머신러닝 기초 이론, 실전 예제, 문제 해결까지 한 번에
이 책은 구글과 라쿠텐 머신러닝 개발자가 초보자 눈높이에서 머신러닝의 핵심 이론과 실용적인 예제를 제시합니다. 머신러닝 입문자가 이론을 바탕으로 강력한 성능을 내는 머신러닝 시스템을 구현하고 사용할 수 있도록 하는 것이 이 책의 목표입니다. 사이킷런으로 ‘구매 이력 데이터를 이용한 사용자 그룹화’, ‘문서 분석 시스템’, ‘영화 추천 시스템’, ‘이미지 인식 시스템’을 만들어봅니다.

 

1부에서는 ‘머신러닝 기초 지식’, 2부에서는 ‘머신러닝 주요 모델’, 3부에서는 ‘머신러닝 시스템 구현’을 알려줍니다. 이론과 실무 예제와 해결 방법까지 모두 담고 있어 입문자뿐 아니라 이미 머신러닝을 현업에서 다루면서 체계적으로 실력을 다잡고자 하는 중고수에게도 최고의 선택이 될 겁니다.

 

★ 이 책에서 다루는 내용
이 책은 머신러닝 입문자가 알아야 하는 머신러닝의 전반적인 내용을 다룹니다. 여러분은 머신러닝이 왜 쓸모 있고 어떤 모델과 문제가 있는지, 실무에서 어떻게 사용하는지, 머신러닝의 다양한 문제를 어떻게 해결할 수 있는지, 프로그램 코드를 어떻게 만드는지 알게 될 겁니다.
[1부 머신러닝 기초 지식]
머신러닝과 딥러닝이 무엇이고 어떤 분류와 어떤 개념이 있는지 알아봅니다. 1부의 기본 개념은 3부의 실습에서 유용하게 사용되므로 정확히 알고 가는 것이 좋습니다.
-1장 머신러닝 시작하기
머신러닝...
★ 이 책에서 다루는 내용
이 책은 머신러닝 입문자가 알아야 하는 머신러닝의 전반적인 내용을 다룹니다. 여러분은 머신러닝이 왜 쓸모 있고 어떤 모델과 문제가 있는지, 실무에서 어떻게 사용하는지, 머신러닝의 다양한 문제를 어떻게 해결할 수 있는지, 프로그램 코드를 어떻게 만드는지 알게 될 겁니다.
[1부 머신러닝 기초 지식]
머신러닝과 딥러닝이 무엇이고 어떤 분류와 어떤 개념이 있는지 알아봅니다. 1부의 기본 개념은 3부의 실습에서 유용하게 사용되므로 정확히 알고 가는 것이 좋습니다.
-1장 머신러닝 시작하기
머신러닝의 큰 그림을 이해하는 데 도움이 되는 내용을 소개합니다. 머신러닝과 딥러닝이 무엇인지, AI와 다른 관련 분야들과는 어떠한 관계를 갖고 있으며 어떻게 분류하는지 설명합니다.
- 2장 머신러닝의 주요 개념
머신러닝의 주요 개념을 설명합니다. 이론적인 부분을 최대한 쉽고 실용적으로 설명했습니다. 이 장을 읽고 나면 머신러닝을 도입했을 때 문제를 어떻게 바라보고 어떻게 표현하며 어떻게 해결 방법을 찾는지, 그리고 예측에 어떻게 사용하는지에 대해 알 수 있습니다. 이들 개념은 성능에 커다란 영향을 끼치므로 어렵더라도 읽어보기 바랍니다.
[2부 머신러닝 주요 모델]
머신러닝 주요 모델의 이론과 개념을 실제 적용 사례와 함께 설명합니다. 회귀, 군집화 등 머신러닝의 모델에 대해 어느 정도 알고 있지만 바탕이 되는 이론이나 적용할 수 있는 문제가 무엇인지에 대해 구체적으로 알고 싶으면 2부를 꼭 읽어보세요. 특히 8장은 실제로 이론을 적용했을 때 발생하는 다양한 문제를 해결하는 방법을 소개합니다.
- 3장 데이터와 문제
문제의 종류와 데이터에 대해 이해해야 머신러닝을 제대로 수행할 수 있습니다. 데이터와 문제의 종류를 소개하여 머신러닝으로 해결할 수 있는 문제를 이해하는 데 도움을 줍니다.
