HOME > Detail View

Detail View

R을 활용한 머신러닝 : R로 머신러닝 알고리즘 작성, 데이터 준비, 데이터 예측 기법 깊이 파기 (Loan 16 times)

Material type
단행본
Personal Author
Lantz, Brett 윤성진, 역
Corporate Author
크라스랩, 역
Title Statement
R을 활용한 머신러닝 : R로 머신러닝 알고리즘 작성, 데이터 준비, 데이터 예측 기법 깊이 파기 / 브레트 란츠 지음 ; 윤성진, 크라스랩 옮김
Publication, Distribution, etc
서울 :   에이콘,   2020  
Physical Medium
595 p. : 삽화 ; 24 cm
Varied Title
Machine learning with R : expert techniques for predictive modeling (3rd ed.)
ISBN
9791161753928
General Note
색인수록  
Subject Added Entry-Topical Term
Machine learning --Statistical methods R (Computer program language)
000 00000cam c2200205 c 4500
001 000046023680
005 20200409172226
007 ta
008 200409s2020 ulka 001c kor
020 ▼a 9791161753928 ▼g 93000
035 ▼a (KERIS)BIB000015537594
040 ▼a 211023 ▼c 211023 ▼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 2020z12
100 1 ▼a Lantz, Brett
245 1 0 ▼a R을 활용한 머신러닝 : ▼b R로 머신러닝 알고리즘 작성, 데이터 준비, 데이터 예측 기법 깊이 파기 / ▼d 브레트 란츠 지음 ; ▼e 윤성진, ▼e 크라스랩 옮김
246 1 9 ▼a Machine learning with R : expert techniques for predictive modeling ▼g (3rd ed.)
260 ▼a 서울 : ▼b 에이콘, ▼c 2020
300 ▼a 595 p. : ▼b 삽화 ; ▼c 24 cm
500 ▼a 색인수록
650 0 ▼a Machine learning ▼x Statistical methods
650 0 ▼a R (Computer program language)
700 1 ▼a 윤성진, ▼e
710 ▼a 크라스랩, ▼e
900 1 0 ▼a 란츠, 브레트, ▼e
945 ▼a KLPA

No. Location Call Number Accession No. Availability Due Date Make a Reservation Service
No. 1 Location Main Library/Monographs(3F)/ Call Number 006.31 2020z12 Accession No. 111830402 Availability In loan Due Date 2021-10-12 Make a Reservation Available for Reserve R Service M
No. 2 Location Science & Engineering Library/Sci-Info(Stacks1)/ Call Number 006.31 2020z12 Accession No. 121252937 Availability Available Due Date Make a Reservation Service B M
No. Location Call Number Accession No. Availability Due Date Make a Reservation Service
No. 1 Location Main Library/Monographs(3F)/ Call Number 006.31 2020z12 Accession No. 111830402 Availability In loan Due Date 2021-10-12 Make a Reservation Available for Reserve R Service M
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 2020z12 Accession No. 121252937 Availability Available Due Date Make a Reservation Service B M

Contents information

Book Introduction

몇 줄의 R 코드로 머신러닝이 어떻게 작동되는지 눈으로 직접 확인할 수 있고 최신 기법까지 내 손으로 직접 짜 볼 수 있는 짜릿한 경험과 자신감을 제공한다. 3판에서는 정돈된 데이터를 만드는 방법을 새롭게 설명하고 최신 버전의 예제를 제공한다.

머신러닝의 근원과 컴퓨터가 예시를 학습하는 원리, R 프로그래밍 언어를 사용해 머신러닝 작업에 맞도록 데이터 준비, 최근접 이웃과 베이즈 기법을 사용해 중요한 결과 분류, 결정트리, 규칙, 서포트 벡터 머신을 사용한 미래의 사건 예측, 회귀 기법을 사용한 수치 데이터 예측 및 금융 수치 추정, 신경망을 사용해 복잡한 프로세스 모델링 등을 담았다.

이 책을 읽다 보면 '머신러닝이 이렇게 쉬운 것이라니?'라는 생각이 들기도 하고, 수학이나 프로그래밍 언어를 잘 몰랐어도 직관적으로 머릿속에 쏙쏙 들어오는 머신러닝 개념에 흥미를 느끼고 있는 자신을 발견하게 될 것이다. 몇 줄의 R 코드로 머신러닝이 어떻게 작동되는지 눈으로 직접 확인할 수 있고 최신 기법까지 내 손으로 직접 짜 볼 수 있는 짜릿한 경험과 자신감을 제공하는 것이 이 책의 매력이다. 머신러닝을 즐겁게 시작하고 싶은 독자 여러분에게 이 책을 추천한다.
3판에서는 정돈된 데이터를 만드는 방법을 새롭게 설명하고 최신 버전의 예제를 제공한다.

