본문 바로가기

도서 소개

예제로 배우는 파이썬 머신러닝(제3판)

다양한 알고리즘과 최신 기법으로 머신러닝 개발 실무 능력 레벨업

 

 

도서구매 사이트(가나다순)

  [교보문고]  [도서11번가]  [알라딘]  [예스이십사]  [인터파크]  [쿠팡

 

출판사 제이펍
저작권사 Packt Publishing
원서명 Python Machine Learning By Example, 3rd Edition (9781800209718)
도서명 예제로 배우는 파이썬 머신러닝(제3판)
부제 텐서플로 2, 파이토치, 사이킷런으로 만들면서 배우는 다양한 인공지능 시스템
지은이 위시 (헤이든) 류
옮긴이 구정회
감수자 (없음)
시리즈 I♥A.I. 40
출판일 2022. 08. 26
페이지 480쪽
판 형 46배판변형(188*245*23.2)
제 본 무선(soft cover)
정 가 33,000원
ISBN 979-11-92469-24-9 (93000)
키워드 텐서플로, 파이토치, 사이킷런, 케라스, 딥러닝, 강화학습, 베이즈, SVM, CNN, RNN
분 야 인공지능 / 파이썬

 


관련 사이트
아마존 도서 페이지
저작권사 도서 페이지

 

관련 포스트

2022.08.31 - [출간 전 책 소식] - ML 학습 효과를 올려줄 예제로 가득한 참고서

 

관련 시리즈

아이러브 A.I.(IA.I.)

 

관련 도서

머신러닝 엔지니어링

파이썬 머신러닝 실무 테크닉 100

 

관련 파일 다운로드 

 (없음)

 

교재 검토용 증정 안내
■ 학교 및 학원에서 교재 선정을 위해 책을 파일로 검토해보고자 하는 분들은 다음 페이지에서 신청 양식을 작성해주시기 바랍니다. 확인 후 연락을 드리겠습니다. https://goo.gl/vBtPo3

강의 보조 자료(교재로 채택하신 분들은 메일(textbook@jpub.kr)을 보내주시면 다음 자료를 보내드립니다.)
■ 본문의 그림과 표

 

■ 미리보기(지은이·옮긴이 소개, 기술 감수자 소개, 옮긴이 머리말, 베타리더 후기, 감사의 글, 이 책에 대하여, 1장 일부)

 

정오표 페이지
■ (등록되는 대로 링크를 걸어드리겠습니다)

 

도서구매 사이트(가나다순)

  [교보문고]  [도서11번가]  [알라딘]  [예스이십사]  [인터파크]  [쿠팡

 

도서 소개

다양한 프레임워크, 다양한 알고리즘, 다양한 예제로 익히는 실전 머신러닝 개발

머신러닝이 업계 전반에서 널리 활용되고 있지만, 기법과 도구는 나날이 새로워지고 있어 어떤 조합을 어떤 시나리오에 적용할지 막막함을 느끼는 실무자가 많다. 이 책은 일부 알고리즘을 깊이 파고들기보다는 다양한 애플리케이션 예제를 훑고 구현함으로써 EDA, 특징 공학, 분류, 회귀, 군집화, NLP 등 영역에서의 머신러닝 알고리즘의 작동 원리를 되새길 수 있게 한다. 

 

1장은 머신러닝 기술을 개괄하고, 바로 2장부터 나이브 베이즈를 이용해 영화 추천 엔진을 구축해본다. 라이브러리 없이 ‘밑바닥부터’ 구현하는 법과 사이킷런을 이용하는 법을 모두 다루며, 이러한 방식이 이후 챕터에서도 자주 반복된다. 3장은 SVM을 설명하고 얼굴 인식이나 심전도 분류에 활용한다. 

 

4장부터 6장은 온라인 광고 클릭률 데이터셋을 사용한 예측을 살펴본다. 4장은 의사결정 트리, 랜덤 포레스트 등 트리 기반 알고리즘으로, 5장은 로지스틱 회귀로 광고 클릭률 예측기를 만들어본다. 이 과정에서 사이킷런, XGBoost, 텐서플로 등 익숙한 라이브러리들의 사용법도 익힐 수 있다. 6장은 스파크를 사용해 테라바이트 규모의 로그를 분석해봄으로써 광고 클릭률 예측기를 더욱 확장한다. 