- 4장 구매 이력 데이터를 이용한 사용자 그룹 만들기
수치 항목으로 구성된 구매 이력 데이터로 사용자 그룹을 만드는 문제를 다룹니다. 수치 데이터를 이용하는 대표적인 모델인 회귀와 군집화를 좀 더 자세히 알아봅니다.
- 5장 문서 분석 시스템 만들기
문서를 분석하는 다양한 방법에 대해 설명합니다. 문서를 주어진 카테고리에 맞게 분류하는 방법, 숨겨진 토픽을 찾는 방법, 문법을 분석하는 방법, 문서에서 고유명사를 추출하는 방법 등 이론적인 기반을 소개합니다. 또한 최신 유행하는 임베딩 학습으로 문서를 분석하는 방법도 소개합니다.
- 6장 영화 추천 시스템 만들기
넷플릭스, 유튜브 등의 서비스는 사용자가 좋아할 만한 영상을 어떻게 찾아낼까요? 추천 시스템의 기본 이론에 대해 알아봅니다.
- 7장 이미지 인식 시스템 만들기
이미지의 내용을 어떻게 인식하는지에 대해 설명합니다. 비슷한 사진 찾기, 이미지에 들어 있는 주요 물체를 찾는 인식 기법에 대해 설명합니다. 또한 최신 기법인 신경망을 이용한 이미지 분류에 대해서도 살펴봅니다.
- 8장 머신러닝의 다양한 문제점 해결하기
머신러닝을 최초로 구현했을 때부터 바로 좋은 성능을 보인다면 정말 운이 좋은 겁니다. 같은 방법을 사용하더라도 여러 가지 상황에 따라 좋은 성능이 나오지 않을 수 있습니다. 대부분의 경우에는 몇 가지 문제만 해결해도 엄청난 성능 향상을 얻을 수 있습니다. 모델의 다양한 문제점을 해결하는 방법, 까다로운 데이터를 처리하는 방법, 속도 향상을 위한 방법 등을 알아
봅니다.
[3부 머신러닝 시스템 구현]
3부에서 설명한 이론을 실제로 구현하는 방법과 라이브러리를 이용하는 방법을 소개합니다. 모델을 실제로 적용하는 방법을 더 빨리 알고 싶다면 2부보다 3부를 먼저 읽어도 됩니다.
- 9장 머신러닝 소프트웨어 소개
머신러닝 태스크에 사용되는 프로그래밍 언어와 각 언어에서 사용하는 대표적인 머신러닝 라이브러리 및 딥러닝 프레임워크를 소개합니다. 이 책에서 주로 사용할 라이브러리는 사이킷런과 텐서플로입니다. 이 두 라이브러리의 기본적인 사용법에 대해서도 알아봅니다.
- 10장 구매 이력 데이터를 이용한 사용자 그룹 만들기 - 실전
4장에서 소개한 ‘구매 이력 데이터를 이용한 사용자 그룹 만들기’를 실제로 구현해봅니다. 데이터와 프로그래밍 코드를 함께 살펴보면서 다양한 군집화 구현에 대해 살펴봅니다.
- 11장 문서 분석 시스템 만들기 - 실전
5장에서 살펴본 다양한 ‘문서 분석 시스템’을 구현해봅니다. 스팸문자 분류기와 문서 내용을 간추리는 데 사용되는 토픽을 찾는 방법, 한국어 처리와 임베딩 학습을 통한 문서 분석 방법을 알아봅니다.
- 12장 영화 추천 시스템 만들기 - 실전
6장에서 설명한 ‘영화 추천 시스템’을 구현해봅니다. 실제 데이터와 프로그래밍 코드를 살펴보면서 협업 필터링 구현 방법에 대해 소개합니다.
- 13장 이미지 인식 시스템 만들기 - 실전
7장에서 살펴본 이미지 관련 기술을 이용해 ‘이미지 인식 시스템’을 만듭니다. 기본적인 이미지 데이터를 다루는 방법과 얼굴 사진 분류 및 딥러닝을 이용한 손글씨 분류를 구현해봅니다.

