소득공제
크레마클럽
PDF
eBook
데싸노트의 실전에서 통하는 머신러닝
피처 엔지니어링 + TOP 10 알고리즘 + 실무 노하우로 익히는 실무형 문제풀이 해법서
스마트한 PDF 필기 기능을 사용해 보세요!
- PDF 안내
-
이 상품은 구매 후 지원 기기에서 예스24 eBook앱 설치 후 바로 이용 가능한 상품입니다.
이 분야의 이벤트
이 상품의 태그
상세 이미지
소개
목차
|
00장 실습 환경 안내(코랩)1단계 : 배경지식 익히기01장 한눈에 살펴보는 머신러닝__1.1 인공지능, 머신러닝, 딥러닝__1.2 머신러닝 기법 : 지도 학습, 비지도 학습, 강화 학습__1.3 머신러닝 프로세스__1.4 TOP 10 알고리즘의 성능 비교__1.5 머신러닝 핵심 라이브러리__1.6 데이터 시각화 그래프 종류__1.7 피처 엔지니어링 기법__1.8 변수란 무엇인가?학습 마무리02장 파이썬 기초 익히기__2.1 프로그래밍 기본 : 산술 연산, 변수, 출력__2.2 자료형과 자료구조__2.3 반복문 : for문, while문__2.4 조건문 : if문__2.5 파이썬 내장 함수__2.6 나만의 함수 만들기 : def학습 마무리03장 유용한 라이브러리 : 판다스와 넘파이__3.1 판다스__3.2 넘파이학습 마무리2단계 : 답을 알려줘야 학습하는 머신러닝 지도학습 알고리즘04장 선형 회귀 : 보험료 예측하기__4.1 문제 정의 : 한눈에 보는 예측 목표__4.2 라이브러리 및 데이터 불러오기__4.3 데이터 확인하기__4.4 전처리 : 학습셋과 시험셋 나누기__4.5 모델링__4.6 모델을 활용해 예측하기__4.7 예측 모델 평가하기__4.8 이해하기 : 선형 회귀학습 마무리연습 문제05장 로지스틱 회귀 : 타이타닉 생존자 예측하기__5.1 문제 정의 : 한눈에 보는 예측 목표__5.2 라이브러리 및 데이터 불러오기__5.3 데이터 확인하기__5.4 전처리 : 범주형 변수 변환하기(더미 변수와 원-핫 인코딩)__5.5 모델링 및 예측하기__5.6 예측 모델 평가하기__5.7 이해하기 : 피처 엔지니어링__5.8 이해하기 : 로지스틱 회귀학습 마무리연습 문제06장 K-최근접 이웃(KNN) : 와인 등급 예측하기__6.1 문제 정의 : 한눈에 보는 예측 목표__6.2 라이브러리 및 데이터 불러오기__6.3 데이터 확인하기__6.4 목푯값에서 고윳값 확인하기__6.5 전처리 : 결측치 처리하기__6.6 스케일링__6.7 모델링 및 예측/평가하기__6.8 하이퍼파라미터 튜닝하기__6.9 이해하기 : K-최근접 이웃학습 마무리연습 문제07장 나이브 베이즈 : 스팸 여부 판단하기__7.1 문제 정의 : 한눈에 보는 예측 목표__7.2 라이브러리 및 데이터 불러오기 & 데이터 확인__7.3 전처리 : 특수 기호 제거하기__7.4 전처리 : 불용어 제거하기__7.5 전처리 : 목표 컬럼 형태 변경하기__7.6 전처리 : 카운트 기반으로 벡터화하기__7.7 모델링 및 예측/평가하기__7.8 이해하기 : 나이브 베이즈 모델학습 마무리연습 문제08장 결정 트리 : 연봉 예측하기__8.1 문제 정의 : 한눈에 보는 예측 목표__8.2 라이브러리 및 데이터 불러오기, 데이터 확인하기__8.3 전처리 : 범주형 데이터__8.4 전처리 : 결측치 처리 및 더미 변수 변환__8.5 모델링 및 평가하기__8.6 이해하기 : 결정 트리__8.7 오버피팅 문제__8.8 매개변수 튜닝__8.9 트리 그래프학습 마무리연습 문제09장 랜덤 포레스트 : 중고차 가격 예측하기__9.1 문제 정의 : 한눈에 보는 예측 목표__9.2 라이브러리 및 데이터 불러오기, 데이터 확인하기__9.3 전처리 : 텍스트 데이터__9.4 전처리 : 결측치 처리와 더미 변수 변환__9.5 모델링 및 평가하기__9.6 이해하기 : K-폴드 교차검증__9.7 이해하기 : 랜덤 포레스트__9.8 하이퍼파라미터 튜닝학습 마무리연습 문제10장 XGBoost : 커플 성사 여부 예측하기__10.1 문제 정의 : 한눈에 보는 예측 목표__10.2 