예측 부록 참고문헌 찾아보기 |
저자 소개 (2명)
출판사 리뷰 출판사 리뷰 보이기/감추기
머신러닝의 원리를 이해하고 활용하는 방법을 익히는 입문서
우리는 현재 인공지능시스템이 하루가 다르게 발전하는 시대에 살고 있다. 전 세계 주요 기술 전시회에서는 각 분야의 기업들이 앞다퉈 신기술과 신상품들을 선보이고 있으며, 이제 산업은 물론, 사회 및 생활 전반으로 인공지능 기술이 확산되고 있다. 인공지능 기술은 자율 주행 차, 암 진단, 얼굴 인식, 통역과 번역, 범죄 예방, 사이버 보안 등 다양한 분야에서 활용되고 있다.
인공지능이 가능하도록 만드는 기반기술에는 어떤 것들이 있을까? 머신러닝(기계학습)은 기반기술 중의 하나로서, 대용량의 데이터를 학습하여 사람보다 월등한 성능을 보이고 있다. 최근, 이미지 인식에서 딥러닝 기반 머신러닝은 인간의 인식률을 넘어서고 있다.
데이터로 학습한다는 것은 어떤 의미일까? 전통적인 수리적 기법은 데이터를 입력하면 수학적 함수로 계산하고 문제의 해를 출력한다. 이는 복잡한 문제의 경우, 수학적 표현의 한계로 인해 해를 찾는 데 어려움이 있다. 반면 머신러닝은 문제의 해를 구하는 절차를 기술하는 알고리즘과 수학적 모형을 기반으로, 다량의 입력 데이터 세트에서 특정 패턴이나 서로 간의 연관성을 발견하거나, 새로운 입력에 대한 추론 결과를 제공한다.
이 책은 머신러닝의 원리를 이해하고 활용하는 방법을 익히는 입문서이다. 본 교재를 통해 머신러닝의 핵심 기법들을 이해하고 기초적인 능력을 함양하는데 있어 미력하나마 도움이 되었으면 한다.
책의 주요 내용
학습 내용은 3부로 구성되어 있다.
1부에서는 데이터 분석에 대한 개요와 데이터 분석의 주요 도구인 R의 사용법을 학습한다. R을 처음 접하는 학습자는 R 환경 구축과 핵심 문법을 자세히 살펴볼 것을 권장한다.
2부에서는 수리적 모형을, 3부에서는 머신러닝을 학습한다. 각 부의 주제들은 학문 및 산업분야에서 활용하고 있는 대표적인 모형들로 구성하였다.
2부의 수리적 모형으로 학습할 기법들은 RFM 분석, AHP 분석, 선형계획법, 감성분석이다. RFM 분석은 고객들의 최근 구매일, 구매빈도, 구매금액을 기준으로 매출의 기여를 점수화하는 방법이다. AHP 분석은 평가목표와 평가기준, 그리고 대안들 간 쌍대비교를 통해 우선순위를 계산하여 대안을 선정하는 방법이다. 선형계획법은 목적함수와 제약식으로 구성되는 수리적 모형으로 최적해를 구하는 방법이다. 한편, 감성분석은 영화 또는 상품리뷰와 같은 문장에서 긍정 및 부정 의견의 주관성을 평가하는 방법이다. 최근 딥러닝의 머신러닝으로 발전하고 있지만, 기초적인 개념을 살펴보기 위해 간단히 문장 내의 긍정과 부정 단어의 빈도로 주관성을 평가해 본다.
3부의 머신러닝에서 살펴 볼 주요 기법들은 K-평균 군집분석, 연관분석, 의사결정나무, 인공신경망, 딥러닝이다. K-평균 군집분석은 데이터들을 서로 간의 거리에 따라 K개의 군집으로 분류하는 방법이다. 연관분석은 개체 간 연관성을 바탕으로 연관규칙을 발견하는 방법이다. 의사결정나무는 입력변수들에서 목표변수에 이르기까지 데이터들을 단계적으로 분류하는 방법이다. 인공신경망은 생물학적 신경망을 컴퓨터에 응용하여 입력 데이터로부터 출력 값을 추론하는 방법이며, 딥러닝은 입력과 출력 사이에 다수 뉴런 층이 있는 심층 인공신경망에 기반한 학습을 통해 성능을 개선하는 방법을 말한다.