 

빅데이터에 이어 머신러닝은 이미 시대의 화두가 되었다. 정보 검색을 전공하고 데이터 과학자로 일해온 필자에게 이는 분명 반가운 소식이다. 머신러닝으로 모든 것을 해결할 수 있으며 해결해야 한다는 강박관념에 사로잡힌 사람을 많이 본다.『'처음 배우는 머신러닝』은 이렇게 머신러닝에 관심은 있지만 배울 기회가 없던 분들께 머신러닝의 실체에 다가갈 기회를 제공하는 책이다. 텍스트 처리에서 추천 시스템, 이미지 인식에 이르기까지 다양한 분야의 최신 기법을 다루고 있어 이미 머신러닝을 사용하는 분께도 유용하다.
복잡한 딥러닝 기법과 대용량 컴퓨팅 파워가 주류를 이루는 요즘 ‘머신러닝을 구현할 때는 기본으로 돌아가 데이터 특성을 파악하고 단순한 학습 기법에서 출발해야 한다’는 저자의 주장을 현업 데이터 과학자의 입장에서 다시 한번 강조하고 싶다.
- 김진영 PhD (스냅, 데이터 과학자, 『헬로 데이터 과학』 저자)

머신러닝에 처음 관심을 두게 된 계기는 알파고와 이세돌의 대국이었다. 이세돌이 알파고에 패하고 나서 머신러닝에 관한 강연들에 수차례 참석하고, 관련 글도 여럿 읽어보았는데, 대부분 너무 전문적이거나 그 반대로 피상적이어서 지적 갈증을 해소해주기에 역부족이었다. 그러던 차에 『처음 배우는 머신러닝』을 읽게 되었다. 도서명과도 같이 나를 비롯한 비전문가들도 별다른 배경지식 없이도 머신러닝을 체계적으로 배울 수 있게 해주는 가뭄에 단비와 같은 책이다.
- 정준혁 PhD (텍사스 A&M 대학교, 수학과 조교수)

세계적으로 머신러닝에 대한 관심이 대단한데, 그런 상황에 비해 초심자가 볼만한 책이 부족하다. 유명한 교재도 있지만 독자가 수학과 통계학 지식을 갖췄다고 전제하고, 실용적인 애플리케이션보다는 학술적인 내용에 중점을 두고 있기 때문이다. 이 책은 머신러닝을 이용하는 최신 애플리케이션들을 풍부하게 예로 들고, 수학과 통계에 대한 지식 없이도 쉽게 따라하며 머신러닝의 기본 개념을 익힐 수 있도록 쓰였다. 그런 점에서 실용적인 초심자용 교재에 대한 갈증을 크게 해소해줄 것이라 기대한다.
- 이준석 PhD (구글 리서치, 머신퍼셉션, 소프트웨어 엔지니어)

머신러닝은 이세돌 9단과 바둑을 두고, 서울시 야간버스 노선 최적화를 돕는다. 그야말로 사회 전반에 걸쳐 폭넓게 이용되고 있다. 머신러닝을 배우려는 사람은 많지만, 기존 자료는 영어로 작성된 것들이 많아서 접근성이 떨어지는 것이 현실이다. 컴퓨터공학이나 프로그래밍 혹은 통계학에 대한 지식은 있지만 머신러닝을 처음 접근하는 분들에게 실리콘밸리와 일본 현업에서 머신러닝을 사용하는 저자들이 정말 필요한 이론과 실례를 담은 이 책은 가뭄의 단비같이 시기적절한 도움을 줄 것이다. 아울러 제공하는 예제 코드는 독자분들이 만들려는 머신러닝을 이용한 애플리케이션을 만드는 데도 유용할 것이다.
- 정은진 PhD (샌프란시스코 대학교, 컴퓨터과학과 부교수)

많은 소프트웨어 서비스가 데이터를 기반으로 품질을 계속 개선해나가는 추세다. 이러한 추세에 따라 데이터를 효과적으로 활용하는 기술인 머신러닝이 더욱 중요해지고 있다. 기본 개념부터 실제 서비스 응용에 이르기까지 확실하고 쉽게 다뤄주는 이 책을 머신러닝 입문자와 현업 엔지니어 분들께 적극 추천한다!
- 유승일 PhD (구글 리서치, 소프트웨어 엔지니어)


