HOME > 상세정보

상세정보

머신 러닝 부트캠프 with 파이썬 (17회 대출)

자료유형
단행본
개인저자
김은철, 역 유세라, 역 이기홍, 감수
단체저자명
システム計劃研究所
서명 / 저자사항
머신 러닝 부트캠프 with 파이썬 = Machine learning boot camp with Python / 시스템 계획 연구소 지음 ; 김은철, 유세라 옮김
발행사항
서울 :   길벗,   2018  
형태사항
260 p. : 삽화(일부천연색) ; 24 cm
원표제
Pythonによる機械学習入門
ISBN
9791160504842
일반주기
감수: 이기홍  
부록: A. 파이썬으로 만드는 머신 러닝, B. 선형대수 복습과 대표적인 비선형 모델  
서지주기
참고문헌(p. 249-252)과 색인수록
000 00000cam c2200205 c 4500
001 000045955984
005 20181002111147
007 ta
008 181002s2018 ulka b 001c kor
020 ▼a 9791160504842 ▼g 93000
035 ▼a (KERIS)BIB000014837865
040 ▼a 222003 ▼c 222003 ▼d 211009
041 1 ▼a kor ▼h jpn
082 0 4 ▼a 006.31 ▼a 005.133 ▼2 23
085 ▼a 006.31 ▼2 DDCK
090 ▼a 006.31 ▼b 2018z23
110 ▼a システム計劃研究所
245 1 0 ▼a 머신 러닝 부트캠프 with 파이썬 = ▼x Machine learning boot camp with Python / ▼d 시스템 계획 연구소 지음 ; ▼e 김은철, ▼e 유세라 옮김
246 1 9 ▼a Pythonによる機械学習入門
246 3 ▼a Paison ni yoru kikai gakushū nyūmon
260 ▼a 서울 : ▼b 길벗, ▼c 2018
300 ▼a 260 p. : ▼b 삽화(일부천연색) ; ▼c 24 cm
500 ▼a 감수: 이기홍
500 ▼a 부록: A. 파이썬으로 만드는 머신 러닝, B. 선형대수 복습과 대표적인 비선형 모델
504 ▼a 참고문헌(p. 249-252)과 색인수록
700 1 ▼a 김은철, ▼e
700 1 ▼a 유세라, ▼e
700 1 ▼a 이기홍, ▼e 감수
910 0 ▼a Shisutemu Keikaku Kenkyūjo, ▼e
910 0 ▼a 시스템계획연구소, ▼e
945 ▼a KLPA

소장정보

No. 소장처 청구기호 등록번호 도서상태 반납예정일 예약 서비스
No. 1 소장처 과학도서관/Sci-Info(1층서고)/ 청구기호 006.31 2018z23 등록번호 121246086 도서상태 대출가능 반납예정일 예약 서비스 B M

컨텐츠정보

책소개

단기간에 핵심만 빠르게 익힌다! 파이썬으로 배우는 머신 러닝. 복잡한 환경 설정? NO! 아나콘다 설치만으로 충분하다. 아나콘다 설치부터 사이킷런을 활용한 분류, 회귀, 클러스터링으로 기초를 탄탄하게 다진 후 손 모양 분류와 센서 데이터를 활용한 회귀 문제로 실전 감을 익힌다. 부록에서는 간단한 알고리즘과 선형대수 핵심 개념도 설명해 다음 단계로 넘어가기 위한 준비를 할 수 있다.

머신 러닝, 파이썬으로 쉽고 빠르게 입문한다!

복잡한 프레임워크에 의존하지 않고 파이썬만으로 머신 러닝을 시작한다. 아나콘다 설치부터 분류와 회귀 기본 문제, 손 모양 분류와 센서 데이터를 사용한 회귀와 같은 실전 문제까지 직접 구현하고 움직여 보며 핵심 원리를 이해할 수 있다. 마지막으로 파이썬으로 간단한 알고리즘을 구현해 보고, 선형대수의 핵심 개념을 살펴보면서 자신만의 머신 러닝을 만들 수 있는 발판을 마련할 수 있다.


정보제공 : Aladin

저자소개

주식회사 시스템 계획 연구소(지은이)

1977년에 창업한 독립계 연구 개발형의 소프트웨어 회사로, AI와 소프트웨어로 새로운 가치를 창조하는 것을 목표로 한다. AI, 영상 처리, 통신·네트워크, 제어·우주, 의료 정보의 각 분야를 중심으로 해서 더 깊고, 더 첨단인 고급 기술을 강하게 지향하며 더욱 높은 가치를 제공한다. 연구 개발/시스템 개발/분석 지원/AI와 시스템 개발 컨설팅/시스템 통합/제품 개발 등의 사업을 한다. 공식 사이트 http://www.isp.co.jp 기술 공개 사이트 http://wazalabo.com

김은철(옮긴이)

㈜아이티에스 대표이며, AWS 기반한 IoT 실시간 서비스를 개발해 운영 중이다. 일본법인 ㈜아이티에스 대표 및 엘피에이아카데미 전임강사(C, C++, MFC, Network, Database)였고, 한화S&C㈜에서 근무했다. 저서로는 <예제가 가득한 C 언어 길라잡이>, <초보자를 위한 C 언어 300제>, <윈도우 프로그래밍 플러스>, 역서로는 <유니티5 교과서>, <예제로 배우는 핵심 패턴 안드로이드 프로그래밍>, <아이폰 프로그래밍 UIKit 핵심 바이블>, , <예제가 가득한 Java/JavaScript/Android/iOS 프로그래밍> 외 다수가 있다. 최근에는 블록체인, 인공지능 관련 사업을 하고 있다(ceo@k2apps.kr).

