01장: 업무와 머신러닝 프로젝트

1.1 이 책의 목적
1.2 머신러닝 프로젝트의 주요 역할 및 대상 독자
1.3 머신러닝 개발 프로세스
1.4 앞으로 도메인 전문가에게 필요하게 될 스킬
1.5 이 책의 구성

02장: 머신러닝 모델의 처리 패턴

2.1 AI와 머신러닝의 관계
2.2 머신러닝의 세 가지 학습 방식
2.3 지도 학습에 속하는 처리 패턴
__2.3.1 분류
__2.3.2 회귀
__2.3.3 시계열 분석
2.4 비지도 학습에 속하는 처리 패턴
__2.4.1 연관 분석
__2.4.2 클러스터링
__2.4.3 차원축소
2.5 처리 패턴을 선택하는 방법
2.6 딥러닝과 구조화/비구조화 데이터

03장: 머신러닝 모델을 개발하는 순서

3.1 모델을 개발하는 순서
3.2 예제에 사용할 데이터와 모델의 목적
__3.2.1 예제에 사용할 데이터
__3.2.2 모델의 목적
3.3 모델 구현하기
__3.3.1 (1) 데이터 읽어 들이기
__3.3.2 (2) 데이터 확인
__3.3.3 (3) 데이터 전처리
__3.3.4 (4) 데이터 분류
__3.3.5 (5) 알고리즘 선택하기
__3.3.6 (6) 학습
__3.3.7 (7) 예측
__3.3.8 (8) 평가
__3.3.9 (9) 튜닝

04장: 머신러닝 모델 개발의 중요 포인트

4.1 데이터 확인
__4.1.1 수치적·통계적으로 분석하는 방법
__4.1.2. 시각적인 분석 및 데이터 확인 방법
4.2 데이터 전처리
__4.2.1 불필요한 필드 삭제하기
__4.2.2 누락 값 처리하기
__4.2.3 이진 레이블값 필드를 숫자 값 필드로 만들기
__4.2.4 다중 레이블값 필드를 숫자 값 필드로 만들기
__4.2.5 데이터 정규화
__4.2.6 그 외 데이터 전처리 기법
4.3 알고리즘 선택하기
__4.3.1 대표적인 분류 알고리즘과 특징
__4.3.2 예제 코드에서 사용할 데이터
__4.3.3 로지스틱 회귀
__4.3.4 서포트 벡터 머신 (커널)
__4.3.5 신경망 알고리즘
__4.3.6 결정 트리
__4.3.7 랜덤 포레스트
__4.3.8 XGBoost
__4.3.9 알고리즘을 선택하는 방법
4.4 평가
__4.4.1 혼동행렬
__4.4.2 정확도, 정밀도, 재현율, F-점수
__4.4.3 확률값과 역치
__4.4.4 PR 곡선과 ROC 곡선
__4.4.5 입력 필드의 중요도
__4.4.6 회귀 모델을 평가하는 방법
4.5 튜닝
__4.5.1 알고리즘 선택하기
__4.5.2 하이퍼파라미터 최적화
__4.5.3 교차 검증법
__4.5.4 그리드 서치
__4.5.5 그 외의 튜닝 기법

05장: 업무의 요구 조건과 처리 패턴

5.1 영업 성공 예측(분류)
__5.1.1 처리 패턴에 적합한 업무 분야
__5.1.2 예제 데이터의 설명 및 유스케이스
__5.1.3 모델의 개요
__5.1.4 데이터 읽어 들이기부터 데이터 확인까지
__5.1.5 데이터 전처리 및 데이터 분할
__5.1.6 알고리즘 선택하기
__5.1.7 학습, 예측, 평가 단계
__5.1.8 튜닝
__5.1.9 중요도 분석
5.2 날씨를 이용한 매출 예측 (회귀)
__5.2.1 처리 패턴에 적합한 업무 분야
__5.2.2 예제 데이터의 설명 및 유스케이스
__5.2.3 모델의 개요
__5.2.4 데이터 읽어 들이기부터 데이터 확인까지
__5.2.5 데이터 전처리와 데이터 분할
__5.2.6 알고리즘 선택하기
__5.2.7 학습 및 예측
__5.2.8 평가
__5.2.9 튜닝
__5.2.10 중요도 분석
5.3 계절 등 주기성 필드로 매출 예측하기 (시계열 분석)
__5.3.1 처리 패턴에 적합한 업무 분야
__5.3.2 예제 데이터에 대한 설명 및 유스케이스
__5.3.3 모델의 개요
__5.3.4 데이터 읽어 들이기부터 데이터 확인까지
__5.3.5 데이터 전처리와 데이터 분할
__5.3.6 알고리즘 선택하기
__5.3.7 학습 및 예측
__5.3.8 평가
__5.3.9 튜닝 (1단계)
__5.3.10 튜닝 (2단계)
__5.3.11 회귀와 시계열 분석 처리 패턴의 용도
5.4 추천 상품 제안 (연관 분석)
__5.4.1 처리 패턴에 적합한 업무 분야
__5.4.2 예제 데이터의 설명 및 유스케이스
__5.4.3 모델의 개요
__5.4.4 데이터 읽어 들이기부터 데이터 확인까지
__5.4.5 데이터 전처리
__5.4.6 알고리즘 선택 및 분석
__5.4.7 튜닝
__5.4.8 관계 그래프 시각화하기
__5.4.9 고급 연관 분석
5.5 계층별 고객 판매 전략 (클러스터링, 차원 축소)
__5.5.1 처리 패턴에 적합한 업무 분야
__5.5.2 예제 데이터의 설명 및 유스케이스
__5.5.3 모델의 개요
__5.5.4 데이터 읽어 들이기부터 데이터 확인까지
__5.5.5 클러스터링
__5.5.6 클러스터링 결과 분석
__5.5.7 차원축소
__5.5.8 차원축소를 활용하는 방법

06장: AI 프로젝트를 성공시키기 위한 프로젝트 초기 요령

6.1 머신러닝 적용 분야 선택하기
__6.1.1 처리 패턴과 적합한 업무 분야
__6.1.2 지도 학습의 생명은 정답 데이터
__6.1.3 AI는 정확도 100%를 달성할 수 없다
6.2 업무 데이터 수집 및 확인
__6.2.1 데이터의 소재 파악
__6.2.2 타 부서의 데이터 협조 구하기
__6.2.3 데이터의 품질
__6.2.4 원-핫 인코딩 문제

부록1: Google Colaboratory 기본 사용법

부록2: 머신러닝을 위한 파이썬 입문

__부록 2.1 넘파이 입문
__부록 2.2 판다스 입문
__부록 2.3 matplotlib 입문