서브메뉴
검색
본문
Powered by NAVER OpenAPI
-
개발자를 위한 머신 러닝 (머신 러닝 시작이 막막한 개발자를 위한 안내서)
저자 : 로돌포 본닌
출판사 : 에이콘출판
출판년 : 2018
ISBN : 9791161752181
책소개
2019년 대한민국학술원 우수학술도서 선정도서
머신 러닝 기법을 활용하고 싶지만 어떻게 시작할지 막막한 실무자, 개발자를 위한 책이다. 최근에 머신 러닝과 딥러닝에 관련된 서비스 및 라이브러리가 많이 공개돼 있지만, 이를 잘 활용하기 위해서는 머신 러닝에 대한 배경지식이 필수적이다. 이 책에서는 머신 러닝을 실제로 적용하는데 필요한 관련 배경지식을 최소한의 수식과 간단한 파이썬 코드를 통해 체계적으로 머신 러닝부터 딥러닝까지 소개하고 있다.
머신 러닝 기법을 활용하고 싶지만 어떻게 시작할지 막막한 실무자, 개발자를 위한 책이다. 최근에 머신 러닝과 딥러닝에 관련된 서비스 및 라이브러리가 많이 공개돼 있지만, 이를 잘 활용하기 위해서는 머신 러닝에 대한 배경지식이 필수적이다. 이 책에서는 머신 러닝을 실제로 적용하는데 필요한 관련 배경지식을 최소한의 수식과 간단한 파이썬 코드를 통해 체계적으로 머신 러닝부터 딥러닝까지 소개하고 있다.
[교보문고에서 제공한 정보입니다.]
출판사 서평
★ 이 책에서 다루는 내용 ★
■ 개발자가 익숙한 접근 방식을 통한 머신 러닝의 수학 및 기법 학습
■ 널리 사용되는 머신 러닝 알고리즘/기술과 실제 문제 해결 방법
■ 인기 있는 프로그래밍 프레임워크를 사용해 고급 개념에 대한 학습
■ 머신 러닝 분야에서 일할 수 있는 준비
■ 머신 러닝을 사용해 컴퓨팅 문제를 해결하는 데 가장 잘 알려지고 강력한 도구에 대한 개요 제공
■ 현재 머신 러닝 분야에 대한 소개를 바탕으로 개념들을 흥미롭고 최첨단 문제에 적용
★ 이 책의 대상 독자 ★
이 책은 프로그래밍을 통해 머신 러닝 개념의 기초를 이해하고자 하는 개발자/기술에 관심이 많은 사람을 대상으로 한다. 이 책은 스크립팅 언어에 대한 경험이 있는 사람에 적합하고, 파이썬에 익숙하면 코드를 이해하는 데 더욱 유용할 것이다. 또한 현재 데이터 과학자들의 경우에는 새롭고 실질적인 접근법을 통해 기본 개념부터 이해하는 데 유용할 것이다.
★ 이 책의 구성 ★
1장, ‘소개: 머신 러닝 및 과학 통계’에서는 머신 러닝의 입문에 필요한 다양한 개념을 다룬다. 역사, 종류 및 해당 분야의 일반적인 개념에 대해 알아본다. 또한 이후에 개발되는 대부분의 기술을 이해하는 데 필요한 기본 수학적 개념을 소개한다.
2장, ‘학습 과정’에서는 머신 러닝 작업 과정에 있는 모든 단계를 다루며, 각 단계에서 사용되는 유용한 도구와 개념의 정의를 보여준다.
3장, ‘클러스터링’에서는 비지도 학습, 특히 K-평균과 K-NN 클러스터링을 위한 몇 가지 기술을 다룬다.
4장, ‘선형 및 로지스틱 회귀’에서는 이름은 비슷하지만 상당히 다른 두 가지 지도 학습 알고리즘을 다룬다. 이 두 알고리즘은 선형 회귀(시계열 예측을 수행)와 로지스틱 회귀(분류 목적으로 사용)다.
5장, ‘신경망’에서는 최신 머신 러닝 애플리케이션의 기본 구성 요소 중 하나인 신경망을 다루며, 단계적으로 실제 신경망을 구축하면서 마무리한다.
