HOME > 상세정보

상세정보

웹을 위한 머신 러닝 : 머신 러닝을 활용한 영화 추천 및 감성 분석 웹 애플리케이션 개발

웹을 위한 머신 러닝 : 머신 러닝을 활용한 영화 추천 및 감성 분석 웹 애플리케이션 개발 (29회 대출)

자료유형
단행본
개인저자
Isoni, Andrea 윤성진, 역
서명 / 저자사항
웹을 위한 머신 러닝 : 머신 러닝을 활용한 영화 추천 및 감성 분석 웹 애플리케이션 개발 / 안드레아 아이소니 지음 ; 윤성진 옮김
발행사항
서울 :   에이콘,   2017  
형태사항
326 p. : 삽화 ; 24 cm
총서사항
acorn+PACKT technical book
원표제
Machine learning for the web
ISBN
9788960779877 9788960772106 (Set)
일반주기
색인수록  
기술감수: 세탄 크하트리(Chetan Khatri), 파반 쿠마르 코룰루(Pavan Kumar Kolluru), 디판잔 사카(Dipanjan Sarkar)  
일반주제명
Machine learning Python (Computer program language)
000 00000cam c2200205 c 4500
001 000045906356
005 20170524112515
007 ta
008 170524s2017 ulka 001c kor
020 ▼a 9788960779877 ▼g 94000
020 1 ▼a 9788960772106 (Set)
035 ▼a (KERIS)BIB000014469529
040 ▼a 211062 ▼c 211062 ▼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 2017z4
100 1 ▼a Isoni, Andrea
245 1 0 ▼a 웹을 위한 머신 러닝 : ▼b 머신 러닝을 활용한 영화 추천 및 감성 분석 웹 애플리케이션 개발 / ▼d 안드레아 아이소니 지음 ; ▼e 윤성진 옮김
246 1 9 ▼a Machine learning for the web
260 ▼a 서울 : ▼b 에이콘, ▼c 2017
300 ▼a 326 p. : ▼b 삽화 ; ▼c 24 cm
440 0 0 ▼a acorn+PACKT technical book
500 ▼a 색인수록
500 ▼a 기술감수: 세탄 크하트리(Chetan Khatri), 파반 쿠마르 코룰루(Pavan Kumar Kolluru), 디판잔 사카(Dipanjan Sarkar)
650 0 ▼a Machine learning
650 0 ▼a Python (Computer program language)
700 1 ▼a 윤성진, ▼e
900 1 0 ▼a 아이소니, 안드레아, ▼e
945 ▼a KLPA

소장정보

No. 소장처 청구기호 등록번호 도서상태 반납예정일 예약 서비스
No. 1 소장처 과학도서관/Sci-Info(1층서고)/ 청구기호 006.31 2017z4 등록번호 121240338 도서상태 대출중 반납예정일 2021-11-01 예약 예약가능 R 서비스 M
No. 2 소장처 과학도서관/Sci-Info(1층서고)/ 청구기호 006.31 2017z4 등록번호 121243955 도서상태 대출중 반납예정일 2021-11-20 예약 서비스 M

컨텐츠정보

책소개

머신 러닝과 함께 웹 마이닝, 자연어 처리 기법을 활용해 영화를 추천하고 영화 리뷰에 대한 감성을 분석하는 웹 애플리케이션을 직접 구현해볼 수 있도록 관련 이론과 예시를 실용적으로 제시한다. 약간의 파이썬 프로그래밍 능력과 통계 지식을 갖추었거나, 머신 러닝을 학습하고 이를 웹 애플리케이션에 적용하는 데 관심이 있는 입문자에게 적합하다.

머신 러닝 기본 개념과 전문 용어부터 유용한 군집화와 분류 기법, 파이썬 구현 예제, 웹사이트에서 데이터 마이닝을 하기 위한 툴과 기법, 장고 프레임워크에 대한 기반 지식을 소개하며 이를 통한 영화 추천 시스템, 영화 리뷰 감성 분석 애플리케이션의 성공적 구현과 배포를 목적으로 한다.

머신 러닝과 함께 웹 마이닝, 자연어 처리 기법을 활용해 영화를 추천하고 영화 리뷰에 대한 감성을 분석하는 웹 애플리케이션을 직접 구현해볼 수 있도록 관련 이론과 예시를 실용적으로 제시한다. 실습을 통해 머신 러닝을 학습하고 이를 웹 애플리케이션에 적용하는 데 관심 있는 입문자에게 이 책은 좋은 길라잡이가 될 것이다.

