이 책에서 다루는 내용

◆ 판다스 데이터프레임(Pandas DataFrame) 구성 방법 설명
◆ 환자의 데이터셋으로 발병 예측하기
◆ 텍스트 데이터를 숫자형 데이터로 바꾸기
◆ 히스토그램을 훈련용 데이터셋과 테스트용 데이터셋으로 나누기
◆ 드롭아웃 정규화로 과적합 줄이는 방법 소개

이 책의 대상 독자

머신러닝 알고리듬을 적용해 스마트 인공지능 애플리케이션을 만들어보려는 데이터 과학자, 머신러닝 기술자, 헬스케어 전문가를 위한 책이다. 파이썬이나 다른 프로그래밍 언어의 기초 지식을 갖춘 독자를 대상으로 한다.

이 책의 구성

1장, ‘유방암 진단’에서는 유방암 진단 프로젝트를 다룬다. 데이터를 전처리하고 데이터에 대한 이해를 높이기 위한 탐색 과정을 설명한다. 또한 히스토그램과 산점도를 만들어보면서 분포와 변수들 간의 선형 관계도 살펴본다. 테스트 매개변수를 구현하고 KNN 분류자와 SVC 모델을 만들고, 분류 보고서를 사용해 결과들을 비교해볼 것이다.
2장, ‘당뇨병 발병 예측’에서는 케라스(Keras)로 딥 신경망을 구성해볼 것이다. 사이킷런(Scikit-learn)의 그리드 탐색(Grid search)을 사용해 최적 초매개변수(hyperparameter)를 탐색하고 초매개변수를 조절해 모델을 최적화하는 방법도 배운다.
3장, ‘DNA 분류하기’에서는 대장균 염기서열이 프로모터(promotor)인지 여부를 분류해주는 머신러닝 모델을 만들어볼 것이다. 분류 알고리듬으로 모델을 만들고 학습시킨 후 분류 보고서를 사용해 모델들의 성능을 서로 비교해본다.
4장, ‘관상 동맥 질환 진단’에서는 사이킷런과 케라스를 사용한다. 판다스(Pandas)의 read_csv() 함수를 사용해 UCI 데이터 저장소에서 데이터를 임포트하고, 이것을 프로세싱한다. 데이터를 정리해 기술하는 방법을 배우고 우리가 다루는 것이 무엇인지 알아내기 위해 히스토그램을 출력해볼 것이다.
5장, ‘머신러닝을 이용한 자폐증 스크리닝’에서는 약 90%의 정확도로 자폐증을 예측하는 머신러닝을 만들어볼 것이다. 카테고리형 데이터를 처리하는 방법인 원-핫 인코딩을 설명한다. 드롭아웃 정규화로 과적합을 줄이는 방법도 소개한다. 부록에서는 역자가 추가로 작성한 내용으로, 파이썬 데이터 과학 가이드를 제공한다. 파이썬 언어 환경을 구성하는 방법과 데이터 과학에 필수적인 주피터 노트북을 중심으로 다룬다.

지은이의 말

최근 헬스케어 분야에도 머신러닝을 적용하는 일이 유행하고 있다. 머신러닝 알고리듬은 다양한 정형, 비정형, 반정형 데이터를 다룰 수 있는 전략을 제공한다. 이 책은 헬스케어 분석의 강력한 해법을 제공하는 새로운 접근법과 방법론을 다룬다. 이 책에서는 파이썬 에코시스템에 존재하는 여러 라이브러리를 이용해 핵심적인 머신러닝 알고리듬과 사례들을 설명한다. 이 책은 다섯 개의 헬스케어 과제를 진행하며 인공지능 애플리케이션의 효율성을 평가하는 내용으로 구성돼 있다. 독자들은 헬스케어 데이터를 효율적으로 처리하고 분석하는 더 나은 방법에 대한 인사이트를 얻을 수 있을 것이다. SVM, KNN 모델을 사용해 암을 진단하는 프로젝트, 케라스를 사용한 딥러닝으로 당뇨병 발생을 예측하는 사례, 신경망을 사용해 심장병을 예측하는 사례 등을 다룬다.
이 책을 마칠 무렵이면, 독자들은 헬스케어 도메인의 오래된 과제들을 어떻게 해결해야 할지 감을 잡을 수 있을 것이다.

옮긴이의 말

딥러닝, 머신러닝 등의 인공지능 기술이 삶의 문제를 해결하는 범용기술(General Purpose Technology)로 떠오르면서 4차 산업혁명에서 가장 핵심적인 역할을 할 것으로 예측되고 있다. 따라서 인공지능 기술에 주목할 수밖에 없다. 이 책은 헬스케어 데이터를 사용한 머신러닝 사례를 소개한다. 헬스케어는 의료부터 건강 관리까지 아우르는 ‘건강한 삶’이라는 보편적인 목적이 있는 모든 사람에게 영향을 미치는 중요한 분야다. 의학은 꾸준히 발전하고 있다. 그러나 인간의 삶을 둘러싼 환경이 바뀌고 수명이 늘어나는 만큼 의학과 보건, 헬스케어가 해결해야 하는 과제도 늘고 있다. 코로나 팬데믹을 기점으로 사회는 크게 변화하고 있으며, 지능 기반 의료는 중요한 자리를 차지하게 될 것이다. 이런 기술이 의료와 헬스케어의 여러 문제를 슬기롭게 해결할 수 있길 바란다.