6장, ‘합성곱 신경망’에서는 신경망의 강력한 변형된 형태인 CNN을 다룬다. 실제 적용 예에서는 VGG16이라고 잘 알려진 CNN 구조의 내부를 실제적으로 둘러보는 것으로 마무리한다.
7장, ‘순환 신경망’에서는 RNN 개념의 개요와 가장 많이 사용되는 구조인 LSTM의 각 단계에 대해 다룬다. 마지막으로 시계열 예측에 대한 실제 예를 소개한다.
8장, ‘최근 모델 및 개발 현황’에서는 이 분야에서 큰 관심을 받고 있는 두 가지 기법, 즉 생성적 대립 신경망과 강화 학습의 전반적인 분야에 대해 다룬다.
9장, ‘소프트웨어 설치 및 설정’에서는 리눅스, 맥OS 및 윈도우의 세 가지 운영체제에서 머신 러닝을 구현하는 데 필요한 소프트웨어 패키지의 설치 방법을 설명한다.
★ 지은이의 말 ★
머신 러닝은 현재 인기 있는 분야 중 하나다. 중요한 기술로 언론의 찬사를 받으면서 최근에 데이터와 자동화로 동작하는 모든 곳에서 중요하게 투자해야 할 기술의 한 분야다. 그리고 머신 러닝은 이미지 이해, 로봇 공학, 검색 엔진, 자율 자동차 등과 같은 많은 분야에서 광범위하게 사용되고 있으며, 응용 분야가 계속 증가하고 있다. 이 책에서는 복잡한 수학적인 지식을 제외하고 코드와 다이어그램을 통해 머신 러닝의 기본 개념과 현재 기술을 다룬다.
기본적인 머신 러닝 개념, 종류 및 문제 유형에 대해 알아보면서 시작한다. 이후 기술을 이해하는 데 필요한 기본적인 수학 개념도 설명한다. 장들을 진행하면서 복잡도와 정교함이 증가하는 모델들에 대해 설명한다. 선형 회귀를 시작으로 로지스틱 회귀, 신경망 및 CNN, RNN 같은 첨단 머신 러닝 기술을 다루며, GAN과 강화 학습 같은 진보된 머신 러닝 기술을 소개하며 마무리한다.
이 책은 최종적으로 머신 러닝이 무엇인지 파악하고 기본적인 수학적 정의와 함께 알고리즘 관점에서 주요 기본 개념을 이해하고자 하는 개발자를 대상으로 한다. 이 책은 쉽게 인터페이스가 가능한 파이썬을 이용해 개념들을 구현한다. 파이썬은 코드를 통해 학습하기 위한 최고의 도구다. 따라서 파이썬 프로그래밍에 대해 익숙해지면 코드로 여러 가지를 할 수 있다. 다른 언어에 대한 경험이 있다면 어렵지는 않을 것이다.
자신의 머신 러닝 문제를 해결하는 데 필요한 알고리즘을 어떻게 정하는지, 최상의 결과를 얻기 위해 이 알고리즘이 어떻게 작동하는지에 대한 내용을 배운다. 머신 러닝을 빠르게 개발자가 익숙한 언어를 통해 배우고자 하고, 이 분야에 뛰어들기 위한 충분한 정보를 갖고자 한다면 이 책을 반드시 봐야 한다!
★ 옮긴이의 말 ★
알파고 쇼크 이후에 많은 사람이 인공지능에 관심을 갖게 됐다. 인공지능이 갑작스럽게 나온 기술인 것 같지만 오래전부터 지속적으로 연구가 진행됐던 분야다. 이 기술과 많은 데이터, 값싸고 성능 좋은 연산장치의 등장이 접목돼 알파고, 사람보다 사람 인식을 잘하는 서비스, 자율자동차 등과 같은 파격적인 결과물들이 등장하고 있다. 이 결과의 바탕에는 많은 데이터를 통해 시스템에 지능을 부여하는 머신 러닝이 있다. 우리가 인지하지는 못하지만 이 머신 러닝 기술은 오래전부터 온라인 스토어, SNS, 금융 분야 등에서 사용되고 있으며, 그 적용처가 점차 확대되고 있다.
