음성 검색
QR/바코드 검색
품목정보
| 발행일 | 2020년 12월 21일 |
|---|---|
| 쪽수, 무게, 크기 | 580쪽 | 1105g | 188*257mm |
| ISBN13 | 9791162243664 |
| ISBN10 | 116224366X |
박해선 저
|
한빛미디어
|
2020년 12월 21일
저자/출판사 더보기/감추기
- IT 모바일 7위 | IT 모바일 top20 144주
- eBook
20,800원이동 - 이미 소장하고 있다면 판매해 보세요! 이 상품 팔기 매입가 6,500원 더보기/감추기
관련분류
이 상품의 태그
ETS 토익 정기시험 기출문제집 1000 Vol.3 READING 리딩
16,020원 (10%)
ETS 토익 정기시험 기출문제집 1000 Vol.3 LISTENING 리스닝
16,020원 (10%)
2023 큰별쌤 최태성의 별별한국사 한국사능력검정시험 심화(1,2,3급) 상
13,950원 (10%)
2023 큰별쌤 최태성의 별별한국사 한국사능력검정시험 심화(1,2,3급) 하
13,500원 (10%)
책소개 책소개 보이기/감추기
목차 목차 보이기/감추기
| Chapter 01 나의 첫 머신러닝 ▶ 이 생선의 이름은 무엇인가요 __ 01-1 인공지능과 머신러닝, 딥러닝 ▶ 인공지능과 머신러닝, 딥러닝은 무엇일까요 ____ 인공지능이란 ____ 머신러닝이란 ____ 딥러닝이란 ____ 키워드로 끝내는 핵심 포인트 ____ 이 책에서 배울 것은 __ 01-2 코랩과 주피터 노트북 ▶ 코랩과 주피터 노트북으로 손코딩 준비하기 ____ 구글 코랩 ____ 텍스트 셀 ____ 코드 셀 ____ 노트북 ____ 키워드로 끝내는 핵심 포인트 ____ 표로 정리하는 툴바와 마크다운 ____ 확인 문제 __ 01-3 마켓과 머신러닝 ▶ 마켓을 예로 들어 머신러닝을 설명합니다. ____ 생선 분류 문제 ____ 첫 번째 머신러닝 프로그램 ____ [문제해결 과정] 도미와 빙어 분류 ____ 키워드로 끝내는 핵심 포인트 ____ 핵심 패키지와 함수 ____ 확인 문제 Chapter 02 데이터 다루기 ▶ 수상한 생선을 조심하라! __ 02-1 훈련 세트와 테스트 세트 ▶ 모델을 훈련 시키는 훈련 세트와 검증하는 테스트 세트로 나누어 학습하기 ____ 지도 학습과 비지도 학습 ____ 훈련 세트와 테스트 세트 ____ 샘플링 편향 ____ 넘파이 ____ 두 번째 머신러닝 프로그램 ____ [문제해결 과정] 훈련 모델 평가 ____ 키워드로 끝내는 핵심 포인트 ____ 핵심 패키지와 함수 ____ 확인 문제 __ 02-2 데이터 전처리 ▶ 정교한 결과 도출을 위한 데이터 전처리 알아보기 ____ 넘파이로 데이터 준비하기 ____ 사이킷런으로 훈련 세트와 테스트 세트 나누기 ____ 수상한 도미 한 마리 ____ 기준을 맞춰라 ____ 전처리 데이터로 모델 훈련하기 ____ [문제해결 과정] 스케일이 다른 특성 처리 ____ 키워드로 끝나는 핵심 포인트 ____ 핵심 패키지와 함수 ____ 확인 문제 Chapter 03 회귀 알고리즘과 모델 규제 ▶ 농어의 무게를 예측하라! __ 03-1 k-최근접 이웃 회귀 ▶ 회귀 문제를 이해하고 k-최근접 이웃 알고리즘으로 풀어 보기 ____ k-최근접 이웃 회귀 ____ 데이터 준비 ____ 결정계수(R2) ____ 과대적합 vs 과소적합 ____ [문제해결 과정] 회귀 문제 다루기 ____ 키워드로 끝내는 핵심 포인트 ____ 핵심 패키지와 함수 ____ 확인 문제 __ 03-2 선형 회귀 ▶ 사이킷런으로 선형 회귀 모델 만들어 보기 ____ k-최근접 이웃의 한계 ____ 선형 회귀 ____ 다항 회귀 ____ [문제해결 과정] 선형 회귀로 훈련 세트 범위 밖의 샘플 예측 ____ 키워드로 끝내는 핵심 포인트 ____ 핵심 패키지와 함수 ____ 확인 문제 __ 03-3 특성 공학과 규제 ▶ 특성 공학과 규제 알아보기 ____ 다중 회귀 ____ 데이터 준비 ____ 사이킷런의 변환기 ____ 다중 회귀 모델 훈련하기 ____ 규제 ____ 릿지 회귀 ____ 라쏘 회귀 ____ [문제해결 과정] 모델의 과대적합을 제어하기 ____ 키워드로 끝내는 핵심 포인트 ____ 핵심 패키지와 함수 ____ 확인 문제 Chapter 04 다양한 분류 알고리즘 ▶ 럭키백의 확률을 계산하라! __ 04-1 로지스틱 회귀 ▶ 로지스틱 회귀 알고리즘을 배우고 이진 분류 문제에서 클래스 확률 예측하기 ____ 럭키백의 확률 ____ 로지스틱 회귀 ____ [문제해결 과정] 로지스틱 회귀로 확률 예측 ____ 키워드로 끝내는 핵심 포인트 ____ 핵심 패키지와 함수 ____ 확인 문제 __ 04-2 확률적 경사 하강법 ▶ 경사 하강법 알고리즘을 이해하고 대량의 데이터에서 분류 모델을 훈련하기 ____ 점진적인 학습 ____ SGDClassifier ____ 에포크와 과대/과소적합 ____ [문제해결 과정] 점진적 학습을 위한 확률적 경사 하강법 ____ 키워드로 끝내는 핵심 포인트 ____ 핵심 패키지와 함수 ____ 확인 문제 Chapter 05 트리 알고리즘 ▶ 화이트 와인을 찾아라! __ 05-1 결정 트리 ▶ 결정 트리 알고리즘을 사용해 새로운 분류 문제 다루기 ____ 로지스틱 회귀로 와인 분류하기 ____ 결정 트리 ____ [문제해결 과정] 이해하기 쉬운 결정 트리 모델 ____ 키워드로 끝내는 핵심 포인트 ____ 핵심 패키지와 함수 ____ 확인 문제 __ 05-2 교차 검증과 그리드 서치 ▶ 검증 세트가 필요한 이유를 이해하고 교차 검증해 보기 ____ 검증 세트 ____ 교차 검증 ____ 하이퍼파라미터 튜닝 ____ [문제해결 과정] 최적의 모델을 위한 하이퍼파라미터 탐색 ____ 키워드로 끝내는 핵심 포인트 ____ 핵심 패키지와 함수 ____ 확인 문제 __ 05-3 트리의 앙상블 ▶ 앙상블 학습을 알고 실습해 보기 ____ 정형 데이터와 비정형 데이터 ____ 랜덤 포레스트 ____ 엑스트라 트리 ____ 그레이디언트 부스팅 ____ 히스토그램 기반 그레이디언트 부스팅 ____ [문제해결 과정] 앙상블 학습을 통한 성능 향상 ____ 키워드로 끝내는 핵심 포인트 ____ 핵심 패키지와 함수 ____ 확인 문제 Chapter 06 비지도 학습 ▶ 비슷한 과일끼리 모으자! __ 06-1 군집 알고리즘 ▶ 흑백 이미지 분류 방법과 비지도 학습, 군집 알고리즘 이해하기 ____ 과일 사진 데이터 준비하기 ____ 픽셀값 분석하기 ____ 평균값과 가까운 사진 고르기 ____ [문제해결 과정] 비슷한 샘플끼리 모으기 ____ 키워드로 끝내는 핵심 포인트 ____ 확인 문제 __ 06-2 k-평균 ▶ k-평균 알고리즘 작동 방식을 이해하고 비지도 학습 모델 만들기 ____ k-평균 알고리즘 소개 ____ KMeans 클래스 ____ 클러스터 중심 ____ 최적의 k 찾기 ____ [문제해결 과정] 과일을 자동으로 분류하기 ____ 키워드로 끝내는 핵심 포인트 ____ 핵심 패키지와 함수 ____ 확인 문제 __ 06-3 주성분 분석 ▶ 차원을 알고 차원 축소 알고리즘 PC 모델 만들기 ____ 차원과 차원 축소 ____ 주성분 분석 소개 ____ PCA 클래스 ____ 원본 데이터 재구성 ____ 설명된 분산 ____ 다른 알고리즘과 함께 사용하기 ____ [문제해결 과정] 주성분 분석으로 차원 축소 ____ 키워드로 끝내는 핵심 포인트 ____ 핵심 패키지와 함수 ____ 확인 문제 Chapter 07 딥러닝을 시작합니다 ▶ 패션 럭키백을 판매합니다! __ 07-1 인공 신경망 ▶ 텐서플로로 간단한 인공 신경망 모델 만들기 ____ 패션 MNIST ____ 로지스틱 회귀로 패션 아이템 분류하기 ____ 인공 신경망 ____ 인공 신경망으로 모델 만들기 ____ 인공 신경망으로 패션 아이템 분류하기 ____ [문제해결 과정] 인공 신경망 모델로 성능 향상 ____ 키워드로 끝내는 핵심 포인트 ____ 핵심 패키지와 함수 ____ 확인 문제 __ 07-2 심층 신경망 ▶ 인공 신경망에 층을 추가하여 심층 신경망 만들어 보기 ____ 2개의 층 ____ 심층 신경망 만들기 ____ 층을 추가하는 다른 방법 ____ 렐루 활성화 함수 ____ 옵티마이저 ____ [문제해결 과정] 케라스 API를 활용한 심층 신경망 ____ 키워드로 끝내는 핵심 포인트 ____ 핵심 패키지와 함수 ____ 확인 문제 __ 07-3 신경망 모델 훈련 ▶ 인경 신경망 모델 훈련의 모범 사례 학습하기 ____ 손실 곡선 ____ 검증 손실 ____ 드롭아웃 ____ 모델 저장과 복원 ____ 콜백 ____ [문제해결 과정] 최상의 신경망 모델 얻기 ____ 키워드로 끝내는 핵심 포인트 ____ 핵심 패키지와 함수 ____ 확인 문제 Chapter 08 이미지를 위한 인공 신경망 ▶ 패션 럭키백의 정확도를 높입니다! __ 08-1 합성곱 신경망의 구성 요소 ▶ 합성곱 신경망의 개념과 동작 원리를 배우고 간단한 실습하기 ____ 합성곱 ____ 케라스 합성곱 층 ____ 합성곱 신경망의 전체 구조 ____ [문제해결 과정] 합성곱 층과 풀링 층 이해하기 ____ 키워드로 끝내는 핵심 포인트 ____ 확인 문제 __ 08-2 합성곱 신경망을 사용한 이미지 분류 ▶ 케라스 API로 합성곱 신경망 모델 만들기 ____ 패션 MNIST 데이터 불러오기 ____ 합성곱 신경망 만들기 ____ 모델 컴파일과 훈련 ____ [문제해결 과정] 케라스 API로 합성곱 신경망 구현 ____ 키워드로 끝내는 핵심 포인트 ____ 핵심 패키지와 함수 ____ 확인 문제 __ 08-3 합성곱 신경망의 시각화 ▶ 신경망이 이미지에서 학습하는 게 무엇인지 이해하기 ____ 가중치 시각화 ____ 함수형 API ____ 특성 맵 시각화 ____ [문제해결 과정] ____ 시각화로 이해하는 합성곱 신경망 ____ 키워드로 끝내는 핵심 포인트 ____ 핵심 패키지와 함수 ____ 확인 문제 Chapter 09 텍스트를 위한 인공 신경망 ▶ 한빛 마켓의 댓글을 분석하라! __ 09-1 순차 데이터와 순환 신경망 ▶ 순차 데이터의 특징과 개념 이해하기 ____ 순차 데이터 ____ 순환 신경망 ____ 셀의 가중치와 입출력 ____ [문제해결 과정] 순환 신경망으로 순환 데이터 처리 ____ 키워드로 끝내는 핵심 포인트 ____ 확인 문제 __ 09-2 순환 신경망으로 IMDB 리뷰 분류하기 ▶ 텐서플로 순환 신경망으로 영화 리뷰 분류하기 ____ IMDB 리뷰 데이터셋 ____ 순환 신경망 만들기 ____ 순환 신경망 훈련하기 ____ 단어 임베딩을 사용하기 ____ [문제해결 과정] 케라스 API로 순환 신경망 구현 ____ 키워드로 끝내는 핵심 포인트 ____ 핵심 패키지와 함수 ____ 확인 문제 __ 09-3 LSTM과 GRU 셀 ▶ 순환 신경망의 중요 기술을 사용해 모델 만들어 보기 ____ LSTM 구조 ____ LSTM 신경망 훈련하기 ____ 순환층에 드롭아웃 적용하기 ____ 2개의 층을 연결하기 ____ GRU 구조 ____ GRU 신경망 훈련하기 ____ [문제해결 과정] LSTM과 GRU 셀로 훈련 ____ 키워드로 끝내는 핵심 포인트 ____ 핵심 패키지와 함수 ____ 확인 문제 __ 부록 A 한발 더 나아가기 __ 부록 B 에필로그 ____ 정답 및 해설 ____ 찾아보기 |
상세 이미지 상세 이미지 보이기/감추기
상품 이미지를 확대해서 볼 수 있습니다.