 

7장과 8장은 누구나 관심 있는 주가 예측 문제를 다룬다. 7장에서는 회귀 기법을 자세히 설명한 다음에, 8장에서는 딥러닝의 기초인 신경망을 설명한 다음에 여러 방식으로 구현해 주가 예측에 적용해본다. 

 

9장과 10장은 뉴스그룹 데이터셋을 예시로 NLP 애플리케이션을 실습한다. NLP에서 널리 쓰이는 라이브러리들을 개괄한 다음, 토큰화, 어간 추출, 표제어 추출 등 NLP의 기초를 설명하고, 나아가 차원 축소(t-SNE), 비지도학습(주제 모델링, k-평균 군집화)까지 살펴본다. 11장은 잠시 숨을 고르고 머신러닝 작업 워크플로에서 단계별로 대표적인 모범 사례를 꼽아 살펴본다. 

 

12장과 13장은 각각 CNN과 RNN을 다룬다. 텐서플로(케라스)를 사용하여, 12장은 의류 이미지 분류기를 만들며 데이터 증강 같은 유용한 기법을 소개하고, 13장은 감정 분석과 텍스트 생성 실습을 하며 트랜스포머 같은 최신 모델도 소개한다. 마지막 14장은 OpenAI Gym 환경에서 가치 반복, 정책 반복, Q-러닝 등을 이용해 강화학습을 실습해본다. 

 

책 전체에 걸쳐 수많은 도구, 기법, 개념이 등장하지만, 하나하나를 자세히 살펴보기보다는 큰 그림과 실제 구현하는 법에 초점을 둔 책이다. 아직 다양한 개발 경험을 쌓지 못한 실무자들에게 풍성한 간접경험을 제공한다는 점이 큰 미덕이다. EDA, 특징 공학, 분류, 회귀, 군집화, NLP 등 업계에서 널리 활용되는 머신러닝 기법의 작동 원리를 살펴봄으로써 오늘날의 ‘거의 모든’ 머신러닝 커리큘럼을 접할 수 있다.

 

주요 내용

■ 머신러닝 및 데이터 과학에서 다루는 주요 개념

■ 파이썬을 활용한 데이터 마이닝 및 분석

■ 아파치 스파크로 복잡한 데이터를 이용하는 모델 훈련 확장

■ NLTK, 젠심 같은 파이썬 라이브러리를 통한 텍스트 분석 및 NLP

■ 머신러닝 모델 선택, 구축, 성능 평가, 최적화

■ 바닐라 파이썬, 텐서플로 2, 파이토치, 사이킷런 등으로 머신러닝 알고리즘 구현

 

 

지은이 소개

위시 (헤이든) 류  Yuxi (Hayden) Liu

구글의 머신러닝 소프트웨어 엔지니어. 구글 이전에는 여러 데이터 기반 도메인에서 머신러닝 과학자로 일하며 디지털 광고, 마케팅, 사이버 보안에 관한 전문 지식을 발휘했다. 현재 세계에서 가장 큰 검색 엔진에서 광고 최적화를 위한 머신러닝 모델과 시스템을 개발하고 개선하는 일을 한다.

교육에 대한 열정이 커 여러 머신러닝 도서를 집필했다. 첫 책인 《Python Machine Learning By Example》의 초판은 2017년과 2018년에 아마존에서 베스트셀러 1위에 올랐으며 다양한 언어로 번역되었다. 집필한 책으로는 《Machine Learning with PyTorch and Scikit-Learn》(2022), 《Deep Learning with R for Beginners》(2019), 《Hands-On Deep Learning Architectures with Python》(2019), 《R Deep Learning Projects》(이상 Packt, 2018)가 있다.

