이미 소장하고 있다면 판매해 보세요.
|
☎현재 문의량이 많아 전화 연결이 지연될 수 있습니다. 신속한 처리를 위해 주문번호를 반드시 기재하여 ‘판매자 문의하기’로 남겨주시면 확인 후 최대한 빠르게 안내드리겠습니다.☎
안녕하세요. 고객님들의 많은 관심과 문의에 진심으로 감사드립니다.
최근 유선 상담 문의가 급증하여 연결이 다소 지연될 수 있습니다.
전화 연결이 어려우실 경우, 보다 원활한 상담을 위해 게시판에 문의글을 남겨주시면 빠르게 순차 대응해드리겠습니다.
항상 따뜻한 관심과 믿고 찾아주셔서 감사합니다.
더 나은 서비스로 보답드릴 수 있도록 노력하겠습니다.
양해해주셔서 감사드리며, 앞으로도 변함없는 관심과 사랑 부탁드립니다. 감사합니다
|
|
안녕하세요. 한 번에 11개 이상 주문 시, 합포장 및 단가 문제로 인해 부득이하게 주문이 취소 처리될 수 있습니다.
안녕하세요.
한 번에 11개 이상 주문 시, 합포장 및 단가 문제로 인해
부득이하게 주문이 취소 처리될 수 있습니다.
번거로우시겠지만 한 번에 11개 미만으로 주문해 주시길 부탁드립니다.
감사합니다 :)
|
|
|
[PART I 올바른 머신러닝 접근 방법 모색]
CHAPTER 1 제품의 목표를 머신러닝 문제로 표현하기 1.1 어떤 작업이 가능한지 예상하기 1.2 머신러닝 에디터 설계 1.3 모니카 로가티: 머신러닝 프로젝트의 우선순위 지정하기 1.4 마치며 CHAPTER 2 계획 수립하기 2.1 성공 측정하기 2.2 작업 범위와 문제점 예상하기 2.3 머신러닝 에디터 계획하기 2.4 규칙적인 향상 방법: 간단하게 시작하기 2.5 마치며 [PART II 초기 프로토타입 제작] CHAPTER 3 엔드투엔드 파이프라인 만들기 3.1 가장 간단한 프로토타입 3.2 머신러닝 에디터 프로토타입 3.3 워크플로 테스트하기 3.4 머신러닝 에디터 프로토타입 평가 4.5 마치며 CHAPTER 4 초기 데이터셋 준비하기 4.1 반복적인 데이터셋 4.2 첫 번째 데이터셋 탐색하기 4.3 레이블링으로 데이터 트렌드 찾기 4.4 데이터를 활용한 특성 생성과 모델링 4.5 로버트 먼로: 데이터를 찾고, 레이블링하고, 활용하는 방법 4.6 마치며 [PART III 모델 반복] CHAPTER 5 모델 훈련과 평가 5.1 가장 간단하고 적절한 모델 5.2 모델 평가: 정확도를 넘어서 5.3 특성 중요도 평가 5.4 마치며 CHAPTER 6 머신러닝 문제 디버깅 6.1 소프트웨어 모범 사례 6.2 데이터 흐름 디버깅: 시각화와 테스트 6.3 훈련 디버깅: 모델 학습하기 6.4 일반화 디버깅: 유용한 모델 만들기 6.5 마치며 CHAPTER 7 분류기를 사용한 글쓰기 추천 7.1 모델로 추천 만들기 7.2 모델 비교하기 7.3 추천 생성하기 7.4 마치며 [PART IV 배포와 모니터링] CHAPTER 8 모델 배포 시 고려 사항 8.1 데이터 고려 사항 8.2 모델링 고려 사항 8.3 크리스 할랜드: 배포 실험 8.4 마치며 CHAPTER 9 배포 방식 선택 9.1 서버 측 배포 9.2 클라이언트 측 배포 9.3 연합 학습: 하이브리드 방법 9.4 마치며 CHAPTER 10 모델 안전장치 만들기 10.1 실패를 대비하는 설계 10.2 성능 설계 10.3 피드백 요청 10.4 크리스 무디: 데이터 과학자에게 모델 배포 권한 부여 10.5 마치며 CHAPTER 11 모니터링과 모델 업데이트 11.1 모니터링의 역할 11.2 모니터링 대상 선택 11.3 머신러닝을 위한 CI/CD 11.4 마치며 |
Emmanuel Ameisen
|
머신러닝 아이디어 생각만 하고 있었다면?