★ 이 책에서 다루는 내용 ★

■ 머신러닝의 근원과 컴퓨터가 예시를 학습하는 원리
■ R 프로그래밍 언어를 사용해 머신러닝 작업에 맞도록 데이터 준비
■ 최근접 이웃과 베이즈 기법을 사용해 중요한 결과 분류
■ 결정트리, 규칙, 서포트 벡터 머신을 사용한 미래의 사건 예측
■ 회귀 기법을 사용한 수치 데이터 예측 및 금융 수치 추정
■ 신경망을 사용해 복잡한 프로세스 모델링
■ 모델 평가 및 성능 개선
■ R을 Spark, H2O, TensorFlow 등 SQL 데이터베이스나 떠오르는 빅데이터 기술과 연결

★ 이 책의 대상 독자 ★

데이터를 활용하고자 하는 모든 이를 위해 썼다. 머신러닝을 어느 정도 알고 있지만 R은 전혀 사용해보지 않았거나 조금만 아는 독자를 염두하고 썼으며 어떤 경우든 이 책은 빠른 학습을 지원한다. 기초 수학과 프로그램에 익숙하다면 다소 도움이 되겠지만 어떠한 경험도 필수요건은 아니다. 필요한 것은 호기심뿐이다.

★ 이 책의 구성 ★

1장, '머신러닝 소개'에서는 기계 학습자(machine learner)를 정의하고 구분해주는 용어와 개념을 살펴보고, 학습 작업을 적절한 알고리즘에 매칭하는 방법을 제시한다.
2장, '데이터의 관리와 이해'에서는 R을 이용해서 데이터를 직접 다룰 수 있는 기회를 제공한다. 데이터를 로딩하고, 탐색하고, 이해하는 데 사용되는 필수 데이터 구조와 절차를 설명한다.
3장, '게으른 학습: 최근접 이웃을 사용한 분류'에서는 단순하지만 강력한 머신러닝 알고리즘을 이해하고, 첫 번째 실제 작업인 암의 악성 샘플 식별에 적용하는 방법을 알려준다.
4장, '확률적 학습: 나이브 베이즈 분류'에서는 최첨단 스팸 필터링 시스템에서 사용하고 있는 확률의 핵심 개념을 소개한다. 독자는 자신만의 스팸 필터를 개발하는 과정에서 텍스트 마이닝의 기초를 배울 수 있다.
5장, '분할 정복: 의사 결정 트리와 규칙 기반의 분류'에서는 예측을 정확하고 쉽게 설명하는 두 가지 학습 알고리즘을 탐색한다. 이 방법은 투명성이 중요한 작업에 적용된다.
6장, '수치 데이터 예측: 회귀 방법'에서는 수치 예측에 사용되는 머신러닝 알고리즘을 소개한다. 이 기법은 통계 분야에 아주 많이 포함돼 있으므로, 수치 관계를 이해하는 데 필요한 필수 척도도 함께 알아본다.
7장, '블랙박스 방법: 신경망과 서포트 벡터 머신'에서는 복잡하고 강력한 두 종류의 머신러닝 알고리즘을 다룬다. 수학이 위협적으로 보일 수 있겠지만, 내부 작동을 보여주는 예제와 함께 간단한 용어로 진행한다.
8장, '패턴 찾기: 연관 규칙을 이용한 장바구니 분석'에서는 많은 소매업체가 채택한 추천 시스템의 알고리즘을 접할 수 있다. 소매업체가 나의 구매 습관을 나보다 더 잘 아는 이유가 궁금한 적이 있었다면 8장에서 그 비밀을 밝혀준다.
9장, '데이터 그룹 찾기: k-평균 군집화'에서는 관련 아이템을 군집화하는 절차를 알아본다. 이 알고리즘을 활용해 온라인 커뮤니티에서 프로파일을 식별한다.
10장, '모델 성능 평가'에서는 머신러닝 프로젝트의 성공 여부를 측정하고 미래 데이터에 대해 학습자가 신뢰할 만한 성능 추정치를 얻는 방법의 정보를 제공한다.
11장, '모델 성능 개선'에서는 머신러닝 대회의 최상위 팀이 사용하는 방법을 소개한다. 경쟁이 심하거나 데이터를 최대한 활용하고 싶다면 이런 기술을 레퍼토리에 추가해야 한다.
12장, '특화된 머신러닝 주제'에서는 머신러닝의 최첨단 분야를 탐구한다. 빅데이터로 작업하는 것에서 더 빠르게 R 작업하는 것까지 12장에서 다루는 주제는 R로 할 수 있는 범위를 넓히는 데 도움이 된다.