라이브러리 및 데이터 불러오기, 데이터 확인하기__10.3 전처리 : 결측치 처리__10.4 전처리 : 피처 엔지니어링__10.5 모델링 및 평가__10.6 이해하기 : 경사하강법__10.7 하이퍼파라미터 튜닝 : 그리드 서치__10.8 중요 변수 확인__10.9 이해하기 : XGBoost학습 마무리연습 문제11장 LightGBM : 이상거래 예측하기__11.1 문제 정의 : 한눈에 보는 예측 목표__11.2 라이브러리 및 데이터 불러오기, 데이터 확인하기__11.3 전처리 : 데이터 클리닝__11.4 전처리 : 피처 엔지니어링__11.5 모델링 및 평가하기__11.6 하이퍼파라미터 튜닝 : 랜덤 그리드 서치__11.7 LightGBM의 train( ) 함수 사용하기__11.8 이해하기 : LightGBM학습 마무리연습 문제3단계 : 답을 스스로 찾는 비지도학습 알고리즘12장 K-평균 군집화 : 비슷한 속성끼리 분류하기__12.1 문제 정의 : 한눈에 보는 예측 목표__12.2 K-평균 군집화 맛보기 : 인위적으로 만든 데이터셋__12.3 데이터 불러오기 및 데이터 확인하기 : 고객 데이터셋__12.4 전처리 : 피처 엔지니어링__12.5 고객 데이터 모델링 및 실루엣 계수__12.6 최종 예측 모델 및 결과 해석__12.7 이해하기 : K-평균 군집화학습 마무리연습 문제13장 주성분 분석(PCA) : 차원 축소 응용하기__13.1 차원을 축소해서 그래프 그리기 : 고객 데이터셋__13.2 속도와 예측력을 향상시키기 : 익명 데이터셋__13.3 이해하기 : 주성분 분석학습 마무리연습 문제
|
저자 소개 1
삼성전자에 마케팅 직군으로 입사하여 앱스토어 결제 데이터를 운영 및 관리했다. 데이터에 관심이 생겨 미국으로 유학을 떠나 지금은 모바일 서비스 업체 IDT에서 데이터 사이언티스트로 일한다. 문과 출신이 미국 현지 데이터 사이언티스트가 되기까지 파이썬과 머신러닝을 배우며 많은 시행착오를 겪었다. 겪었던 시행착오를 덜고, 머신러닝에 대한 재미를 전달하고자 유튜버로 활동하고 책을 집필한다.
현) IDT Corporation (미국 모바일 서비스 업체) 데이터 사이언티스트
전) 콜롬비아 대학교, Machine Learning Tutor, 대학원생 대상
전) 콜롬비아 대학교, B
삼성전자에 마케팅 직군으로 입사하여 앱스토어 결제 데이터를 운영 및 관리했다. 데이터에 관심이 생겨 미국으로 유학을 떠나 지금은 모바일 서비스 업체 IDT에서 데이터 사이언티스트로 일한다. 문과 출신이 미국 현지 데이터 사이언티스트가 되기까지 파이썬과 머신러닝을 배우며 많은 시행착오를 겪었다. 겪었던 시행착오를 덜고, 머신러닝에 대한 재미를 전달하고자 유튜버로 활동하고 책을 집필한다.
현) IDT Corporation (미국 모바일 서비스 업체) 데이터 사이언티스트
전) 콜롬비아 대학교, Machine Learning Tutor, 대학원생 대상
전) 콜롬비아 대학교, Big Data Immersion Program Teaching Assistant
전) 콜롬비아 대학교, M.S. in Applied Analytics
전) 삼성전자 무선사업부, 스마트폰 데이터 분석가
전) 삼성전자 무선사업부, 모바일앱 스토어 데이터 관리 및 운영
강의 경력 : 패스트캠퍼스 [파이썬을 활용한 이커머스 데이터 분석 입문]
유튜브 [데싸노트] 채널을 운영 중이다.
현) IDT Corporation (미국 모바일 서비스 업체) 데이터 사이언티스트
전) 콜롬비아 대학교, Machine Learning Tutor, 대학원생 대상
전) 콜롬비아 대학교, Big Data Immersion Program Teaching Assistant
전) 콜롬비아 대학교, M.S. in Applied Analytics
전) 삼성전자 무선사업부, 스마트폰 데이터 분석가
전) 삼성전자 무선사업부, 모바일앱 스토어 데이터 관리 및 운영
강의 경력 : 패스트캠퍼스 [파이썬을 활용한 이커머스 데이터 분석 입문]
유튜브 [데싸노트] 채널을 운영 중이다.