이 책은 기본적으로 학습자들이 개인 또는 그룹으로 공부하면서 스스로 내용을 이해하고 실습할 수 있도록 구성하였다. 특히, 2부의 수리적 모형과 3부의 머신러닝에서의 각 장별 학습 절차는 ‘배경 → 분석 개요 → 분석 원리 → R을 이용한 문제 해결 → 예제 → 요약 → 연습문제 → 응용문제’ 순으로 구성하였다.
1절의 배경은 문제에 접근하는 동기와 원리를 이해하고 문제를 해결하는 방법론에 대한 의문을 제기한다. 2절의 분석 개요는 기법에 대한 개요와 활용, 역사, 데이터 예시를 통한 문제를 설명한다. 3절의 분석 원리는 문제를 푸는 단계별로 기법의 원리를 설명하고, 계산과 함께 해를 구하는 과정을 설명한다. 4절의 R을 이용한 문제 해결은 3절의 분석 원리에 따라 R로 해를 구하는 방법을 설명한다. 5절의 예제에서는 실제 활용할 수 있는 데이터 세트로 활용 능력을 키울 수 있도록 하였다. 한편, 요약 부분에서는 핵심 내용을 개략적으로 기술하면서 각 주제를 정리할 수 있도록 하였다. 연습문제는 각 기법의 원리와 R 활용법에 대한 기초적인 문제들로 학습자의 이해 수준을 파악할 수 있도록 하였다. 마지막으로 응용문제는 다양한 데이터 세트로 각 기법을 응용할 수 있는 능력을 키울 수 있도록 구성하였다
우리는 현재 인공지능시스템이 하루가 다르게 발전하는 시대에 살고 있다. 전 세계 주요 기술 전시회에서는 각 분야의 기업들이 앞다퉈 신기술과 신상품들을 선보이고 있으며, 이제 산업은 물론, 사회 및 생활 전반으로 인공지능 기술이 확산되고 있다. 인공지능 기술은 자율 주행 차, 암 진단, 얼굴 인식, 통역과 번역, 범죄 예방, 사이버 보안 등 다양한 분야에서 활용되고 있다.
인공지능이 가능하도록 만드는 기반기술에는 어떤 것들이 있을까? 머신러닝(기계학습)은 기반기술 중의 하나로서, 대용량의 데이터를 학습하여 사람보다 월등한 성능을 보이고 있다. 최근, 이미지 인식에서 딥러닝 기반 머신러닝은 인간의 인식률을 넘어서고 있다.
데이터로 학습한다는 것은 어떤 의미일까? 전통적인 수리적 기법은 데이터를 입력하면 수학적 함수로 계산하고 문제의 해를 출력한다. 이는 복잡한 문제의 경우, 수학적 표현의 한계로 인해 해를 찾는 데 어려움이 있다. 반면 머신러닝은 문제의 해를 구하는 절차를 기술하는 알고리즘과 수학적 모형을 기반으로, 다량의 입력 데이터 세트에서 특정 패턴이나 서로 간의 연관성을 발견하거나, 새로운 입력에 대한 추론 결과를 제공한다.
이 책은 머신러닝의 원리를 이해하고 활용하는 방법을 익히는 입문서이다. 본 교재를 통해 머신러닝의 핵심 기법들을 이해하고 기초적인 능력을 함양하는데 있어 미력하나마 도움이 되었으면 한다.
책의 주요 내용
학습 내용은 3부로 구성되어 있다.
1부에서는 데이터 분석에 대한 개요와 데이터 분석의 주요 도구인 R의 사용법을 학습한다. R을 처음 접하는 학습자는 R 환경 구축과 핵심 문법을 자세히 살펴볼 것을 권장한다.
2부에서는 수리적 모형을, 3부에서는 머신러닝을 학습한다. 각 부의 주제들은 학문 및 산업분야에서 활용하고 있는 대표적인 모형들로 구성하였다.
2부의 수리적 모형으로 학습할 기법들은 RFM 분석, AHP 분석, 선형계획법, 감성분석이다. RFM 분석은 고객들의 최근 구매일, 구매빈도, 구매금액을 기준으로 매출의 기여를 점수화하는 방법이다. AHP 분석은 평가목표와 평가기준, 그리고 대안들 간 쌍대비교를 통해 우선순위를 계산하여 대안을 선정하는 방법이다. 선형계획법은 목적함수와 제약식으로 구성되는 수리적 모형으로 최적해를 구하는 방법이다. 한편, 감성분석은 영화 또는 상품리뷰와 같은 문장에서 긍정 및 부정 의견의 주관성을 평가하는 방법이다. 최근 딥러닝의 머신러닝으로 발전하고 있지만, 기초적인 개념을 살펴보기 위해 간단히 문장 내의 긍정과 부정 단어의 빈도로 주관성을 평가해 본다.
