상세정보

머신러닝 전문가를 꿈꾸는 학생부터 초보 실무자까지, 머신러닝 비즈니스에 관심 있는 모든 사람들을 위한 입문서. 총 네 가지 파트로 이루어져 있으며, 파트 1은 머신러닝의 기본 개념과 유형, 파트 2는 머신러닝 실무 적용 사례 소개, 파트 3는 미디어에서 접하는 AI 소식에 대한 다양한 생각, 파트 4는 저자의 머신러닝 공부 과정과 머신러닝 전망에 대한 생각을 서술한다.

가장 주목할 파트는 저자가 직접 수행한 머신러닝 프로젝트에서 겪었던 어려움과 이에 대한 대처가 담겨있는 2장이다. 여기에는 기술적인 내용뿐만 아니라 실무적 협의 과정 모두 생생히 녹아있다. 저자는 머신러닝 프로젝트가 실무에 성공적으로 사용되지 못한 원인 중 하나는 실제 업무에 머신러닝을 적용하는 적절한 안내서가 없다는 것이라고 지적한다.

그 동안 한국에 존재한 머신러닝 관련 서적은 기술 중심이 대부분이었다. 기술을 업무에 도입하는 방법을 다루는 서적은 인공지능 분야 혹은 해외 원서 번역본만 존재했다. 그런 점에서 이 책은 제2장을 필두로 하여 업무에 머신러닝 도입을 다루는 유일무이한 서적이라는 점에서 가치를 지닌다.

머신러닝을 알면 2022 비즈니스가 보인다!
머신러닝의 기본 개념부터 실무 적용 사례까지
실무자가 전하는 2022 경영 트렌드, 머신러닝과 인공지능 소식

머신러닝 전문가를 꿈꾸는 학생부터 초보 실무자까지, 머신러닝 비즈니스에 관심 있는 모든 사람들을 위한 입문서가 세상 바깥으로 나왔다. 저자는 현장에서 머신러닝이 어떻게 적용되고 있는지 그림과 함께 생생한 이야기를 전한다.

책은 총 네 가지 파트로 이루어져 있으며, 파트 1은 머신러닝의 기본 개념과 유형, 파트 2는 머신러닝 실무 적용 사례 소개, 파트 3는 미디어에서 접하는 AI 소식에 대한 다양한 생각, 파트 4는 저자의 머신러닝 공부 과정과 머신러닝 전망에 대한 생각을 서술한다.

가장 주목할 파트는 저자가 직접 수행한 머신러닝 프로젝트에서 겪었던 어려움과 이에 대한 대처가 담겨있는 2장이다. 여기에는 기술적인 내용뿐만 아니라 실무적 협의 과정 모두 생생히 녹아있다. 저자는 머신러닝 프로젝트가 실무에 성공적으로 사용되지 못한 원인 중 하나는 실제 업무에 머신러닝을 적용하는 적절한 안내서가 없다는 것이라고 지적한다. 그 동안 한국에 존재한 머신러닝 관련 서적은 기술 중심이 대부분이었다. 기술을 업무에 도입하는 방법을 다루는 서적은 인공지능 분야 혹은 해외 원서 번역본만 존재했다. 그런 점에서 이 책은 제2장을 필두로 하여 업무에 머신러닝 도입을 다루는 유일무이한 서적이라는 점에서 가치를 지닌다.

독자들은 이 책을 통해 머신러닝에 대한 기본 개념을 익힐 수 있다. 저자는 많은 사람들이 헷갈리는 인공지능, 머신러닝, 딥러닝의 관계와 머신러닝 모델의 종류, 머신러닝을 적용하기 위한 데이터 필드 수치화 같이 기초적인 개념들을 차근차근 쉽게 설명한다. 또한 현장에서 오랜 기간 머신러닝 관련 다양한 프로젝트를 진행해 온 저자의 업무 적용 사례를 통해, 실제 업무에서 문제해결을 위해 주로 사용되는 머신러닝 모델, 적용 단계, 저자의 업무 적용 노하우를 자세히 살펴볼 수 있다.

머신러닝을 자신의 업무에 적용하고 싶지만 어디서부터 시작해야 할지 갈피를 잡지 못했던 실무자들, 자신의 진로에 머신러닝을 어떻게 활용할 수 있는지 궁금한 학생, 최근 실무에서 머신러닝의 트렌드와 주로 사용하는 모델에 대해 알고 싶은 독자들에게 이 책을 추천한다.

서평
1. 현대 기술의 중심이 될 머신러닝의 기본 개념부터 실무 적용 사례까지 다양하게 배울 수 있어서 유익했다. 머신러닝과 그의 알고리즘 및 데이터 분석에 대해 쉽게 알고픈 이들에게 적극적으로 권하고 싶다.
- ㈜ 베네사이클 대표 조동욱

2. 이 책은 단순히 기술 중심이나 관념적인 설명에서 벗어나 실제 경험을 바탕으로 업무에 머신러닝을 도입했던 과정과 그 어려움에 대처했던 방법들까지 시각 자료를 통해 상세하게 알려주고 있다. 머신러닝에 관심 있는 분들뿐만 아니라 머신러닝에 낯선 독자들도 어렵지 않게 맛볼 수 있다.
- (유) 광명에너지 대표 심형섭

3. 다양한 머신러닝 프로젝트 사례에 대해 현장에서 오랜 기간 업무를 적용한 저자의 실제 노하우를 제시하여 이해하기 쉬웠다. ‘AI는 객관적인가?’, ‘인공지능은 법적 권리를 가질 수 있을까?’와 같이 AI와 관련된 중요한 쟁점들까지 다루고 있어 독자들이 이에 대한 생각을 스스로 정리할 수 있는 소중한 기회를 제공해주고 있다.
- 서울경찰청 수사 심의위원회 고문 박창규