★ 이 책에서 다루는 내용 ★
■ 머신 러닝 기본 개념과 전문 용어
■ 가장 유용한 군집화와 분류 기법, 파이썬 구현 예제
■ 웹사이트에서 데이터 마이닝을 하기 위한 툴과 기법
■ 장고 프레임워크의 핵심 개념
■ 장고 웹 애플리케이션 구현을 위한 기반 지식
■ 장고 영화 추천 시스템, 영화 리뷰 감성 분석 애플리케이션의 성공적 구현과 배포

★ 이 책의 대상 독자 ★
머신 러닝에 대해 관심이 있거나 데이터 과학 분야에서 경력을 쌓고자 한다면 약간의 파이썬 프로그래밍 능력과 통계 지식을 갖춘 사람은 누구든지 도움이 될 것이다.

★ 이 책의 구성 ★
1장, '파이썬 기반의 실용적 머신 러닝 소개'에서는 머신 러닝의 주요 개념과 데이터 과학 전문가들이 데이터를 다룰 때 사용하는 파이썬 라이브러리에 대해 설명한다.
2장, '머신 러닝 기법: 자율 학습'에서는 데이터 집합을 군집화하고 데이터로부터 주요 특징을 추출할 때 사용하는 알고리즘을 설명한다.
3장, '머신 러닝 기법: 지도 학습'에서는 데이터 집합의 레이블을 예측하는 데 가장 많이 사용하는 지도 알고리즘을 설명한다.
4장, '웹 마이닝 기법'에서는 웹 데이터로부터 정보를 구성, 분석, 추출하는 주요 기법에 대해 설명한다.
5장, '추천 시스템'에서는 비즈니스 환경에서 가장 유명한 추천 시스템(recommendation system)에 대해 자세히 설명한다.
6장, '장고 시작'에서는 장고의 특징과 웹 애플리케이션 개발을 위한 특성을 소개한다.
7장, '영화 추천시스템 웹 애플리케이션'에서는 5장과 6장에서 구현한 머신 러닝 개념을 실습하기 위해 최종 웹 사용자에게 영화를 추천하는 예제를 살펴본다.
8장, '영화 리뷰에 대한 감성 분석 애플리케이션'에서는 3장, 4장, 5장에서 설명했던 지식을 활용해 온라인 영화 리뷰에 대한 감성 분석과 중요도 분석을 하는 예제를 살펴본다.


정보제공 : Aladin

저자소개

안드레아 아이소니(지은이)

데이터 과학자며 물리학 박사이자 물리 전문가다. 소프트웨어 개발자로서도 폭넓은 경험이 있다. 머신 러닝 알고리즘과 기법에 대해 넓은 지식이 있으며, 파이썬(python), C/C++, 자바(java), 자바스크립트(javascript), C#, SQL, HTML, 하둡(hadoop) 등의 멀티프로그래밍 언어에 대한 경험이 있다.

윤성진(옮긴이)

KAIST 전산학과에서 컴퓨터 그래픽스를 전공했으며 LG전자 전자기술원, 티맥스소프트, 액센추어 등에서 소프트웨어 연구 개발, 미들웨어 및 모듈형 로봇 플랫폼 제품 기획 업무를 수행했습니다. 인공지능 전문가로서 한국외국어대학교에서 딥러닝, 자료구조, 데이터마이닝 등을 가르쳤습니다. 현재 인공지능 연구원(AIRI)에서 딥러닝과 강화학습, 메타학습을 활용한 금융 인공지능 솔루션 개발을 총괄하고 있습니다.

