| 000 | 00000nam c2200205 c 4500 | |
| 001 | 000045857137 | |
| 005 | 20230224163927 | |
| 007 | ta | |
| 008 | 160113s2016 ggkad 001c kor | |
| 020 | ▼a 9788960778108 ▼g 94000 | |
| 020 | 1 | ▼a 9788960772106 (Set) |
| 040 | ▼a 211009 ▼c 211009 ▼d 211009 | |
| 041 | 1 | ▼a kor ▼h eng |
| 082 | 0 4 | ▼a 006.31 ▼2 23 |
| 085 | ▼a 006.31 ▼2 DDCK | |
| 090 | ▼a 006.31 ▼b 2016z1 | |
| 100 | 1 | ▼a Garreta, Raúl |
| 245 | 1 0 | ▼a 파이썬과 기계 학습 : ▼b scikit-learn을 활용한 / ▼d 라울 가레타, ▼e 기예르모 몬세치 지음 ; ▼e 전철욱 옮김 |
| 246 | 1 9 | ▼a Learning scikit-learn : ▼b machine learning in Python : experience the benefits of machine learning techniques by applying them to real-world problems using Python and the open source scikit-learn library |
| 260 | ▼a 의왕 : ▼b 에이콘, ▼c 2016 | |
| 300 | ▼a 142 p. : ▼b 삽화, 도표 ; ▼c 24 cm | |
| 440 | 0 0 | ▼a acorn+PACKT technical book |
| 500 | ▼a 색인수록 | |
| 500 | ▼a 기술감수자: 안드레아스 요르트가드 다니엘슨(Andreas Hjortgaard Danielsen), 노엘 다웨(Noel Dawe), 개빈 핵클링(Gavin Hackeling) | |
| 650 | 0 | ▼a Machine learning |
| 650 | 0 | ▼a Python (Computer program language) |
| 700 | 1 | ▼a Moncecchi, Guillermo, ▼e 저 |
| 700 | 1 | ▼a 전철욱, ▼e 역 ▼0 AUTH(211009)1319 |
| 900 | 1 0 | ▼a 가레타, 라울, ▼e 저 |
| 900 | 1 0 | ▼a 몬세치, 기예르모, ▼e 저 |
| 945 | ▼a KLPA |
Holdings Information
| No. | Location | Call Number | Accession No. | Availability | Due Date | Make a Reservation | Service |
|---|---|---|---|---|---|---|---|
| No. 1 | Location Science & Engineering Library/Sci-Info(Stacks1)/ | Call Number 006.31 2016z1 | Accession No. 121235304 | Availability Available | Due Date | Make a Reservation | Service |
Contents information
Book Introduction
acorn+PACKT 시리즈. 기계 학습은 새로운 컴퓨팅 환경에서 해결책을 제시하고 있다. 넘쳐나는 데이터에서 새로운 정보를 찾기는 쉽지 않다. 사용자가 원하는 정보, 사람 대신 인지해야 할 정보, 사업의 미래를 결정하는 정보. 그 가운데 기계 학습이 있다. 이 책은 어려운 수식을 설명하는 대신 쉽게 구할 수 있는 예제로 기계 학습의 핵심을 설명하고 있다. 파이썬 기계 학습 라이브러리인 scikit-learn은 가장 대중적이며 쉽게 접근할 수 있는 도구로, 기계 학습을 처음 접하는 독자에게 큰 버팀목이 될 것이다.
★ 요약 ★
수식 없이 시작하는 기계 학습
기계 학습은 새로운 컴퓨팅 환경에서 해결책을 제시하고 있다. 넘쳐나는 데이터에서 새로운 정보를 찾기는 쉽지 않다. 사용자가 원하는 정보, 사람 대신 인지해야 할 정보, 사업의 미래를 결정하는 정보. 그 가운데 기계 학습이 있다. 이 책은 어려운 수식을 설명하는 대신 쉽게 구할 수 있는 예제로 기계 학습의 핵심을 설명하고 있다. 파이썬 기계 학습 라이브러리인 scikit-learn은 가장 대중적이며 쉽게 접근할 수 있는 도구로, 기계 학습을 처음 접하는 독자에게 큰 버팀목이 될 것이다.
★ 이 책에서 다루는 내용 ★
■ 파이썬 환경에서 scikit-learn 설치
■ 서포트 벡터 머신(Support Vector Machine)이나 나이브 베이즈(Na?ve Bayes) 등 다양한 기법을 활용함으로써 속성에 기반한 사물(문서, 얼굴, 꽃의 품종 등) 분류
■ 타이타닉호 탑승객의 생존 같은 특정 현상의 주원인을 설명하기 위해 결정 트리 사용
■ 회귀 기법으로 주택 가격 예측
■ 차원 축소를 사용한 데이터 분석과 시각화
■ 모델 선택을 통한 모델의 최적 매개변수 선택
■ 병렬 기술을 통한 모델 성능 향상
★ 이 책의 대상 독자 ★
기계 학습과 데이터 기반에 대한 소프트웨어 기술을 습득하고자 하는 개발자를 대상으로 한다.
★ 이 책의 구성 ★
1장, '기계 학습: 친절한 소개'에서는 간단한 분류(classification) 문제를 해결하면서 기계 학습의 주요한 개념을 알아본다. 꽃의 특성을 바탕으로 꽃 품종을 판별한다.