원본 이미지
저자 소개 (1명)
만든이 코멘트 만든이 코멘트 보이기/감추기
안녕하세요. 이책의 저자 입니다.
2020-12-16
안녕하세요. “혼자 공부하는 머신러닝+딥러닝" 책을 쓴 박해선입니다. 이 책을 선택해 주신 많은 독자에게 감사의 말씀 드립니다. 이 책은 머신러닝과 딥러닝을 처음 입문할 때 독자들을 도와줄 수 있는 친절한 안내서입니다. 어떤 분야를 처음 배울 때 느끼는 어려운 점은 생소한 용어와 독특한 기술 문화입니다. 머신러닝과 딥러닝은 이제 소프트웨어 개발자가 꼭 알아야할 필수 지식이 되었지만 기존의 소프트웨어 분야나 컴퓨터 과학 분야와는 이질감이 있습니다. 마찬가지로 수학이나 통계학 등 전통적인 과학 분야와도 색깔이 많이 다릅니다. 머신러닝과 딥러닝은 소프트웨어를 사용하여 문제를 해결하지만 그 이면의 이론은 과학에 바탕을 두고 있습니다. 하지만 이론에 연연하지 않고 실용적이고 창의적인 아이디어를 적용하여 문제를 풀 수 있는 것이 이 분야입니다. 이는 마치 컴파일러 이론을 모르더라도 프로그래밍을 하는데 전혀 문제가 되지 않는 것과 비슷합니다. 머신러닝과 딥러닝도 빠르게 대중화되고 있습니다. 이제 컴퓨터 관련 기술자라면 누구라도 이를 알고 활용할 수 있어야 합니다. 이 책은 복잡한 수식과 어려운 이론을 걷어내고 직관적이고 이해하기 쉬운 예제를 통해서 머신러닝과 딥러닝의 중요한 개념을 차례대로 배우도록 도울 것입니다. 책을 구매하시면 제 블로그의 에러타 페이지(https://tensorflow.blog/hg-mldl/)를 꼭 참고해 주세요. 한빛미디어 유튜브 채널과 제 유튜브 채널에서 이 책의 동영상 강의도 제공됩니다. [GAN 인 액션], [핸즈온 머신러닝 2], [미술관에 GAN 딥러닝], [Do It! 딥러닝 입문], [파이썬을 활용한 머신러닝 쿡북], [머신 러닝 교과서 with 파이썬, 사이킷런, 텐서플로], [파이썬 라이브러리를 활용한 머신러닝], [케라스 창시자에게 배우는 딥러닝] 등에 이어 열 두 번째 머신러닝 책입니다. 많은 분들의 응원 덕에 큰 힘을 얻습니다. 더 좋은 책으로 찾아 뵙겠습니다. 감사합니다.
출판사 리뷰 출판사 리뷰 보이기/감추기
누구를 위한 책인가요?
- 인공지능, 머신러닝, 딥러닝 학습의 필요성을 인지하고 파이썬 정도의 기초 프로그래밍 언어를 입문한 독자
- 머신러닝, 딥러닝에 관심은 있지만 너무 어려운 내용으로 시도가 힘들었던 독자
- 개념만 어렴풋이 아는 데 그쳐버리거나 여전히 각 의미가 헷갈려 제대로 낮은 단계부터 다시 배우려는 독자
도서 특징
하나, 탄탄한 학습 설계 : ‘입문자 맞춤형 7단계 구성’을 따라가며 체계적으로 반복 학습한다
이 책은 머신러닝과 딥러닝의 핵심 내용을 7단계에 걸쳐 반복 학습하면서 자연스럽게 머릿속에 기억되도록 구성했다. 모든 절에서 [핵심 키워드]와 [시작하기 전에]를 통해 각 절의 주제에 대한 대표 개념을 워밍업한 후, 이론과 실습을 거쳐 마무리에서는 [핵심 포인트]와 [확인 문제]로 한번에 복습한다. ‘혼자 공부할 수 있는’ 커리큘럼을 그대로 믿고 끝까지 따라가다 보면 인공지능 공부가 난생 처음인 입문자도 무리 없이 책을 끝까지 마칠 수 있다!