Information Provided By: : Aladin

Author Introduction

브레트 란츠(지은이)

혁신적인 데이터 기법을 이용해 인간의 행동을 이해하고자 10년 이상을 연구했다. 숙련된 사회학자로서 10대의 소셜 네트워크 웹 사이트 프로파일의 대규모 데이터베이스를 연구하면서 처음으로 머신러닝에 매료됐다. 데이터캠프(DataCamp)의 강사이자 세계적인 머신러닝 콘퍼런스와 워크숍의 강연자이기도 하다. 또한 스포츠의 데이터 과학 응용, 자율 주행, 외국어 학습, 패션에 열정적이며 언젠가 이러한 지식을 자신의 블로그(dataspelunking.com)에서 공유하고자 한다.

윤성진(옮긴이)

KAIST 전산학과에서 석사학위를 취득하고 약 22년 동안 LG전자, 보험넷, 엑센츄어, 티맥스소프트, LUXROBO에서 연구개발, 컨설팅, 제품기획, 전략기획 분야에서 일을 해왔다. 최근 5년 동안 티맥스소프트에서 연구기획 실장 및 수석 제품기획자로 다양한 데이터 및 미들웨어 관련 소프트웨어 제품기획을 했으며, LUXROBO에서 모듈형 로봇 플랫폼 제품기획과 CSO로서 사업전략을 수립했다.

(주)크라스랩(옮긴이)

머신러닝을 기반으로 다양한 연구를 수행하고 있으며, 특히 머신러닝 기반의 금융분석과 핀테크에 중점을 두고 있다. KAIST 전산학과 계산이론 연구실 출신의 이병욱 대표가 이끌고 있으며, 이병욱 대표가 최근에 저술한 『비트코인과 블록체인, 탐욕이 삼켜버린 기술』(2018), 『블록체인 해설서』(2019)는 블록체인 분야의 베스트셀러이자 블록체인의 기술적, 경제적 관점의 교과서로 인식되고 있고, 『블록체인 해설서』는 대한민국 학술원이 2019 교육부 우수학술도서로 선정하기도 했다.

Information Provided By: : Aladin

Table of Contents

1장. 머신러닝 소개
__머신러닝의 기원
__머신러닝의 사용과 남용
____머신러닝 성공 사례
____머신러닝의 한계
____머신러닝의 윤리
__기계의 학습 방법
____데이터 저장소
____추상화
____일반화
____평가
__실전 머신러닝
____입력 데이터 형식
____머신러닝 알고리즘 형식
____입력 데이터와 알고리즘 매칭
__R을 이용한 머신러닝
____R 패키지 설치
____패키지 로딩과 언로딩
____RStudio 설치
__요약

2장. 데이터의 관리와 이해
__R 데이터 구조
____벡터
____팩터
____리스트
____데이터 프레임
____행렬과 배열
__R을 이용한 데이터 관리
____데이터 구조 저장, 로드, 제거
____CSV 파일에서 데이터 임포트와 저장
__데이터 탐색과 이해
____데이터 구조 탐색
____수치 변수 탐색
____범주 변수 탐색
____변수 간의 관계 탐색
__요약

3장. 게으른 학습: 최근접 이웃을 사용한 분류
__최근접 이웃 분류의 이해
____k-NN 알고리즘
____k-NN 알고리즘이 게으른 이유
__예제: k-NN 알고리즘으로 유방암 진단
____1단계: 데이터 수집
____2단계: 데이터 탐색과 준비
____3단계: 데이터로 모델 훈련
____4단계: 모델 성능 평가
____5단계: 모델 성능 개선
__요약

4장. 확률적 학습: 나이브 베이즈 분류
__나이브 베이즈의 이해
____베이지안 기법의 기본 개념
____나이브 베이즈 알고리즘
__예제: 나이브 베이즈 알고리즘을 이용한 휴대폰 스팸 필터링
____1단계: 데이터 수집
____2단계: 데이터 탐색과 준비
____3단계: 데이터로 모델 훈련
____4단계: 모델 성능 평가
____5단계: 모델 성능 개선
__요약