이 책은 머신 러닝을 적용하고자 하는 실무자, 개발자, 혹은 머신 러닝에 관심 있는 사람을 위한 책이다. 머신 러닝은 선형 대수, 확률, 통계, 최적화 등에 기반을 학문이며, 이 분야에서 사용 중인 용어 및 관련 내용은 머신 러닝을 시작하기 위한 장애물이 되고 있다. 이 책에서는 실제로 머신 러닝을 적용하기 위해 필요한 배경지식을 최소한의 수식과 간단한 파이썬 코드를 통해 체계적으로 머신 러닝부터 딥러닝까지 설명한다. 이 책에서 소개하는 내용을 바탕으로 머신 러닝과 딥러닝에 관련된 서비스 및 라이브러리를 더욱 잘 활용할 수 있을 것이다.
아무쪼록 이 책이 머신 러닝 기법을 자신만의 프로젝트에 적용하고자 하는 독자들에게 도움이 됐으면 한다.
■ 개발자가 익숙한 접근 방식을 통한 머신 러닝의 수학 및 기법 학습
■ 널리 사용되는 머신 러닝 알고리즘/기술과 실제 문제 해결 방법
■ 인기 있는 프로그래밍 프레임워크를 사용해 고급 개념에 대한 학습
■ 머신 러닝 분야에서 일할 수 있는 준비
■ 머신 러닝을 사용해 컴퓨팅 문제를 해결하는 데 가장 잘 알려지고 강력한 도구에 대한 개요 제공
■ 현재 머신 러닝 분야에 대한 소개를 바탕으로 개념들을 흥미롭고 최첨단 문제에 적용
★ 이 책의 대상 독자 ★
이 책은 프로그래밍을 통해 머신 러닝 개념의 기초를 이해하고자 하는 개발자/기술에 관심이 많은 사람을 대상으로 한다. 이 책은 스크립팅 언어에 대한 경험이 있는 사람에 적합하고, 파이썬에 익숙하면 코드를 이해하는 데 더욱 유용할 것이다. 또한 현재 데이터 과학자들의 경우에는 새롭고 실질적인 접근법을 통해 기본 개념부터 이해하는 데 유용할 것이다.
★ 이 책의 구성 ★
1장, ‘소개: 머신 러닝 및 과학 통계’에서는 머신 러닝의 입문에 필요한 다양한 개념을 다룬다. 역사, 종류 및 해당 분야의 일반적인 개념에 대해 알아본다. 또한 이후에 개발되는 대부분의 기술을 이해하는 데 필요한 기본 수학적 개념을 소개한다.
2장, ‘학습 과정’에서는 머신 러닝 작업 과정에 있는 모든 단계를 다루며, 각 단계에서 사용되는 유용한 도구와 개념의 정의를 보여준다.
3장, ‘클러스터링’에서는 비지도 학습, 특히 K-평균과 K-NN 클러스터링을 위한 몇 가지 기술을 다룬다.
4장, ‘선형 및 로지스틱 회귀’에서는 이름은 비슷하지만 상당히 다른 두 가지 지도 학습 알고리즘을 다룬다. 이 두 알고리즘은 선형 회귀(시계열 예측을 수행)와 로지스틱 회귀(분류 목적으로 사용)다.
5장, ‘신경망’에서는 최신 머신 러닝 애플리케이션의 기본 구성 요소 중 하나인 신경망을 다루며, 단계적으로 실제 신경망을 구축하면서 마무리한다.
6장, ‘합성곱 신경망’에서는 신경망의 강력한 변형된 형태인 CNN을 다룬다. 실제 적용 예에서는 VGG16이라고 잘 알려진 CNN 구조의 내부를 실제적으로 둘러보는 것으로 마무리한다.
7장, ‘순환 신경망’에서는 RNN 개념의 개요와 가장 많이 사용되는 구조인 LSTM의 각 단계에 대해 다룬다. 마지막으로 시계열 예측에 대한 실제 예를 소개한다.