둘, 파이썬만 안다면 프로젝트별 ‘손코딩’으로 머신러닝과 인공지능을 제대로 익힌다
파이썬 기초 지식이 있는 독자라면 이론 설명은 두 눈과 머리로 술술 읽으며 넘어가고, 직접 손코딩하며 실전 감각을 익히도록 엄선된 프로젝트 실습 예제를 담았다. 반복 학습과 연습이 가장 필수적인 입문자도, 실전형 코드로 연습하면서 책에 담긴 코드를 ‘나의 코드’로 만들 수 있다. 7장부터 시작하는 딥러닝은 머신러닝 중 4장 내용을 반복 학습한 다음에 익히도록 한다.
셋, ‘혼공’의 힘을 실어줄 동영상 강의, 학습 사이트 지원
http://hongong.hanbit.co.kr
책으로만 학습하기엔 여전히 어려운 입문자를 위해 저자 직강 동영상도 지원한다. 또 학습을 하며 궁금한 사항은 언제든 질문할 수 있도록 학습 사이트를 제공한다. 저자가 질문 하나하나 직접 답변하고 있으며, 관련 최신 기술과 정보도 공유한다. 게다가 혼자 공부하는 그 길에 함께 공부하기를 원하는 사람들의 모임인 혼공 학습단을 운영하여 마지막까지 포기하지 않고 독자가 완주할 수 있도록 최대한 지원하고 있다.
넷, 언제 어디서든 가볍게 볼 수 있는 혼공 필수 [용어 노트] 제공
꼭 기억해야 할 핵심 개념과 용어만 따로 정리한 [용어 노트]를 제공한다. 처음 프로그래밍에 입문하는 사람에게 낯선 용어가 어렵듯이 머신러닝과 딥러닝을 처음 접하는 사람에게도 낯선 용어가 진입 장벽이 된다는 것을 베타리더를 통해 확인했고, 어려운 것이 아니라 익숙하지 않아서 헷갈리는 것이므로 잘 생각나지 않을 때는 언제든 부담 없이 펼쳐보자. 제시된 용어 외에도 새로운 용어를 추가하면서 자신만의 용어 노트를 완성해가는 것도 또 다른 재미가 될 것이다.
다섯, 스토리텔링 속 주인공과 함께 독자도 성장
낯설고 어렵기만 한 이론을 풀기 위해서 한빛 마켓에 입사한 신입사원이 업무에서 머신러닝, 딥러닝을 어떻게 활용하는지를 스토리텔링으로 풀었다. 앱에 새로운 기능을 더해가는 신입사원의 이야기를 통해 독자도 함께 머신러닝, 딥러닝을 학습할 수 있도록 구성했다. 각 절의 끝에는 [문제해결 과정]을 두어 신입사원이 어떤 과정을 통해 문제를 해결했는지 간략하게 정리한다.
먼저 읽은 베타리더들의 한 마디
- 이 책 하나만 있어도 충분히 인공지능 기초를 다질 수 있다고 자신있게 얘기할 수 있습니다. _이동훈 님
- 기초 개념과 핵심 키워드, 복습을 도와주는 마무리, 확인 문제 등 내용이 알차서 머신러닝과 딥러닝을 처음 시작하는 입문자에게 많은 도움이 될 것 같아 추천합니다. _이석곤 님
- 책 속의 주인공이 문제를 해결하며 머신러닝 개발자로 성장하는 과정을 통해 머신러닝을 어떻게 활용할지 자연스럽게 습득할 수 있습니다. _김윤태 님
- 컴퓨터 설정부터 차근차근 알려주는 책이라 좋았습니다. 의료나 산업, 경영 등에도 접목할 수 있으리라 기대합니다. _김현수 님
- 일상 비즈니스를 사례로 들고 쉬운 알고리즘을 활용해 머신러닝의 개념을 익힐 수 있습니다. 코랩을 활용한 덕에 초보자에게 진입 장벽을 낮춰줍니다. _허민 님
- “조금 더 공부하고 싶다”란 생각을 가질 수 있게 해준 책이라 더욱 고맙게 느껴집니다. _도혜리 님
- 이론을 충실하게 설명하면서도 이론을 체감할 수 있는 코드의 배치도 아주 절묘합니다. 독학으로 딥러닝 실무를 익히기 위한 책을 한 권만 고르라면 이 책이지 않을까요? _ 임지순 님
- 인공지능, 머신러닝, 딥러닝 학습의 필요성을 인지하고 파이썬 정도의 기초 프로그래밍 언어를 입문한 독자
- 머신러닝, 딥러닝에 관심은 있지만 너무 어려운 내용으로 시도가 힘들었던 독자
- 개념만 어렴풋이 아는 데 그쳐버리거나 여전히 각 의미가 헷갈려 제대로 낮은 단계부터 다시 배우려는 독자
도서 특징
하나, 탄탄한 학습 설계 : ‘입문자 맞춤형 7단계 구성’을 따라가며 체계적으로 반복 학습한다
이 책은 머신러닝과 딥러닝의 핵심 내용을 7단계에 걸쳐 반복 학습하면서 자연스럽게 머릿속에 기억되도록 구성했다. 모든 절에서 [핵심 키워드]와 [시작하기 전에]를 통해 각 절의 주제에 대한 대표 개념을 워밍업한 후, 이론과 실습을 거쳐 마무리에서는 [핵심 포인트]와 [확인 문제]로 한번에 복습한다. ‘혼자 공부할 수 있는’ 커리큘럼을 그대로 믿고 끝까지 따라가다 보면 인공지능 공부가 난생 처음인 입문자도 무리 없이 책을 끝까지 마칠 수 있다!