 

 

옮긴이 소개

구정회

연세대학교 전자공학과를 졸업하고, 포항공대에서 컴퓨터비전 전공으로 석사, 연세대학교에서 통신신호처리 전공으로 박사 학위를 취득했다. 현재 삼성리서치(Samsung Research)에서 컴퓨터비전 관련 딥러닝 연구를 하고 있다. 틈틈이 눈과 카메라를 통해 발견하는 즐거움을 찾으며, 하루하루 일상을 살고 있다. 제이펍에서 《쏙쏙 들어오는 인공지능 알고리즘》(2021년 세종도서 학술부문도서 선정), 《머신러닝 엔지니어링》(2022년 대한민국학술원 우수학술도서 선정)을 번역했다.

 

 

차례

지은이·옮긴이 소개 xiii

기술 감수자 소개 xiv

옮긴이 머리말 xv

베타리더 후기 xvii

감사의 글 xix

이 책에 대하여 xx

 

CHAPTER 1 머신러닝과 파이썬 시작하기 1

1.1 머신러닝 소개 2

1.2 머신러닝의 전제 조건 7

1.3 세 가지 유형의 머신러닝 시작하기 8

1.4 머신러닝의 핵심 파헤치기 11

1.5 데이터 처리와 특징 공학 23

더보기

1.6 모델 결합 29

1.7 소프트웨어 설치 및 설정 34

1.8 요약 39

1.9 연습 문제 39

 

CHAPTER 2 나이브 베이즈를 이용한 영화 추천 엔진 구축 41

2.1 분류 시작하기 42

2.2 나이브 베이즈 45

2.3 나이브 베이즈 구현 52

2.4 나이브 베이즈를 이용한 영화 추천기 구축 57

2.5 분류 성능 평가 62

2.6 교차 검증으로 모델 조정 66

2.7 요약 69

2.8 연습 문제 69

2.9 참고 문헌 70

 

CHAPTER 3 서포트 벡터 머신을 이용한 얼굴 인식 71

3.1 SVM으로 구분 경계 탐색 72

3.2 SVM을 이용한 얼굴 이미지 분류 90

3.3 태아심박동검사에서 태아 상태 분류 96

3.4 요약 98

3.5 연습 문제 99

 

CHAPTER 4 트리 기반 알고리즘을 이용한 온라인 광고 클릭률 예측 101

4.1 광고 클릭률 예측의 개요 102

4.2 두 가지 유형의 데이터로 시작하기: 수치형과 범주형 103

4.3 루트에서 리프까지 의사결정 트리 탐색 104

4.4 밑바닥부터 구현하는 의사결정 트리 115

4.5 사이킷런을 이용한 의사결정 트리 구현 123

4.6 의사결정 트리를 이용한 광고 클릭률 예측 124

4.7 의사결정 트리 앙상블: 랜덤 포레스트 130

4.8 의사결정 트리 앙상블: 그레이디언트 부스티드 트리 132

4.9 요약 135

4.10 연습 문제 135

 

CHAPTER 5 로지스틱 회귀를 이용한 온라인 광고 클릭률 예측 137

5.1 범주형 특징을 수치형으로 변환: 원-핫 인코딩과 순서 인코딩 138

5.2 로지스틱 회귀를 이용한 데이터 분류 141

5.3 로지스틱 회귀 모델 훈련 146

5.4 온라인 학습을 통한 대규모 데이터셋 훈련 158

5.5 다중 클래스 분류 161

5.6 텐서플로를 이용한 로지스틱 회귀 구현 163

5.7 랜덤 포레스트를 이용한 특징 선택 165

5.8 요약 167

5.9 연습 문제 167

 

CHAPTER 6 테라바이트 규모의 클릭 로그 예측 169

6.1 아파치 스파크의 핵심 배우기 170

6.2 파이스파크 프로그래밍 175

6.3 스파크를 통한 대규모 클릭 로그 학습 178

6.4 스파크를 이용한 범주형 변수의 특징 공학 189

6.5 요약 195

6.6 연습 문제 196

 

