자료검색

책소개

내방 고객 수, 주말 수요, 상품 추천…등의 인공지능 기술로 영업과 마케팅이 완전히 새로워진다!
업무에 유용하고 매출에 도움이 되는 진짜 ‘쓸모 있는 AI’를 직접 만들어 보자!

업무에 유용한 ‘쓸모 있는 AI’를 만들려면 ‘업무를 보는 안목’과 ‘기술을 보는 안목’이 함께 필요하다. 업무에서 개선이 필요한 부분을 파악하고 그 개선 방안을 도출하는 ‘업무를 보는 안목’은 기존 IT 시스템 도입에도 필요한 능력이었지만, AI를 구축하려면 여기에 더해 업무 개선 방안을 AI를 이용해 구현 가능한지 판단하는 ‘기술을 보는 안목’이 필요하다. 이 책과 함께하는 파이썬 실습을 통해 ‘AI 기술을 보는 안목’을 키워 실질적으로 도움이 되는 유용한 AI를 직접 만들어 볼 수 있다.

· 수식 없이도 알고리즘 선택과 모델 튜닝
· 현장의 눈으로 AI를 최적화
· 웹 브라우저만 있으면 사용할 수 있는 파이썬 실습 환경(Google Colab)
· XGBoost, Prophet 등 화제의 AI 기술 활용
· 예제 코드 전체를 Google Colab에서 사용할 수 있는 노트북으로 제공

목차

01장: 업무와 머신러닝 프로젝트

1.1 이 책의 목적
1.2 머신러닝 프로젝트의 주요 역할 및 대상 독자
1.3 머신러닝 개발 프로세스
1.4 앞으로 도메인 전문가에게 필요하게 될 스킬
1.5 이 책의 구성

02장: 머신러닝 모델의 처리 패턴

2.1 AI와 머신러닝의 관계
2.2 머신러닝의 세 가지 학습 방식
2.3 지도 학습에 속하는 처리 패턴
__2.3.1 분류
__2.3.2 회귀
__2.3.3 시계열 분석
2.4 비지도 학습에 속하는 처리 패턴
__2.4.1 연관 분석
__2.4.2 클러스터링
__2.4.3 차원축소
2.5 처리 패턴을 선택하는 방법
2.6 딥러닝과 구조화/비구조화 데이터

03장: 머신러닝 모델을 개발하는 순서

3.1 모델을 개발하는 순서
3.2 예제에 사용할 데이터와 모델의 목적
__3.2.1 예제에 사용할 데이터
__3.2.2 모델의 목적
3.3 모델 구현하기
__3.3.1 (1) 데이터 읽어 들이기
__3.3.2 (2) 데이터 확인
__3.3.3 (3) 데이터 전처리
__3.3.4 (4) 데이터 분류
__3.3.5 (5) 알고리즘 선택하기
__3.3.6 (6) 학습
__3.3.7 (7) 예측
__3.3.8 (8) 평가
__3.3.9 (9) 튜닝

04장: 머신러닝 모델 개발의 중요 포인트

4.1 데이터 확인
__4.1.1 수치적·통계적으로 분석하는 방법
__4.1.2. 시각적인 분석 및 데이터 확인 방법
4.2 데이터 전처리
__4.2.1 불필요한 필드 삭제하기
__4.2.2 누락 값 처리하기
__4.2.3 이진 레이블값 필드를 숫자 값 필드로 만들기
__4.2.4 다중 레이블값 필드를 숫자 값 필드로 만들기
__4.2.5 데이터 정규화
__4.2.6 그 외 데이터 전처리 기법
4.3 알고리즘 선택하기
__4.3.1 대표적인 분류 알고리즘과 특징
__4.3.2 예제 코드에서 사용할 데이터
__4.3.3 로지스틱 회귀
__4.3.4 서포트 벡터 머신 (커널)
__4.3.5 신경망 알고리즘
__4.3.6 결정 트리
__4.3.7 랜덤 포레스트
__4.3.8 XGBoost
__4.3.9 알고리즘을 선택하는 방법
4.4 평가
__4.4.1 혼동행렬
__4.4.2 정확도, 정밀도, 재현율, F-점수
__4.4.3 확률값과 역치
__4.4.4 PR 곡선과 ROC 곡선
__4.4.5 입력 필드의 중요도
__4.4.6 회귀 모델을 평가하는 방법
4.5 튜닝
__4.5.1 알고리즘 선택하기
__4.5.2 하이퍼파라미터 최적화
__4.5.3 교차 검증법
__4.5.4 그리드 서치
__4.5.5 그 외의 튜닝 기법

