예제 코드

https://deep-diver.github.io/pocket-ml-reference-korean

독자 Q&A

chansung18@gmail.com 혹은 help@jpub.kr

이 책에 대하여

이 책은 최근 주목받는 딥러닝 기술 대신 전통적으로 사용되어 온 머신러닝 기법을 다루는 책이다

딥러닝은 강력한 도구이지만 주로 비구조적(비정형) 데이터에서 활용되는 것이 보통이다

하지만 간단한 엑셀부터 복잡한 데이터베이스에 이르기까지 축적된 구조적(정형) 데이터가 아직, 그리고 앞으로도 활용도가 더 높은 상황이며

이러한 데이터는 전통적인 머신러닝 기법으로 다뤄지는 것이 보통이다

이 책은 바로 이 구조적 데이터와 전통적인 머신러닝 기법에 집중한다

모든 과정을 처음부터 끝까지 다루는 초급자용은 아니지만, 머신러닝 모델의 구성요소, 데이터와 모델의 평가 및 분석을 다양한 도구로

접근해 다각적으로 바라보는 방법을 제시한다

모든 것을 따라 하기 위한 용도는 아니며, 이미 어느 정도 지식이 있는 독자가 도구의 종류, 사용 방법, 각종 파라미터 등을 빠르게 훑으며 기억을

상기할 수 있는 좋은 레퍼런스 자료로 활용되기 위해 만들어졌다

이 책은 구조적 데이터용 예측 모델링 작업을 처리하기 위한 최고의 자료 및 예제 모음을 제공하고

다양한 라이브러리, 모델, 이들의 장단점, 조정 및 해석 방법 등을 다룬다

요구되는 작업을 위한 수많은 라이브러리 가운데, 기술 컨설팅 및 실제 현업에서 적용한 것들 중 유용하다고 판단되는 라이브러리를

통합적으로 제시하려고 노력했다

서평

이 책은 입문서나 실습위주로 진행되는 여타 다른 서적과는 성격이 다른 서적이다

마치 사전 같다고 표현하는 것이 딱 맞는 것 같다

다양한 머신러닝 기법과 예제 코드를 제공하므로 참고로 하거나 빠르게 훑어보고 기억을 상기시키기에 아주 좋은 서적이라고 생각이 된다

이 책에서 다루는 주제는 아래와 같다

- 타이타닉 데이터셋을 사용한 분류

- 누락된 데이터를 다루는 등의 데이터 정리

- 탐색적 데이터 분석

- 샘플 데이터를 사용한 일반적인 전처리 과정

- 모델에 유용한 특징의 선택

- 모델의 선택

- 분류 모델을 위한 평가지표와 평가

- 다양한 머신러닝 기법을 사용한 회귀 예제

- 회귀 모델을 위한 평가지표와 평가

- 클러스터링

- 차원성 감소

주머니에 쏙 들어가는 크기의 책으로 저 많은 주제에 대한 내용을 매우 함축적인 내용으로 요약되어 있다

책을 훑어 보면서 필요한 머신러닝 기법을 참조하는 용도로 읽기에 매우 좋은 책이고 들고 다니기에도 참 좋은 것 같다

함축적으로 요약된 내용이지만 머신러닝 기법을 이해하기에는 전혀 부족함이 없다

작은 책임에도 머신러닝 기법에 대한 명칭과 다양한 그림과 도표 그리고 코드까지 해당 기법을 이해하기에는 충분하다

추가적인 이해를 위해서는 예제코드를 통한 실습과 추가 내용에 대한 레퍼런스나 자료 검색은 필수이다

총평

주머니 속에 쏙 들어가는 책 크기와 전통적인 머신러닝 기법에 대한 내용이 매우 함축적이지만 이해하기 충분한 수준으로 매우 잘 요약

정리 되어있어 마치 사전처럼 유용한 머신러닝 서적이 될 것 같다

번역 품질도 매우 매끄럽고 머신러닝을 공부하고 있거나 업무를 진행하고 있는 사람에게 매우 유용한 서적이 될 것 같다

작고 얇은 책이지만 정성스런 예제코드와 함께 요약된 내용을 실습해보면 아주 빠르게 해당 기법에 대해 이해할 수 있을 것이다

※출판사로부터 책을 무상으로 제공받아 직접 실습해보고 정성껏 작성한 리뷰 입니다

머신러닝의 자주 활용하는 스킬 80%를 20%의 분량으로 요약한 듯한 느낌을 주는 일종의 머신러닝 사전이다. 마치 국어사전, 영한사전과 같이 필요한 스킬의 가장 중요한 핵심 개념과 활용법을 빠르게 찾아 적용해 볼 수 있으며 컴팩트한 사이즈라 휴대하기도 좋고 새롭게 알게된 주요 기법들을 메모하며 스스로의 실무 지식이나 캐글 등의 경진대회에 활용할 지식들을 단권화하기에도 좋다.