둘, 파이썬만 안다면 프로젝트별 ‘손코딩’으로 머신러닝과 인공지능을 제대로 익힌다
파이썬 기초 지식이 있는 독자라면 이론 설명은 두 눈과 머리로 술술 읽으며 넘어가고, 직접 손코딩하며 실전 감각을 익히도록 엄선된 프로젝트 실습 예제를 담았다. 반복 학습과 연습이 가장 필수적인 입문자도, 실전형 코드로 연습하면서 책에 담긴 코드를 ‘나의 코드’로 만들 수 있다. 7장부터 시작하는 딥러닝은 머신러닝 중 4장 내용을 반복 학습한 다음에 익히도록 한다.
셋, ‘혼공’의 힘을 실어줄 동영상 강의, 학습 사이트 지원
http://hongong.hanbit.co.kr
책으로만 학습하기엔 여전히 어려운 입문자를 위해 저자 직강 동영상도 지원한다. 또 학습을 하며 궁금한 사항은 언제든 질문할 수 있도록 학습 사이트를 제공한다. 저자가 질문 하나하나 직접 답변하고 있으며, 관련 최신 기술과 정보도 공유한다. 게다가 혼자 공부하는 그 길에 함께 공부하기를 원하는 사람들의 모임인 혼공 학습단을 운영하여 마지막까지 포기하지 않고 독자가 완주할 수 있도록 최대한 지원하고 있다.
넷, 언제 어디서든 가볍게 볼 수 있는 혼공 필수 [용어 노트] 제공
꼭 기억해야 할 핵심 개념과 용어만 따로 정리한 [용어 노트]를 제공한다. 처음 프로그래밍에 입문하는 사람에게 낯선 용어가 어렵듯이 머신러닝과 딥러닝을 처음 접하는 사람에게도 낯선 용어가 진입 장벽이 된다는 것을 베타리더를 통해 확인했고, 어려운 것이 아니라 익숙하지 않아서 헷갈리는 것이므로 잘 생각나지 않을 때는 언제든 부담 없이 펼쳐보자. 제시된 용어 외에도 새로운 용어를 추가하면서 자신만의 용어 노트를 완성해가는 것도 또 다른 재미가 될 것이다.
다섯, 스토리텔링 속 주인공과 함께 독자도 성장
낯설고 어렵기만 한 이론을 풀기 위해서 한빛 마켓에 입사한 신입사원이 업무에서 머신러닝, 딥러닝을 어떻게 활용하는지를 스토리텔링으로 풀었다. 앱에 새로운 기능을 더해가는 신입사원의 이야기를 통해 독자도 함께 머신러닝, 딥러닝을 학습할 수 있도록 구성했다. 각 절의 끝에는 [문제해결 과정]을 두어 신입사원이 어떤 과정을 통해 문제를 해결했는지 간략하게 정리한다.