정보제공 : Aladin

목차

1장. 파이썬 기반의 실용적 머신 러닝 소개 
__머신 러닝 기본 개념 
____머신 러닝 예제 
________모듈(라이브러리) 설치와 가져오기 
__데이터의 준비, 조작, 시각화: NumPy, pandas, matplotlib 튜토리얼 
____NumPy 사용 
________배열 생성 
________배열 조작 
________배열 연산 
________선행 대수 연산 
________통계 및 수학 함수 
____pandas 모듈 이해 
________데이터 탐색 
________데이터 조작 
____Matplotlib 튜토리얼 
__이 책에서 사용된 과학 라이브러리 
__머신 러닝을 사용할 때 
__요약 

2장. 머신 러닝 기법: 자율 학습 
__군집화 알고리즘 
____확률 분포 방식 
________EM 알고리즘 
________가우시안 혼합 
____중심 방식 
________k 평균 
____밀도 방식 
________평균 이동 
____계층 방식 
________군집화 방법의 훈련과 비교 
__차원 축소 
____주성분 분석 
________PCA 예제 
__특이값 분해 
__요약 

3장. 머신 러닝 기법: 지도 학습 
__모델 오류 평가 
__일반화 선형 모델 
____선형 회귀 
____리지 회귀 
____라소 회귀 
____로지스틱 회귀 
____일반화 선형 모델에 대한 확률적 해석 
____k 근접 이웃법(KNN) 
__나이브 베이즈 
____다항 분포 나이브 베이즈 
____가우시안 나이브 베이즈 
__의사 결정 트리 
__서포트 벡터 머신 
____커널 트릭 
__방법 간의 비교 
____회귀 분석 문제 
____분류 문제 
__히든 마르코프 모델 
____파이썬 예제 
__요약 

4장. 웹 마이닝 기법 
__웹 구조 마이닝 
____웹 크롤러(스파이더) 
____인덱서 
____랭킹: 페이지 랭크 알고리즘 
__웹 콘텐츠 마이닝 
____파싱 
__자연어 처리 
____정보 검색 모델 
________TF-IDF 
________잠재 의미 분석(LSA) 
________Doc2Vec(word2vec) 
________Word2vec: CBOW와 스킵그램 아키텍처 
________CBOW 모델의 수학적 설명 
________Doc2Vec 확장 
________영화 리뷰 쿼리 예제 
__사후 처리 정보 
____잠재 디리클레 할당 
________모델 
________예제 
____오피니언 마이닝(감성 분석) 
__요약 

5장. 추천 시스템 
__유틸리티 행렬 
__유사도 척도 
__협업 필터링 방법 
____메모리 기반 협업 필터링 
________사용자 기반 협업 필터링 
________아이템 기반 협업 필터링 
________가장 단순한 아이템 기반 협업 필터링: 슬롭원 
____모델 기반 협업 필터링 
________교대 최소 제곱법 
________확률 내리막 경사법 
________비음수 행렬 분해 
________특이값 분해 
__CBF 방법 
____아이템 특징 평균 방법 
____정규화된 선형 회귀 분석 방법 
__추천 시스템 학습을 위한 연관 규칙 
__로그 우도비 추천 시스템 방법 
__하이브리드 추천 시스템 
__추천 시스템 평가 
____평균 제곱근 오차 평가 
____분류 척도 
__요약 

6장. 장고 시작 
__HTTP: GET, POST 메소드 기초 
____설치와 서버 생성 
____설정 
__앱 작성: 주요 기능 
____모델 
____HTML 웹 페이지 URL과 뷰 
________HTML 페이지 
____URL 선언과 뷰 
__어드민 
____셸 인터페이스 
____명령 
____RESTful 애플리케이션 프로그래밍 인터페이스(API) 
__요약 

7장. 영화 추천 시스템 웹 애플리케이션 
__애플리케이션 설정 
__모델 
__명령 
__사용자 등록 및 로그인/로그아웃 구현 
__정보 검색 시스템(영화 쿼리) 
__평점 시스템 
__추천 시스템 
__어드민 인터페이스와 API 
__요약 

8장. 영화 리뷰에 대한 감성 분석 애플리케이션 
__애플리케이션 사용법 개요 
__검색 엔진 선택과 애플리케이션 코드 
__Scrapy 설정과 애플리케이션 코드 
____Scrapy 설정 
____스크랩퍼 
____파이프라인 
____크롤러 
__장고 모델 
__장고와 Scrapy 통합 
____명령(감성 분석 모델과 쿼리 삭제) 
____감성 분석 모델 로더 
____실행 완료 쿼리 삭제 
____감성 리뷰 분석기: 장고 뷰와 HTML 
__페이지 랭크: 장고 뷰와 알고리즘 코드 
__어드민과 API 
__요약

관련분야 신착자료

National Academies of Sciences, Engineering, and Medicine (U.S.) (2020)
Cartwright, Hugh M. (2021)
한국소프트웨어기술인협회. 빅데이터전략연구소 (2021)