3부의 머신러닝에서 살펴 볼 주요 기법들은 K-평균 군집분석, 연관분석, 의사결정나무, 인공신경망, 딥러닝이다. K-평균 군집분석은 데이터들을 서로 간의 거리에 따라 K개의 군집으로 분류하는 방법이다. 연관분석은 개체 간 연관성을 바탕으로 연관규칙을 발견하는 방법이다. 의사결정나무는 입력변수들에서 목표변수에 이르기까지 데이터들을 단계적으로 분류하는 방법이다. 인공신경망은 생물학적 신경망을 컴퓨터에 응용하여 입력 데이터로부터 출력 값을 추론하는 방법이며, 딥러닝은 입력과 출력 사이에 다수 뉴런 층이 있는 심층 인공신경망에 기반한 학습을 통해 성능을 개선하는 방법을 말한다.
이 책은 기본적으로 학습자들이 개인 또는 그룹으로 공부하면서 스스로 내용을 이해하고 실습할 수 있도록 구성하였다. 특히, 2부의 수리적 모형과 3부의 머신러닝에서의 각 장별 학습 절차는 ‘배경 → 분석 개요 → 분석 원리 → R을 이용한 문제 해결 → 예제 → 요약 → 연습문제 → 응용문제’ 순으로 구성하였다.
1절의 배경은 문제에 접근하는 동기와 원리를 이해하고 문제를 해결하는 방법론에 대한 의문을 제기한다. 2절의 분석 개요는 기법에 대한 개요와 활용, 역사, 데이터 예시를 통한 문제를 설명한다. 3절의 분석 원리는 문제를 푸는 단계별로 기법의 원리를 설명하고, 계산과 함께 해를 구하는 과정을 설명한다. 4절의 R을 이용한 문제 해결은 3절의 분석 원리에 따라 R로 해를 구하는 방법을 설명한다. 5절의 예제에서는 실제 활용할 수 있는 데이터 세트로 활용 능력을 키울 수 있도록 하였다. 한편, 요약 부분에서는 핵심 내용을 개략적으로 기술하면서 각 주제를 정리할 수 있도록 하였다. 연습문제는 각 기법의 원리와 R 활용법에 대한 기초적인 문제들로 학습자의 이해 수준을 파악할 수 있도록 하였다. 마지막으로 응용문제는 다양한 데이터 세트로 각 기법을 응용할 수 있는 능력을 키울 수 있도록 구성하였다
회원리뷰 (1건)
혜택 및 유의사항?
R 설치, R studio 설치부터 차근차근 설명되어 있습니다. 데이터 구조, 다양한 연산자 소개, RFM, 기본 Data set, 감성분석, 함수, 시각화 등 차근차근 설명되어 있습니다. 연습문제를 통하여 배운 내용을 돌아볼 수 있습니다. 연습문제 해답이 없어서 아쉽습니다. 연습문제에 대한 해답을 찾을 수 있는 방법이 있다면 학습에 더욱 도움이 될 것 같습니;
리뷰제목
R 설치, R studio 설치부터 차근차근 설명되어 있습니다.
데이터 구조, 다양한 연산자 소개, RFM, 기본 Data set, 감성분석, 함수, 시각화 등 차근차근 설명되어 있습니다.
연습문제를 통하여 배운 내용을 돌아볼 수 있습니다.
연습문제 해답이 없어서 아쉽습니다.
연습문제에 대한 해답을 찾을 수 있는 방법이 있다면 학습에 더욱 도움이 될 것 같습니다.
구글 등에서 찾아보면서 진행해야하는 부분이 있어서 아쉽습니다.
친절한 책이면 좋을 것 같습니다.
다양한 예시와 가독성 좋은 구성으로 편하게 보고 있습니다.
한줄평 (1건)
혜택 및 유의사항
?
잘 받았습니다.
이 한줄평이 도움이 되었나요?
공감
0
띵*
|
2023.04.06