먼저 읽은 베타리더들의 한 마디
- 이 책 하나만 있어도 충분히 인공지능 기초를 다질 수 있다고 자신있게 얘기할 수 있습니다. _이동훈 님
- 기초 개념과 핵심 키워드, 복습을 도와주는 마무리, 확인 문제 등 내용이 알차서 머신러닝과 딥러닝을 처음 시작하는 입문자에게 많은 도움이 될 것 같아 추천합니다. _이석곤 님
- 책 속의 주인공이 문제를 해결하며 머신러닝 개발자로 성장하는 과정을 통해 머신러닝을 어떻게 활용할지 자연스럽게 습득할 수 있습니다. _김윤태 님
- 컴퓨터 설정부터 차근차근 알려주는 책이라 좋았습니다. 의료나 산업, 경영 등에도 접목할 수 있으리라 기대합니다. _김현수 님
- 일상 비즈니스를 사례로 들고 쉬운 알고리즘을 활용해 머신러닝의 개념을 익힐 수 있습니다. 코랩을 활용한 덕에 초보자에게 진입 장벽을 낮춰줍니다. _허민 님
- “조금 더 공부하고 싶다”란 생각을 가질 수 있게 해준 책이라 더욱 고맙게 느껴집니다. _도혜리 님
- 이론을 충실하게 설명하면서도 이론을 체감할 수 있는 코드의 배치도 아주 절묘합니다. 독학으로 딥러닝 실무를 익히기 위한 책을 한 권만 고르라면 이 책이지 않을까요? _ 임지순 님
회원리뷰 (40건)
혜택 및 유의사항?
내용은 전반적으로 매우 훌륭합니다.
다만, 두 가지가 아쉽습니다.
첫 번째는 1부 ML 파트에서 '생선' 데이터의 양이 적절하지 않아서 각 기법이 얼마나 효과적인지 확인하기 어렵습니다. 특히 Data에 feature가 3개밖에 없는데 PCA를 하거나 RF를 하거나 혹은 Regularization 기법을 설명하는 것은 부적절했습니다. 아무리 교육 목적이라고 해도요.
두 번째는 2부 DL 파;
리뷰제목
내용은 전반적으로 매우 훌륭합니다.
다만, 두 가지가 아쉽습니다.
첫 번째는 1부 ML 파트에서 '생선' 데이터의 양이 적절하지 않아서 각 기법이 얼마나 효과적인지 확인하기 어렵습니다. 특히 Data에 feature가 3개밖에 없는데 PCA를 하거나 RF를 하거나 혹은 Regularization 기법을 설명하는 것은 부적절했습니다. 아무리 교육 목적이라고 해도요.
두 번째는 2부 DL 파트에서 오해를 불러일으킬 수 있을 정도로 축약된 설명입니다. 좋지 않은 부분이 너무 많아서 일일이 다 짚기는 어렵지만 예를 들면 다음과 같은 부분입니다. Activation function에서 sigmoid의 단점을 설명할 때, "이 함수의 오른쪽과 왼쪽 끝으로 갈수록 그래프가 누워있기 때문에 올바른 출력을 만드는데 신속하게 대응하지 못합니다." 와 같은 건 옳다고 하기 애매할 정도의 비유이며 처음 배우는 사람은 오해할 수 있습니다. 조금 더 지면을 할애하더라도 Saturated의 개념을 설명하거나 Killed gradient의 개념을 설명하면서 진행하는 게 옳다고 생각합니다.
다른 예를 들면, 모멘텀을 설명하는 부분에서 "(...)그래디언트를 가속도처럼 사용하는 모멘텀(...)" 은 매우 오해하기 쉬운 설명입니다. Optimizer의 모멘텀은 물리학의 모멘텀과 관련이 없는 용어입니다. 굳이 따지자면, 물리학의 'inertia(관성)'과 관련이 있습니다.
유독 DL 파트에서 이런 부분이 많이 보입니다.
하지만 깔끔한 구성과 쉬운 설명 때문에 추천합니다.
주로 출퇴근하면서 공부하는데 잘 진도도 안 나가고...
(밑바닥부터 시작하는 딥러닝, 웹애플리케이션 보안)
그러던 중에...
혼공학습단7기에 덜컥 선정되면서 급하게 책도 사고...
장장 6주간(설 1주 포함하면 7주)간
매주 미션과 더불어 먼저 올리시는 분들에 대한 미묘한 경쟁의식(?)과
마감의 고통(?)을 겪으면서 무사히 완주하게 되었네요.
6주차 미션 후 Ch8;
리뷰제목
주로 출퇴근하면서 공부하는데 잘 진도도 안 나가고...
(밑바닥부터 시작하는 딥러닝, 웹애플리케이션 보안)
그러던 중에...
혼공학습단7기에 덜컥 선정되면서 급하게 책도 사고...