4. AI/머신러닝 기술이 새로운 미래를 열어 가고 있는 시대인만큼, 이 책을 통해 머신러닝과 함께하는 즐거운 여정을 떠나보는 것은 어떨까?
- 연세대학교 생화학과 권지민

5. 21세기 가장 핫한 주제인 머신러닝 분야의 최고의 서적. 실생활과 연결되어 있는 적절한 예시와 저자의 친절한 설명이 담긴 이 책을 머신러닝 공부의 첫걸음으로 추천한다.
- 경희대학교 정치외교학과 박수욱

6. 업무에서 실제 데이터에 머신러닝을 적용하기 전에 어떤 모델을 사용하고, 데이터 전처리를 어떻게 해야할지 막막했는데, 이 책은 머신러닝 적용에 대한 길잡이가 되어주었다. 또한, 실무 사례를 통해 머신러닝 감을 잡게 하고, 정형?비정형 데이터의 특징부터 유클리드 및 코사인 거리의 차이를 통한 데이터 간 거리 측정 등 머신러닝 적용을 위한 데이터 기초 지식도 함께 설명하고 있어 최고의 머신러닝 입문서라고 할 수 있다.
- 데이터 사이언티스트 박소민

7. 실무에서 로그 클러스터링과 관련한 업무를 맡게 되었는데, 이 책의 chapter 2의 방화벽 로그 클러스터링 실무 사례를 통해, 데이터 필드 수치화 단계부터 HDBSCAN을 이용한 데이터 군집화까지 로그 클러스터링의 단계와 알고리즘을 이해하는데 많은 도움이 되었다. 실제 업무에서 머신러닝 적용을 막 시작하는 IT 개발자들에게 이 책을 강력 추천한다.
- 성균관대학교 소프트웨어학과 이현아

8. 바야흐로 인공지능의 시대, 머신러닝 입문서로 이만한 책은 없다! 머신러닝, 딥러닝의 세계로 독자를 인도하는 훌륭한 지침서!
- 토목과 박사 윤수호

9. 머신러닝 이론의 실무 적용 관련 저서는 해외 원서 번역본 밖에 없던 한국에서 저자의 생생한 머신러닝 프로그램의 경험을 담은 이 책은 마치 사막의 오아시스와 같다!
- 도시공학과 박사 노병덕

정보제공 :

1장 머신러닝

머신러닝이란?

데이터 - 머신이 배우는 경험. 수치화(Digitalization)으로 만든다.

인공지능, 머신러닝, 딥러닝

머신러닝 유형 - 지도학습, 비지도학습, 강화학습

머신러닝 유형별 수행 가능한 작업 

통계적 머신러닝과 딥러닝

머신러닝 모델의 선택

머신러닝에서 머신이 배우는 것

머신러닝 모델의 평가 - 최적의 모델은 무엇인가?

데이터 전처리

핏봇(Pivot) - 데이터 행과 열 구조 변경

AutoML - 무엇을 얼마나 자동화 할까요?

머신러닝의 대상 선정 - 무엇을 목표로 훈련시킬까?



2장 머신러닝 사례

AWS 사용자 이벤트 이상활동 감지

데이터와 머신러닝 모델 

데이터 탐색

모델 유효성 테스트

머신러닝 훈련 대상 결정

훈련데이터 전처리 방안

훈련된 모델의 유효성 테스트

새로운 이벤트와 사용자에 대한 처리 대용량 데이터 처리

데이터 수집 툴과의 연동

운용 방안

드론 이미지 판정 및 폭 자동 계산

이상 형태 판정 모델 훈련

균열의 길이와 폭 자동 계산

다중 균열의 분리

웹 방화벽(WAF - Web Application Firewall) 로그 클러스터링 

잘못된 탐지(False Positive) 줄이기 - 기존 논문 확인

데이터 탐색

오탐은 없다? 레이블이 없다.

군집화(Clustering) 대상 필드(field) 결정 

데이터 필드(field)의 수치화(벡터화- Vectorizer)

군집화 머신러닝 훈련

책등(Book Spine) 인식 - 어떤 책이 몇 권일까?

책등 분리하기

책등 인식 모델 테스트 2- 딥러닝(Deep Learning)



3장 AI와 생각들

AI는 객관적인가?

인공지능과 저작권 - 인공지능은 법적 권리를 가질 수 있을까?

잠재공간(Latent Space)

편향(Bias)

딥러닝의 3가지 미스터리

Ensemble, KnowledgeDistillation, SelfDistillation 

설명가능한 AI (XAI - eXplainable AI)

딥러닝(Deep Learning)의 연결

딥러닝의 연결 모양

빅모델 (Big Model) - 파라미터가 많은 모델이 더 똑똑한가? 

머신러닝은 신기하고 특이한 것이 아니다 - 머신러닝은 담담하다.

AI 로봇의 실패와 도전

데이터 드리프트(Drift) - 어떻게 데이터가 변하니?



4장 머신러닝 학습과정을 돌아보며 새로운 지식 익히기

머신러닝 관심 갖기

머신러닝 공부하기

도구(Tool)에 익숙해지기

새로운 것 시작하기

모든 것은 힘쓰는 데 달렸다. - 조선 최고의 독서왕 김득신 

머신러닝에 대한 전망

정보제공 :