지금 바로 애플리케이션 개발에 힘을 실어줄 강력한 한 방! 머신러닝이 점점 더 활발하게 다양한 제품에 사용되면서, 새로운 제품 개발에 대한 아이디어가 번쩍번쩍 샘솟는 분들이 많을 겁니다. 생각에만 그치지 않고 아이디어를 실제 애플리케이션으로 구현하고 싶은데 어떤 것부터, 어디서부터 시작해야 할지 모르겠다면 바로 이 책을 펼쳐보세요. 대부분의 머신러닝 책이 알고리즘과 라이브러리 설명에 중점을 두는 것과 달리, 이 책은 머신러닝 기반의 애플리케이션 아이디어가 실제 애플리케이션으로 구현되는 모든 과정을 살펴봅니다. 실무자가 실제로 애플리케이션을 구현할 때 필요한 도구와 마주하게 될 도전 과제를 살펴보고, 업계 리더 4명의 생생한 경험이 담긴 인터뷰를 통해 유용한 팁을 얻어 본인만의 스킬을 쌓아가세요. 이 책을 읽고 나면 본인만의 머신러닝 애플리케이션을 구현하는 과정의 첫 삽을 자신 있게 뜰 수 있을 겁니다. 대상 독자 · 프로그래밍 경험과 머신러닝 기초 지식을 가진 누구나 · 데이터 과학자, 머신러닝 엔지니어로 현업에 종사하는 개발자 · 코딩은 모르지만 데이터 과학자와 함께 일해야 하는 직군 주요 내용 · 제품의 목표를 정의하고 머신러닝 문제를 설정합니다. · 첫 번째 엔드투엔드 파이프라인을 빠르게 만들어 초기 데이터셋을 획득합니다. · 머신러닝 모델을 훈련, 평가하고 성능 병목을 해결합니다. · 제품 환경에 모델을 배포하고 모니터링합니다. 부별 요약 · 1부: 아이디어를 머신러닝 문제로 표현하고 성능을 측정하는 방법을 배워 초기 계획을 세웁니다. · 2부: 첫 번째 파이프라인을 만들고, 초기 데이터셋을 탐색하고 시각화하는 법을 배웁니다. · 3부: 목표를 달성할 때까지 모델을 향상하는 방법을 살펴봅니다. · 4부: 모델 배포 시 고려해야 할 부분과 배포 방식, 모니터링 전략을 다룹니다. |
|
머신러닝에서 가장 어려운 부분인 문제 정의, 모델 디버깅, 배포를 건너뛰는 책은 너무나 많습니다. 하지만 이 책은 이런 문제에 초점을 맞춰 이야기를 풀어갑니다. 이 책을 읽으면 아이디어에 불과했던 프로젝트를 큰 영향을 발휘하는 애플리케이션으로 만들 수 있습니다. - 알렉산더 구드 (Intuit 데이터 과학자)
|
|
머신러닝 모델을 도입하는 방법, 잘못되기 쉬운 부분과 특별히 주의해야 할 사항에 대한 실용적인 조언을 찾고 있다면 바로 이 책이 답입니다. 10년 전에 이 책을 읽었더라면, 교훈을 찾아 헤매던 시간을 단축할 수 있었을 겁니다. - 루카스 텐서 (트위치 ML 수석 매니저)
|