5장. 분할 정복: 의사 결정 트리와 규칙 기반의 분류
__의사 결정 트리의 이해
____분할 정복
____C5.0 의사 결정 트리 알고리즘
__예제: C5.0 의사 결정 트리를 이용한 위험 은행 대출 식별
____1단계: 데이터 수집
____2단계: 데이터 탐색과 준비
____3단계: 데이터로 모델 훈련
____4단계: 모델 성능 평가
____5단계: 모델 성능 개선
__분류 규칙 이해
____분리 정복
____1R 알고리즘
____리퍼 알고리즘
____의사 결정 트리에서 규칙 구성
____무엇이 트리와 규칙을 탐욕스럽게 만드는가?
__예제: 규칙 학습자를 이용한 독버섯 식별
____1단계: 데이터 수집
____2단계: 데이터 탐색과 준비
____3단계: 데이터로 모델 훈련
____4단계: 모델 성능 평가
____5단계: 모델 성능 개선
__요약

6장. 수치 데이터 예측: 회귀 방법
__회귀의 이해
____단순 선형 회귀
____보통 최소 제곱 추정
____상관관계
____다중 선형 회귀
__예제: 선형 회귀를 이용한 의료비 예측
____1단계: 데이터 수집
____2단계: 데이터 탐색과 준비
____3단계: 데이터로 모델 훈련
____4단계: 모델 성능 평가
____5단계: 모델 성능 개선
__회귀 트리와 모델 트리의 이해
____트리에 회귀 추가
__예제: 회귀 트리와 모델 트리로 와인 품질 평가
____1단계: 데이터 수집
____2단계: 데이터 탐색과 준비
____3단계: 데이터로 모델 훈련
____4단계: 모델 성능 평가
____5단계: 모델 성능 개선
__요약

7장. 블랙박스 방법: 신경망과 서포트 벡터 머신
__신경망의 이해
____생물학적 뉴런에서 인공 뉴런으로
____활성 함수
____네트워크 토폴로지
____역전파로 신경망 훈련
__예제: ANN으로 콘크리트 강도 모델링
____1단계: 데이터 수집
____2단계: 데이터 탐색과 준비
____3단계: 데이터로 모델 훈련
____4단계: 모델 성능 평가
____5단계: 모델 성능 개선
__서포트 벡터 머신의 이해
____초평면을 이용한 분류
____비선형 공간을 위한 커널의 사용
__예제: SVM으로 OCR 수행
____1단계: 데이터 수집
____2단계: 데이터 탐색과 준비
____3단계: 데이터로 모델 훈련
____4단계: 모델 성능 평가
____5단계: 모델 성능 향상
__요약

8장. 패턴 찾기: 연관 규칙을 이용한 장바구니 분석
__연관 규칙의 이해
____연관 규칙 학습을 위한 아프리오리 알고리즘
____규칙 흥미 측정: 지지도와 신뢰도
____아프리오리 원칙을 이용한 규칙 집합의 구축
__예제: 연관 규칙으로 자주 구매되는 식료품 식별
____1단계: 데이터 수집
____2단계: 데이터 탐색과 준비
____3단계: 데이터로 모델 훈련
____4단계: 모델 성능 평가
____5단계: 모델 성능 개선
__요약

9장. 데이터 그룹 찾기: k-평균 군집화
__군집화의 이해
____머신러닝 작업으로서 군집화
____k-평균 군집화 알고리즘
__k-평균 군집화를 이용한 십대 시장 세분화 발굴
____1단계: 데이터 수집
____2단계: 데이터 탐색과 준비
____3단계: 데이터로 모델 훈련
____4단계: 모델 성능 평가
____5단계: 모델 성능 개선
__요약

10장. 모델 성능 평가
__분류 성능 측정
____분류기의 예측 이해
____혼동 행렬 자세히 보기
____혼동 행렬을 사용한 성능 측정
____정확도를 넘어: 다른 성능 척도
____ROC 곡선으로 성능 트레이드오프 시각화
__미래의 성능 예측
____홀드아웃 방법
__요약

11장. 모델 성능 개선
__성능 개선을 위한 신용 모델 튜닝
____자동 파라미터 튜닝을 위한 caret 사용
__메타학습으로 모델 성능 개선
____앙상블의 이해
____배깅
____부스팅
____랜덤 포레스트
__요약

12장. 특화된 머신러닝 주제
__실세계 데이터 관리와 준비
____tidyverse 패키지를 이용한 정돈된 데이터 만들기
____외부 파일에서 읽고 쓰기
____SQL 데이터베이스의 데이터 쿼리
__온라인 데이터와 서비스 작업
____웹 페이지의 전체 텍스트 다운로드
____웹 페이지에서 데이터 파싱
__도메인에 특화된 데이터 작업
____생체 정보학 데이터 분석
____네트워크 데이터 분석과 시각화
__R 성능 개선
____대용량 데이터셋 관리
____병렬 컴퓨팅으로 더 빠른 학습
____최적 학습 알고리즘 도입
____GPU 컴퓨팅
__요약

New Arrivals Books in Related Fields

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