장장 6주간(설 1주 포함하면 7주)간
매주 미션과 더불어 먼저 올리시는 분들에 대한 미묘한 경쟁의식(?)과
마감의 고통(?)을 겪으면서 무사히 완주하게 되었네요.
6주차 미션 후 Ch8, 9 나머지 2단원도 매주 진도를 나가려고 했는데...
역시나 마감이 없으니... 잘 안 되네요. (8-3 보는 중)
마무리 짓고 마찬가지로 8, 9에 대해서도 블로그에 올릴 계획입니다ㅋ
(완독하면 페북에 공지해야겠네요)
여기까지는 홍공학습단 리뷰고...
책은 아직 완독을 안해서 조금 애매하긴 한데...
책에 대해서는 지금까지 느낀 점을 써보고자 합니다.
장점
1) 내용도 쉽고, 실습- 구글 코랩-도 쉽다.
2) 머신러닝, 딥러닝 거의 전반을 다룬다.
3) 여러가지 연관 자료가 많다. (혼공단, 유튜브, 인프런)
4) 공식이 거의 나오지 않는다.
단점
1) 마치 Taeyo님의 ASP책(아재 인증-_-)과 같은 느낌
(쉽긴 한데... 뭔가 직접 하려면 막막한...)
2) 대부분 아주 쉽게 이해가 되지만, 간혹 문맥 상의 뜻을 파악하려고
한참 다시 들여다 봐야 하는 부분이 있다.
대충 이 정도 입니다.
나중에 다시 업데이트 하겠습니다ㅋㅋ
이 책을 보기 전에 조금 더 쉬운 책을 보시려면...
제이펍의 브레인이미테이션이나 백설공주 거울과 인공지능 이야기를 보시는 것도
도움이 많이 될 것 같습니다.
그 후 이 책으로 전체 정리를 하시고...
그 뒤엔 다른 심화된 책을 보시거나
한빛미디어에서 나온 밑바닥에서 시작하는 딥러닝 책을
보시는 것도 괜찮을 것 같네요.
정부지원 ai 국비교육으로 머신러닝 1개월 딥러닝 1개월 배운 것보다 이 책으로 매주 1챕터씩 진도나간 것.. 일자로 따지면 7일이네요. 그 단 7일이 2천만원짜리 국비교육을 능가했습니다. 머신러닝에 대한 지식이 없어도, 머신러닝을 다 까먹었어도 괜찮습니다. 저자가 정말 친절하게 설명해 주시거든요. 이 책 덕분에 머신러닝과 딥러닝의 ‘진짜’ 기본 원리를 알았고, 그동안 모르고;
리뷰제목
정부지원 ai 국비교육으로 머신러닝 1개월 딥러닝 1개월 배운 것보다 이 책으로 매주 1챕터씩 진도나간 것.. 일자로 따지면 7일이네요. 그 단 7일이 2천만원짜리 국비교육을 능가했습니다.
머신러닝에 대한 지식이 없어도, 머신러닝을 다 까먹었어도 괜찮습니다. 저자가 정말 친절하게 설명해 주시거든요. 이 책 덕분에 머신러닝과 딥러닝의 ‘진짜’ 기본 원리를 알았고, 그동안 모르고 무작정 복붙하기만 했던 코드와 라이브러리의 이면을 알았습니다. 저자님께 무한 감사드립니다.
머신러닝에 대한 지식이 없어도, 머신러닝을 다 까먹었어도 괜찮습니다. 저자가 정말 친절하게 설명해 주시거든요. 이 책 덕분에 머신러닝과 딥러닝의 ‘진짜’ 기본 원리를 알았고, 그동안 모르고 무작정 복붙하기만 했던 코드와 라이브러리의 이면을 알았습니다. 저자님께 무한 감사드립니다.
한줄평 (35건)
혜택 및 유의사항
?
그러나.. 역시 혼공은 힘들어 ㅠ 도와주세요.
2명이 이 한줄평을 추천합니다.
공감
2
YES마니아 : 로얄
퀘**런
|
2022.05.27
박해선님 도서는 항상 기대함. 그러나 항상 기대이상. 이번엔 심지어 재미있음.
1명이 이 한줄평을 추천합니다.
공감
1
YES마니아 : 골드
a*********t
|
2020.12.22
현업입니다. 박해선님이 제대로 된 초보자서를 출간하셨네요. 초보 여러분 믿고 사세요.
1명이 이 한줄평을 추천합니다.
공감
1
c******o
|
2020.12.21
올해의 책 추천평 (50건) 올해의 책 추천평 이동