가로 세로 사이즈는 서점에서 볼 수 있는 책 중에서 가장 작은 A4사이즈의 절반도 안된다고 보면 되며 약 300P의 두께로 구성되어 있다. 컴팩트한 사이즈에 머신러닝의 주요 기법들이 거의 대부분 담겨 있는데 예를 들면 “3장. 분류 문제 둘러보기”만 봐도 왠만한 입문서 한 권의 내용이 압축되어 들어가 있다.

목차를 대충 살펴보면 다루는 범위가 얼마나 광범위 한지 알 수 있는데 머신러닝 과정의 개요, 베이스라인, 결측치, EDA, 전처리, 피처 엔지니어링, 평가, XAI, 차원 축소, 클러스터링, 파이프라인의 기법들이 다뤄지고 있으며 특히 활용하는 분류 및 회귀 모델의 알고리즘 대부분이 비교하기 쉽게 잘 정리되어 있다.

컴팩트한 사이즈에 거의 대부분의 내용을 제법 깊이있게 다루고 있다면 어떤 내용이 생략된 것인지 궁금할 수도 있는데 수학, 연구 수준의 지식은 아주 중요한 것을 제외하고는 포함되어 있지 않다. 더불어 군더더기로 붙는 중요하지 않는 소스코드들은 제거되어 있다. 실무에 초점을 맞춘 구성이라 할 수 있다.

이런 구성상의 특징이 개인적으로는 매우 마음에 들었다. 책을 좋아하는 독자로써 두꺼운 책을 읽으면 읽는 당시에는 잘 이해하고 있을지라도 계속 기억하는데는 한계가 있기 때문이다. 결국 실무를 하며 어차피 책을 들춰보거나, 논문을 찾아본다던가, 수학과 같은 기초가 부족하면 교과서 등을 다시 들춰봐야 한다. 즉, 머리속에 기억하고 있어야 할 가장 핵심만 담고 있어 빠르게 검색하고 활용하기에 좋다.

찾다보면 삼천포에 빠져 너무 깊이 들어가는 경우가 생기는데 문제를 해결하기 위한 탐색인지 개인적인 공부인지 분간하기 어려워진다. 이럴 때 이 책을 이용하면 빠르게 베이스라인을 구성할 수 있을 뿐더러 실무에서의 경험을 잘 메모해 놓는다면 기억이 잘 안날때 들춰보면 빨리 찾아 적용해 볼 수 있어서 유익하다. 두달 여에 걸쳐 실무에 적용해보며 내린 결론이다.

폭 넓은 범위를 다루면서도 핵심 부분이나 혼동되는 부분이 잘 정리되어 있다는 점도 책의 장점 중 하나이다. Python의 유연성은 대부분 큰 장점이지만 때로는 같은 결과를 향한 방법이 다양하게 존재할 수 있어 다른이의 코드를 볼 때 혼동될 수 있다는 단점도 존재한다. 아래 그림의 소스코드와 같이 혼동될 수 있는 부분 또한 잘 정리하고 있다.

가장 마음에 드는 점은 회귀, 분류에 해당하는 알고리즘을 일목 요연하게 정리한 부분이다. 핵심 코드들이 잘 정리되어 있어 활용한지 오래된 모델의 핵심을 떠올리기에도 좋고 파라미터들이 잘 정리되어 있어 모델별로 기능은 동일한데 다른 명칭을 가진 파라미터를 분간하기에 좋다. 특히 모델마다 시간복잡도를 언급하고 있어 프로젝트마다 주어진 데이터 혹은 가용 자원에 따라 성능 측면에서도 알고리즘을 선택하기 편리하게 구성되어 있다.

두달 정도 실무에 적용해보며 느낀 점은 머신러닝 프로젝트라는 가정하에 목표로 하는 90%는 이 책 한 권만으로도 모델을 생성하기 충분했다. EDA, 전처리, 피처 엔지니어링은 항상 활용하는 기법들이 거의 다 정리되어 있다. 가끔 특정 기법들이 존재하는지도 기억하지 못한 채 건너뛸 때도 있는데 누락되거나 실수하는 과정이 발생하지 않도록 체크리스트 역할을 톡톡히 해낸다.

앞에서도 언급했듯 두꺼운 책을 읽어봐야 머리 속에 잔존하는 지식은 이 책 정도에 지나지 않는 것 같다. 그런 의미에서 교과서 위주의 두꺼운 책들은 이해될 정도로만 정리해놓고 이 책으로 실전에 돌입하다가 특정 부분에 대해 깊은 이해가 필요할 때 다시 들춰보는 편이 효율적일 것 같다. 즉, 이 책은 머신러닝 서적들의 메타 서적의 개념으로 활용하면 좋다.

머신러닝의 기본 수준을 뗀 독자라면 이 책으로 일단 모델을 구성해 본 후 책에 없는 기법을 활용한 경우 이 책의 여백에 메모를 해 나간다면 추후 훌륭한 본인만의 비급이 탄생하지 않을까 싶다. 다만 입문자나 초보자의 경우 약간 어려울 수 있으므로 먼저 기본서를 통한 실습 후 이 책을 볼 것을 권장한다.