권시현의 다른 상품
품목정보
- 발행일
- 2022년 07월 08일
- 지원기기
- 크레마, PC(윈도우 - 4K 모니터 미지원), 아이폰, 아이패드, 안드로이드폰, 안드로이드패드, 전자책단말기(저사양 기기 사용 불가), PC(Mac)
- 파일/용량
- PDF(DRM) | 3.69MB ?
- 글자 수/ 페이지 수
- 약 464쪽 ?
- ISBN13
- 9791191905144
출판사 리뷰
|
★ 현업과 캐글에서 머신러닝을 활용하려면 ★ 얼마나 많은 머신러닝 알고리즘을 알아야 하는 걸까요?시작점으로 TOP 10 알고리즘이면 충분합니다. 알고리즘은 달라도 머신러닝 실행 순서는 학습 → 예측 → 평가로 진행됩니다. 이 부분은 거의 정형화되어 있어 성능에 큰 영향을 미치지 않습니다. 쓰레기가 들어가면 쓰레기가 나온다고 합니다. 머신러닝에 딱맞는 말입니다. 좋은 데이터가 좋은 머신러닝 모델을 만듭니다. 그래서 이 책은 TOP 10 알고리즘을 공략하면서 무엇보다 데이터 분석과 가공에 공을 들입니다. 데이터에 어떤 가공 기법이 필요한지 하나하나 분석하며 클리닝, 피처 엔지니어링, 차원 축소 등의 기법을 사용할 겁니다. 이렇게 데이터 분석 능력을 기르며 알고리즘을 익히면 현업과 캐글에서도 통하는 실력을 갖추게 됩니다.★ 타깃 독자__적어도 객체지향 프로그래밍 언어 하나를 아는 머신러닝 입문자__머신러닝을 협업/캐글에서 더 잘 활용하고 싶은 데이터 사이언티스트와 개발자★ 톱 10 알고리즘의 선정 기준이 책은 10가지 머신러닝 알고리즘을 다룹니다. 어떤 알고리즘은 성능면에서 매우 뛰어나서, 어떤 알고리즘은 꼭 이해할 필요가 있어서 선택했습니다. 8가지 알고리즘은 지도 학습, 나머지 2가지 알고리즘은 비지도 학습에 포함됩니다. 정형 데이터라면, 이 10가지 알고리즘만으로 현업과 캐글 컴피티션에서 충분히 좋은 성과를 낼 수 있습니다. ▽ 머신러닝 TOP 알고리즘__1. 선형 회귀(Linear Regression)__2. 로지스틱 회귀(Logistic Regression)__3. K-최근접 이웃(KNN)__4. 나이브 베이즈(Naive Bayes)__5. 결정 트리(Decision Tree)__6. 랜덤 포레스트(Random Forest)__7. XG부스트(XGBoost)__8. 라이트GBM(LightGBM)__9. K-평균 군집화(K Means Clustering)__10. 주성분 분석(PCA)★ 이 책의 구성이 책은 학습 흐름을 끊지 않기 위해 개발 환경(코랩)부터 설명한 후, 다음과 같이 총 3단계에 걸쳐 머신러닝 알고리즘을 공략해나갑니다[1단계 : 배경지식 익히기]머신러닝을 본격적으로 다루기 전에 알아야 하는 기초 지식을 다룹니다. 1장에서는 머신러닝 알고리즘, 그래프, 라이브러리를 일목요연하게 소개합니다. 머신러닝 입문자가 큰 그림을 파악하는 데 도움이 될 겁니다. 이어서 프로그래밍에 사용할 파이썬 기본 지식(2장), 데이터 분석에 사용할 데이터 구조인 판다스와 넘파이(3장)도 다룹니다.[2단계 : 답을 알려줘야 학습하는 지도학습 알고리즘]지도 학습과 관련된 8가지 알고리즘을 알아봅니다. 지도 학습은 학습 데이터에 답(종속변수)이 포함되어 있습니다. 그 답을 잘 예측할 수 있도록 모델을 훈련시키는 방법을 문제해결 관점에서 알아보겠습니다. 가장 기초 알고리즘인 선형 회귀부터 캐글 컴피티션 및 실무에서도 유용한 최신 기법인 XGBoost와 LightGBM까지 폭넓게 다룹니다.[3단계 : 답을 스스로 찾는 비지도학습 알고리즘]비지도 학습 알고리즘 두 개를 다룹니다. 비지도 학습은 답이 주어져 있지 않다 보니, 학습 결과가 좋은지 나쁜지 평가할 만한 답안 또한 가지고 있지 않아서 목적이 모호할 수 있습니다. 그래서 다양한 시도를 할 때 활용될 수 있습니다. 지도 학습과 달리 비지도 학습에서 압도적으로 많이 사용되는 알고리즘이 한정적입니다. 그래서 가장 유명한 두 알고리즘만 다룹니다.
|