05장: 업무의 요구 조건과 처리 패턴

5.1 영업 성공 예측(분류)
__5.1.1 처리 패턴에 적합한 업무 분야
__5.1.2 예제 데이터의 설명 및 유스케이스
__5.1.3 모델의 개요
__5.1.4 데이터 읽어 들이기부터 데이터 확인까지
__5.1.5 데이터 전처리 및 데이터 분할
__5.1.6 알고리즘 선택하기
__5.1.7 학습, 예측, 평가 단계
__5.1.8 튜닝
__5.1.9 중요도 분석
5.2 날씨를 이용한 매출 예측 (회귀)
__5.2.1 처리 패턴에 적합한 업무 분야
__5.2.2 예제 데이터의 설명 및 유스케이스
__5.2.3 모델의 개요
__5.2.4 데이터 읽어 들이기부터 데이터 확인까지
__5.2.5 데이터 전처리와 데이터 분할
__5.2.6 알고리즘 선택하기
__5.2.7 학습 및 예측
__5.2.8 평가
__5.2.9 튜닝
__5.2.10 중요도 분석
5.3 계절 등 주기성 필드로 매출 예측하기 (시계열 분석)
__5.3.1 처리 패턴에 적합한 업무 분야
__5.3.2 예제 데이터에 대한 설명 및 유스케이스
__5.3.3 모델의 개요
__5.3.4 데이터 읽어 들이기부터 데이터 확인까지
__5.3.5 데이터 전처리와 데이터 분할
__5.3.6 알고리즘 선택하기
__5.3.7 학습 및 예측
__5.3.8 평가
__5.3.9 튜닝 (1단계)
__5.3.10 튜닝 (2단계)
__5.3.11 회귀와 시계열 분석 처리 패턴의 용도
5.4 추천 상품 제안 (연관 분석)
__5.4.1 처리 패턴에 적합한 업무 분야
__5.4.2 예제 데이터의 설명 및 유스케이스
__5.4.3 모델의 개요
__5.4.4 데이터 읽어 들이기부터 데이터 확인까지
__5.4.5 데이터 전처리
__5.4.6 알고리즘 선택 및 분석
__5.4.7 튜닝
__5.4.8 관계 그래프 시각화하기
__5.4.9 고급 연관 분석
5.5 계층별 고객 판매 전략 (클러스터링, 차원 축소)
__5.5.1 처리 패턴에 적합한 업무 분야
__5.5.2 예제 데이터의 설명 및 유스케이스
__5.5.3 모델의 개요
__5.5.4 데이터 읽어 들이기부터 데이터 확인까지
__5.5.5 클러스터링
__5.5.6 클러스터링 결과 분석
__5.5.7 차원축소
__5.5.8 차원축소를 활용하는 방법

06장: AI 프로젝트를 성공시키기 위한 프로젝트 초기 요령

6.1 머신러닝 적용 분야 선택하기
__6.1.1 처리 패턴과 적합한 업무 분야
__6.1.2 지도 학습의 생명은 정답 데이터
__6.1.3 AI는 정확도 100%를 달성할 수 없다
6.2 업무 데이터 수집 및 확인
__6.2.1 데이터의 소재 파악
__6.2.2 타 부서의 데이터 협조 구하기
__6.2.3 데이터의 품질
__6.2.4 원-핫 인코딩 문제

부록1: Google Colaboratory 기본 사용법

부록2: 머신러닝을 위한 파이썬 입문

__부록 2.1 넘파이 입문
__부록 2.2 판다스 입문
__부록 2.3 matplotlib 입문