• 책소개 - 주머니 속의 머신러닝

머신러닝은 인공 지능의 한 분야로, 컴퓨터가 학습할 수 있도록 하는 알고리즘과 기술을 개발하는 분야
입니다.

책은 보통 가방에 넣고 다닙니다.

도서관, 이동하면서, 집에서도 책을 봅니다.

머신러닝을 공부하고 싶은 분들에게 책 한 권을 추천하고자 합니다.

간단하게 외출하고 싶을 때는 가방 없이 나가게 되는데요.
나가서도 쉽게 볼 수 있도록 주머니에 들어갈 만한 크기의 책이 나왔습니다.

책 제목은 ‘주머니 속의 머신러닝’입니다.

주머니에 들어갈 정도의 책의 크기가 작습니다.

책의 크기는 128*188*17mm의 크기입니다.

주머니가 책의 크기보다 크면 편하게 이동하면서 보고 싶을 때 볼 수 있습니다.

◆ 머신러닝 알고리즘
머신러닝 알고리즘을 사용법을 아시나요?
사용법을 모르고 아무 알고리즘을 사용하면 나쁜 결과가 나올 수 있습니다.

머신러닝 알고리즘을 가져오더라도 활용 방법을 아는 게 좋습니다.

활용 방법을 알면 적합한 알고리즘 선택 할 수 있습니다.

알고리즘에는 로지스틱 회귀, SVC, 랜덤 포레스트, K-최근접 이웃 등 여러 알고리즘이 있는데요.
이 중에서 랜덤 포레스트가 가장 좋은 결과로 나왔습니다.

문제마다 다른 알고리즘이 성능이 좋을 수 있습니다.

◆ 타이타닉 데이터셋
타이타닉 데이터셋으로 생존자를 예측할 수 있습니다.

타이타닉은 영화로도 나오고 사람들이 많이 알 겁니다.

머신러닝을 해봤다면 타이타닉 예제는 많이 다뤄보셨을 건데요.
이 예제를 해봤지만, 이해가 안되던 분들도 책이 도움 될 것입니다.

타이타닉 승객의 정보를 바탕으로 승객이 생존했을지 예측하는 건데요.
생존과 사망 유무를 생존레이블로 예측하므로 이는 분류 문제입니다.

예측이 실제 결과와 비슷해지려면 테스트할 데이터가 많으면 좋습니다.

끝으로 이 책은 머신러닝을 공부하고 싶은 분들에게 길잡이가 되어줄 것입니다.

머신러닝 라이브러리와 시각화 방법을 배워볼 수 있습니다.

데이터를 정제하고 분석한 후에는 도표로만 보면 이해가 어려울 수 있는데요.
시각화된 데이터를 보게 되면 이해하기 쉬워집니다.

머신러닝 배우고 계신 분들도 이 책을 참고하면 학습에 도움 될 것입니다.

            Author: 맷 해리슨 지음 | 박찬성 옮김

             출판사: 제이펍

             Score /5: 4

지금 이 리뷰를 하는 저는 머신러닝쪽에 대한 지식이 부족한 상황입니다.

그래서 가볍게 접근하고 싶을때 필요할만한 책을 찾게 되었는데 주머니 속의 머신러닝에 대한 책을 리뷰할 기회가 생겨서 읽어보게 되었습니다.

독자로서 좋은 점은 일단 책이 가볍고 제목 그대로 주머니속에 쏙 들어가지는 않지만 일종의 핸드북 처럼 가볍게 들고 참고하기 좋다 라는 것입니다.

휴지 크기에 비해서 별로 차이 안나는 크기 이기 때문에 정말 가볍게 들 수 있고(손목에 들어가는 부담이 적어짐) 언제라도 참고할 수 있어서 좋습니다.

이제 본격적인 내용을 살펴보면 분명 이 책은 무게는 가볍지만 내용은 가볍지 않습니다.

솔직히 초보자 입장인 저에게는 어려웠습니다.

이 책은 어느정도 머신러닝 기법, 그리고 Numpy나 Pandas에 대한 지식은 기본으로 깔고 갑니다.

하지만 이 장벽을 넘기기만 하면 이만한 레퍼런스도 없는 것 같습니다.

실무와 기본이론이 다르긴 하지만 모든 것은 기본에서 시작하듯이 일종의 지침서(레퍼런스)로 충분히 활용할 만 합니다.

두번째로 괜찮았던 점은 이론 -＞ 코드 -＞ 이론 -＞ 코드로 바로바로 적용되는 부분을 보여주기 때문에 의식의 흐름대로 진행할 수 있습니다.

직관적인 이해를 할 수 있도록 꼼꼼하게 지원을 합니다.

작고 가볍지만 탄탄한 책 주머니 속의 머신러닝 실무자 분들에게 추천합니다.

※ 이 책은 제이펍의 지원을 통해 진행한 리뷰입니다.