8장, ‘최근 모델 및 개발 현황’에서는 이 분야에서 큰 관심을 받고 있는 두 가지 기법, 즉 생성적 대립 신경망과 강화 학습의 전반적인 분야에 대해 다룬다.
9장, ‘소프트웨어 설치 및 설정’에서는 리눅스, 맥OS 및 윈도우의 세 가지 운영체제에서 머신 러닝을 구현하는 데 필요한 소프트웨어 패키지의 설치 방법을 설명한다.
★ 지은이의 말 ★
머신 러닝은 현재 인기 있는 분야 중 하나다. 중요한 기술로 언론의 찬사를 받으면서 최근에 데이터와 자동화로 동작하는 모든 곳에서 중요하게 투자해야 할 기술의 한 분야다. 그리고 머신 러닝은 이미지 이해, 로봇 공학, 검색 엔진, 자율 자동차 등과 같은 많은 분야에서 광범위하게 사용되고 있으며, 응용 분야가 계속 증가하고 있다. 이 책에서는 복잡한 수학적인 지식을 제외하고 코드와 다이어그램을 통해 머신 러닝의 기본 개념과 현재 기술을 다룬다.
기본적인 머신 러닝 개념, 종류 및 문제 유형에 대해 알아보면서 시작한다. 이후 기술을 이해하는 데 필요한 기본적인 수학 개념도 설명한다. 장들을 진행하면서 복잡도와 정교함이 증가하는 모델들에 대해 설명한다. 선형 회귀를 시작으로 로지스틱 회귀, 신경망 및 CNN, RNN 같은 첨단 머신 러닝 기술을 다루며, GAN과 강화 학습 같은 진보된 머신 러닝 기술을 소개하며 마무리한다.
이 책은 최종적으로 머신 러닝이 무엇인지 파악하고 기본적인 수학적 정의와 함께 알고리즘 관점에서 주요 기본 개념을 이해하고자 하는 개발자를 대상으로 한다. 이 책은 쉽게 인터페이스가 가능한 파이썬을 이용해 개념들을 구현한다. 파이썬은 코드를 통해 학습하기 위한 최고의 도구다. 따라서 파이썬 프로그래밍에 대해 익숙해지면 코드로 여러 가지를 할 수 있다. 다른 언어에 대한 경험이 있다면 어렵지는 않을 것이다.
자신의 머신 러닝 문제를 해결하는 데 필요한 알고리즘을 어떻게 정하는지, 최상의 결과를 얻기 위해 이 알고리즘이 어떻게 작동하는지에 대한 내용을 배운다. 머신 러닝을 빠르게 개발자가 익숙한 언어를 통해 배우고자 하고, 이 분야에 뛰어들기 위한 충분한 정보를 갖고자 한다면 이 책을 반드시 봐야 한다!
★ 옮긴이의 말 ★
알파고 쇼크 이후에 많은 사람이 인공지능에 관심을 갖게 됐다. 인공지능이 갑작스럽게 나온 기술인 것 같지만 오래전부터 지속적으로 연구가 진행됐던 분야다. 이 기술과 많은 데이터, 값싸고 성능 좋은 연산장치의 등장이 접목돼 알파고, 사람보다 사람 인식을 잘하는 서비스, 자율자동차 등과 같은 파격적인 결과물들이 등장하고 있다. 이 결과의 바탕에는 많은 데이터를 통해 시스템에 지능을 부여하는 머신 러닝이 있다. 우리가 인지하지는 못하지만 이 머신 러닝 기술은 오래전부터 온라인 스토어, SNS, 금융 분야 등에서 사용되고 있으며, 그 적용처가 점차 확대되고 있다.
이 책은 머신 러닝을 적용하고자 하는 실무자, 개발자, 혹은 머신 러닝에 관심 있는 사람을 위한 책이다. 머신 러닝은 선형 대수, 확률, 통계, 최적화 등에 기반을 학문이며, 이 분야에서 사용 중인 용어 및 관련 내용은 머신 러닝을 시작하기 위한 장애물이 되고 있다. 이 책에서는 실제로 머신 러닝을 적용하기 위해 필요한 배경지식을 최소한의 수식과 간단한 파이썬 코드를 통해 체계적으로 머신 러닝부터 딥러닝까지 설명한다. 이 책에서 소개하는 내용을 바탕으로 머신 러닝과 딥러닝에 관련된 서비스 및 라이브러리를 더욱 잘 활용할 수 있을 것이다.