CHAPTER 7 회귀 알고리즘을 이용한 주가 예측 197

7.1 주식시장과 주가의 개요 198

7.2 회귀란 무엇인가? 199

7.3 주가 데이터 수집 200

7.4 선형회귀를 이용한 추정 210

7.5 의사결정 트리 회귀를 이용한 추정 217

7.6 서포트 벡터 회귀를 이용한 추정 225

7.7 회귀 성능 평가 226

7.8 회귀 알고리즘 세 가지를 이용한 주가 예측 228

7.9 요약 233

7.10 연습 문제 233

 

CHAPTER 8 인공 신경망을 이용한 주가 예측 235

8.1 신경망의 이해 236

8.2 신경망 구축 242

8.3 적절한 활성화 함수 선택 248

8.4 신경망의 과적합 방지 249

8.5 신경망을 이용한 주가 예측 251

8.6 요약 259

8.7 연습 문제 259

 

CHAPTER 9 텍스트 분석 기법을 이용한 20개 뉴스그룹 데이터셋 분석 261

9.1 컴퓨터가 언어를 이해하는 방법: NLP 262

9.2 인기 있는 NLP 라이브러리와 NLP 기초 265

9.3 뉴스그룹 데이터 가져오기 274

9.4 뉴스그룹 데이터 탐색 276

9.5 텍스트 데이터의 특징 고려 279

9.6 t-SNE를 이용한 뉴스그룹 데이터 시각화 286

9.7 요약 289

9.8 연습 문제 290

 

CHAPTER 10 군집화와 주제 모델링을 이용한 뉴스그룹 데이터셋의 기본 주제 찾기 291

10.1 선생님 없이 학습하기: 비지도학습 292

10.2 k-평균을 이용한 뉴스그룹 데이터 군집화 293

10.3 뉴스그룹 이면의 주제 발견 311

10.4 요약 318

10.5 연습 문제 319

 

CHAPTER 11 머신러닝 모범 사례 321

11.1 머신러닝 솔루션 워크플로 322

11.2 데이터 준비 단계의 모범 사례 323

11.3 훈련셋 생성 단계의 모범 사례 329

11.4 모델 훈련, 평가, 선택 단계의 모범 사례 340

11.5 배포와 모니터링 단계의 모범 사례 345

11.6 요약 349

11.7 연습 문제 350

 

CHAPTER 12 합성곱 신경망을 이용한 옷 이미지 분류 351

12.1 CNN의 구성 요소 352

12.2 분류를 위한 CNN 구조 설계 356

12.3 옷 이미지 데이터셋 358

12.4 CNN을 이용한 옷 이미지 분류 361

12.5 데이터 증강을 통한 CNN 분류기 강화 369

12.6 데이터 증강을 통한 옷 이미지 분류기 개선 375

12.7 요약 378

12.8 연습 문제 378

 

CHAPTER 13 순환 신경망을 이용한 시퀀스 예측 379

13.1 순차 학습 소개 380

13.2 예시를 통해 배우는 RNN 구조 380

13.3 RNN 모델 훈련 386

13.4 장단기 메모리를 이용한 장기 의존성 극복 387

13.5 RNN을 이용한 영화 리뷰 감정 분석 390

13.6 RNN으로 나만의 《전쟁과 평화》 작성하기 398

13.7 트랜스포머 모델을 이용한 언어 이해도 향상 409

13.8 요약 412

13.9 연습 문제 412

 

CHAPTER 14 강화학습을 이용한 복잡한 환경에서의 의사결정 413

14.1 작업 환경 설정 413

14.2 예시를 이용한 강화학습 소개 417

14.3 동적 프로그래밍을 이용한 FrozenLake 환경 해결 421

14.4 몬테카를로 학습 수행 432

14.5 Q-러닝 알고리즘으로 택시 문제 풀기 441

14.6 요약 449

14.7 연습 문제 449

 

찾아보기 450

 

 

제이펍 소식 더 보기(제이펍의 소통 채널에서 더욱 다양한 소식을 확인하세요!)

  네이버 책  포스트  유튜브  인스타그램  트위터  페이스북