유세라(옮긴이)

한국을 거쳐 일본에서 IT 엔지니어로 활동했으며, 현재는 (주)컴온히어 IT 기업 대표로 스마트 앱, 모바일 앱 사업을 하고 있으며, 일본 전문 서적 번역가로도 활동하고있다. 역서로는 <모두의 알고리즘>, , <딥러닝 워크북>, <머신 러닝 부트캠프 with 파이썬>, <예제로 배우는 핵심 패턴 안드로이드 프로그래밍>, <아이폰 프로그래밍 UIKit 핵심 바이블>, <예제로 배우는 아이폰 프로그래밍 핵심 바이블>, <스위프트로 만드는 실전강좌! 아이폰 앱 프로그래밍>, <유니티 게임 프로그래밍 바이블>, <가장 쉬운 파이썬 입문교실>, <수학으로 배우는 파이썬>, <게임으로 배우는 파이썬> 등이 있다.

이기홍(감수)

카네기멜론 대학교에서 석사 학위를 받았고, 피츠버그 대학교 Finance Ph.D, CFA,FRM이며, 금융, 투자, 경제분석 전문가다. 삼성생명, HSBC, 새마을금고 중앙회, 한국투자공사 등과 같은 국내 유수의 금융 기관, 금융 공기업에서 자산운용 포트폴리오 매니저로 근무했으며, 현재 딥러닝과 강화학습을 금융에 접목시켜 이를 전파하고 저변을 확대하는 것을 보람으로 삼고 있다. 저서로는 『엑셀 VBA로 쉽게 배우는 금융공학 프로그래밍』(한빛미디어, 2009)이 있으며, 번역서로는 『포트폴리오 성공 운용』(미래에셋투자교육연구소, 2010), 『딥러닝 부트캠프 with 케라스』(길벗, 2017), 『프로그래머를 위한 기초 해석학』(길벗, 2018)과 『실용 최적화 알고리즘』(에이콘, 2020), 『초과 수익을 찾아서 2/e』(에이콘, 2020), 『자산운용을 위한 금융 머신러닝』(에이콘, 2020), 『실전 알고리즘 트레이딩 배우기』(에이콘, 2021), 『존 헐의 비즈니스 금융 머신러닝 2/e』(에이콘, 2021) 등이 있다. 누구나 자유롭게 머신러닝과 딥러닝을 자신의 연구나 업무에 적용해 활용하는 그날이 오기를 바라며 매진하고 있다.

정보제공 : Aladin

목차

1부 도입편 

1장 시작하며 
1.1 머신 러닝이란 
1.2 파이썬과 머신 러닝 
1.3 설치와 설정 
1.4 파이썬 빨리 배우기: NumPy와 Matplotlib 
1.5 퀵 투어 

2장 머신 러닝의 여러 측면 
2.1 머신 러닝을 둘러싼 환경 
2.2 관련 분야 
2.3 학습법에 따른 분류 
2.4 방법이나 과제 설정에 따른 분류 
2.5 응용 사례 

2부 기초편 

3장 분류 문제 
3.1 분류 문제 
3.2 첫 분류기 
3.3 학습 데이터와 테스트 데이터 
3.4 분류기 성능 평가 
3.5 여러 가지 분류기 
3.6 마무리 

4장 회귀 문제 
4.1 회귀 문제와 분류 
4.2 첫 회귀: 최소제곱법과 평가 방법 
4.3 머신 러닝에서 피해야 하는 부분: 과적합 
4.4 과적합 대응: 정규화 회귀 분석 
4.5 다양한 회귀 모델 
4.6 마무리 

5장 클러스터링 
5.1 클러스터링이란 
5.2 iris 데이터셋 
5.3 대표적인 클러스터링 방법: k-means 
5.4 기타 클러스터링 방법 
5.5 마무리 

3부 응용편 

6장 이미지를 사용한 손 모양 분류 
6.1 과제 설정 
6.2 첫 학습 
6.3 일반화 성능 만들기: 인원수를 늘린다 
6.4 인원수 더 늘리기 
6.5 데이터 검토와 정리: 데이터 클리닝 
6.6 특징량 도입 
6.7 파라미터 튜닝 
6.8 마무리 

7장 센서 데이터를 사용한 회귀 문제 
7.1 시작하며 
7.2 준비 
7.3 센서 데이터란 
7.4 데이터 읽기 
7.5 다카마쓰의 기온 데이터와 시코쿠 전력 소비량 
7.6 나머지 이야기와 마무리 
7.7 마지막으로 

4부 부록 

부록 A 파이썬으로 만드는 머신 러닝 
A.1 목적 
A.2 최소제곱법 
A.3 행렬 계산으로 분석적 해 도출 
A.4 반복법 
A.5 코드를 작성하기 전에 
A.6 구현 사례 

부록 B 선형대수 복습과 대표적인 비선형 모델 
B.1 목적 
B.2 선형이란 
B.3 선형 변환과 아핀 변환 
B.4 노름과 페널티 항 
B.5 선형 회귀의 최소제곱해 
B.6 머신 러닝에서 비선형 

참고 정보

관련분야 신착자료

Cartwright, Hugh M. (2021)
한국소프트웨어기술인협회. 빅데이터전략연구소 (2021)