아무쪼록 이 책이 머신 러닝 기법을 자신만의 프로젝트에 적용하고자 하는 독자들에게 도움이 됐으면 한다.
[교보문고에서 제공한 정보입니다.]
목차정보
1장. 소개: 머신 러닝 및 통계 과학
__큰 그림에서의 머신 러닝
__사용하는 도구: 프로그래밍 언어 및 라이브러리
__기본적인 수학 개념
__확률 및 랜덤 변수
__확률 함수에 대한 통계적 측정 기준
__요약
2장. 학습 과정
__문제 이해
__데이터셋 정의 및 획득
__피처 엔지니어링
__데이터셋 전처리
__모델 정의
__손실 함수 정의
__모델 피팅 및 평가
__모델 구현 및 결과 해석
__요약
3장. 클러스터링
__사람처럼 그룹화
__클러스터링 과정 자동화
__공통 중심 찾기: K-평균
__최근접 이웃
__K-NN 샘플 구현
__요약
4장. 선형 및 로지스틱 회귀
__회귀 분석
__선형 회귀
__공분산 및 상관관계로 기울기 및 절편 탐색
__그래디언트 디센트
__실전 데이터 탐색 및 선형 회귀
__로지스틱 회귀
__요약
5장. 신경망
__신경 모델의 역사
__단층 퍼셉트론으로 간단한 함수 구현
__요약
6장. 합성곱 신경망
__컨벌루션 신경망의 기원
__심층 신경망
__Keras를 사용한 심층 신경망 배포
__Quiver로 컨벌루션 모델 탐색
__요약
7장. 순환 신경망
__순서가 있는 문제 풀기: RNNs
__LSTM
__에너지 소비 데이터를 이용한 단변량 시계열 예측
__요약
8장. 최근 모델 및 개발 현황
__GAN
__강화 학습
__기본 RL 기술: Q-러닝
__참고 자료
__요약
9장. 소프트웨어 설치 및 설정
__리눅스 설치
__맥OS X 환경 설치
__윈도우 설치
__요약
__큰 그림에서의 머신 러닝
__사용하는 도구: 프로그래밍 언어 및 라이브러리
__기본적인 수학 개념
__확률 및 랜덤 변수
__확률 함수에 대한 통계적 측정 기준
__요약
2장. 학습 과정
__문제 이해
__데이터셋 정의 및 획득
__피처 엔지니어링
__데이터셋 전처리
__모델 정의
__손실 함수 정의
__모델 피팅 및 평가
__모델 구현 및 결과 해석
__요약
3장. 클러스터링
__사람처럼 그룹화
__클러스터링 과정 자동화
__공통 중심 찾기: K-평균
__최근접 이웃
__K-NN 샘플 구현
__요약
4장. 선형 및 로지스틱 회귀
__회귀 분석
__선형 회귀
__공분산 및 상관관계로 기울기 및 절편 탐색
__그래디언트 디센트
__실전 데이터 탐색 및 선형 회귀
__로지스틱 회귀
__요약
5장. 신경망
__신경 모델의 역사
__단층 퍼셉트론으로 간단한 함수 구현
__요약
6장. 합성곱 신경망
__컨벌루션 신경망의 기원
__심층 신경망
__Keras를 사용한 심층 신경망 배포
__Quiver로 컨벌루션 모델 탐색
__요약
7장. 순환 신경망
__순서가 있는 문제 풀기: RNNs
__LSTM
__에너지 소비 데이터를 이용한 단변량 시계열 예측
__요약
8장. 최근 모델 및 개발 현황
__GAN
__강화 학습
__기본 RL 기술: Q-러닝
__참고 자료
__요약
9장. 소프트웨어 설치 및 설정
__리눅스 설치
__맥OS X 환경 설치
__윈도우 설치
__요약
[알라딘에서 제공한 정보입니다.]