2장, '지도 학습'에서는 네 가지 분류 기법인 서포트 벡터 머신(Support Vector Machine), 나이브 베이즈(Na?ve Bayes), 결정 트리(decision tree), 랜덤 포레스트(Random Forests)를 소개하고 이러한 기법을 얼굴 인식, 텍스트 분류, 그리고 타이타닉호 사고에서 탑승객이 생존할 수 있었던 이유를 설명하는 데 사용한다. 보스턴 주택 가격을 예측하기 위해 서포트 벡터 머신과 랜덤 포레스트를 다시 보고 선형 모델(Linear Model)을 살펴본다.
3장, '비지도 학습'에서는 고차원 데이터를 2차원으로 시각화하기 위해 주성분 분석(Principal Component Analysis)으로 차원을 축소하는 기법을 살펴본다. k평균(k-means) 알고리즘을 사용해 유사성에 따라 손글씨 숫자의 인스턴스를 무리 짓는 군집화 기술을 소개한다.
4장, '고급 기능'에서는 데이터를 전처리하고 학습을 위해 최적의 속성을 선택하는 속성 선택(Feature Selection) 기법을 소개하며, 모델 선택(Model Selection) 기법도 살펴본다. 이용할 수 있는 데이터와 병렬 계산(parallel computation)을 활용해 최적의 매개변수를 선택한다.
Information Provided By: :
Author Introduction
라울 가레타(지은이)
기계 학습(Machine Learning)과 자연어 처리(NLP)를 전공했고, 인공지능(AI, Artificial Intelligence)의 이론과 실무에 경험이 많은 컴퓨터 엔지니어다. 과학 애플리케이션, 기술, 인터넷 산업 및 스타트업 등 혁신적 사업에 관심이 많으며, 비디오 게임부터 주입형 의료 기기까지 다양한 제품을 다루는 여러 소프트웨어 회사에서 일했다. 2009년에는 인공지능을 지능형 소프트웨어 제품 개발에 적용하고자 Tryolabs를 공동 창업했다. 현재는 CTO이자 제품 관리자다. Tryolabs의 전문 기술은 NLP, 기계 학습 애플리케이션, 파이썬 프로그래밍 언어이며, 실리콘밸리의 많은 고객에게 기술 서비스를 제공하고 있다. 우루과이의 파이썬 커뮤니티와 공동 결성한 지역 PyDay와 PyCon 컨퍼런스에서도 활동하고 있다. 2007년부터 우루과이의 공화국대학교(Universidad de la Rep?blica)의 컴퓨터 학과에서 조교수로 근무하고 있다. 기계 학습, NLP, 오토마타 이론과 정형 언어 수업을 맡고 있다. 기계 학습과 NLP로 석사 학위를 마쳤으며 로보틱스(Robotics), 퀀텀 컴퓨팅(Quantum Computing), 인지 모델링(Cognitive Modeling)의 연구와 애플리케이션에 관심이 많다. 열렬한 기술 지지자이자 SF소설 애독자이며 영화, 사진, 그림과 같은 예술의 열혈 팬이다.
기예르모 몬세치(지은이)
우루과이 공화국대학교의 자연어 처리(NLP) 연구원이다. 우루과이 공화국대학교에서 인포매틱스로 박사 학위를 받았고 프랑스 파리 제10대학(Universit? Paris Ouest)에서 언어 과학으로도 박사 학위를 취득했다. NLP에 관한 몇몇 국제적인 프로젝트에 참여했고 오토마타 이론, 자연어 처리, 기계 학습을 근 15년째 가르치고 있다. 우루과이 수도인 몬테비데오 의회의 최고 개발자로 일하고 있으며 일부 의회 공공 서비스, 특히 지리정보 시스템을 개발했다. 몬테비데오의 데이터 공개 및 이용을 촉구하는 몬테비데오 오픈 데이터 무브먼트(Montevideo Open Data movement) 대표 중 한 명이다.
전철욱(옮긴이)
웹의 개방성, 파이썬의 기민성, 기계 학습의 예측성을 좋아한다. 공익을 위한 재능을 만들고자 노력 중이다. 호주에서 여우 세 마리에게 잡혀 살고 있다. 에이콘출판사의 『파이썬과 기계 학습』(2015), 『Julia 프로그래밍』(2015), 『Building Machine Learning Systems with Python 한국어판 (개정판)』(2015)과 『R을 활용한 기계 학습』(2014)을 번역했다.
Table of Contents
1장 기계 학습: 친절한 소개 __scikit-learn 설치 ____리눅스 ____맥 ____윈도우 ____설치 확인 __첫 번째 기계 학습 기법: 선형 분류 __결과 평가 __기계 학습 종류 __기계 학습에 관련된 중요한 개념 __요약 2장 지도 학습 __서포트 벡터 머신과 이미지 인식 ____서포트 벡터 머신 훈련 __나이브 베이즈로 텍스트 분류 ____데이터 전처리 ____나이브 베이즈 분류기 훈련 ____성능 평가 __결정 트리와 타이타닉 가설 설명 ____데이터 전처리 ____결정 트리 분류기 훈련 ____결정 트리 해석 ____랜덤 포레스트: 무작위 결정 ____성능 평가 __회귀로 주택 가격 예측 ____첫 번째 도전: 선형 모델 ____두 번째 도전: 회귀를 위한 서포트 벡터 머신 ____세 번째 도전: 랜덤 포레스트 다시 보기 ____평가 __요약 3장 비지도 학습 __주성분 분석 __k평균으로 손글씨 숫자 군집화 __다른 군집 기법 __요약 4장 고급 기능 __속성 추출 __속성 선택 __모델 선택 __격자 검색 __병렬 격자 검색 __요약