이 책은 머신러닝 입문자들에게 필요한 개념을 친절하고 명확하게 설명한다. 기존 머신러닝 개발자들도 개념이 명확치 않을 때 챙겨볼 만한 핵심 내용을 포함한다. 일반적인 머신러닝 서적이 이론 위주인 반면, 개념 설명과 구현 예제를 곁들인 이 책은 실전에서 활약하는 개발자들에게 직접적인 도움을 줄 것이다.
특히 전통적인 머신러닝에서부터 최근 열풍인 딥러닝의 활용(이미지, 자연어)까지 유기적으로 연계시킴으로써 딥러닝 입문자들이 반드시 익혀야 할 머신러닝 기법을 습득하는 데 적합하다.
- 반대현 PhD (삼성전자, 소프트웨어 R&D 센터 책임연구원)

『처음 배우는 머신러닝』은 컴퓨터공학을 전공하지 않은 초심자에게 매우 적합한 책이다. 영문에서 번역된 다른 저서들은 이해하기 다소 난해하다는 평이 있었는데 이 책은 머신러닝 관련 현업에 종사하는 한국인들이 애초에 한글로 집필했기 때문에 독자들이 내용을 받아들이기 훨씬 수월할 것이다. 책의 내용도 독자들이 이해하기 쉬운 도표, 예제, 그리고 코드를 적절히 이용해 추상적이지 않고 직관적으로 풀어서 설명되어 있다. 머신러닝을 처음 접하는 직관적인 책을 원하는 초심자에게 시원한 청량제같은 책이 될 것이라 기대한다.
- 송현오 PhD (서울대학교, 컴퓨터공학부 조교수)

석사 시절 머신러닝을 영문 교과서로 처음 접하면서 헤매었던 기억이 있다. 또한 현업에서 데이터 과학자로 일하면서 교과서의 이론과 실제 데이터 분석 사이에 간극이 있어 막막함을 느꼈던 적도 많다. 입문자의 그런 답답함을 이 책이 해소해 줄 것이다. 이 책은 복잡한 머신러닝 알고리즘과 개념을 우리말로 쉽게 설명해줄 뿐만 아니라 예제를 바탕으로 쓰여져 있어서 입문자가 쉽게 배울 수 있도록 구성되어 있다. 머신러닝 초보자로서 부딪히는 다양한 장벽도 이 책과 함께라면 지은이들의 다년간의 경험과 노하우를 얻어 실무에서 쉽게 적용해볼 수 있을 것이다.
- 노은지 (링크드인, 데이터 과학자)

머신러닝을 배우고는 싶은데 어디서부터 시작해야 할지 막막한 분들께 이 책을 추천한다. 두 저자는 머신러닝의 기본 개념부터 주요 활용 분야까지 알기 쉽게 설명하고자 많은 노력을 들여 매우 흡족한 결과가 나왔다. 특히 활용 예제가 많이 포함되어 있어서 머신러닝을 현업에서 활용하길 원하시는 분들께 좋은 참고서가 될 것이다.
- 김도겸 PhD (페이스북, 연구원)

 

[Part 1 머신러닝 기초 지식]
1장. 머신러닝 시작하기
__1.1 머신러닝 소개
__1.2 머신러닝을 이해하는 데 필요한 배경 지식
__1.3 머신러닝 발전사
__1.4 머신러닝의 분류
__1.5 마치며
2장. 머신러닝의 주요 개념
__2.1 모델 : 문제를 바라보는 관점
__2.2 손실함수
__2.3 최적화 : 실제로 문제를 푸는 방법
__2.4 모델 평가 : 실제 활용에서 성능을 평가하는 방법
__2.5 마치며
[Part 2 머신러닝 주요 모델]
3장. 데이터와 문제
__3.1 데이터형
__3.2 데이터양과 품질
__3.3 데이터 표준화
__3.4 문제 유형
__3.5 마치며
4장. 구매 이력 데이터를 이용한 사용자 그룹 만들기
__4.1 군집화
__4.2 K-중심 군집화
__4.3 계층적 군집화
__4.4 밀도 기반 군집화
__4.5 유사도 계산
__4.6 마치며
5장. 문서 분석 시스템 만들기
__5.1 문서 분류 시스템 만들기
__5.2 토픽 모델링
__5.3 문법 분석
__5.4 단어 임베딩 학습 - word2vec
__5.5 마치며
6장. 영화 추천 시스템 만들기
__6.1 영화 추천 시스템
__6.2 유사도 계산
__6.3 내용 기반 추천 시스템
__6.4 협업 필터링
__6.5 표준화
__6.6 마치며
7장. 이미지 인식 시스템 만들기
__7.1 이미지 처리의 기본 개념
__7.2 이미지 인식
__7.3 이미지 인식에 사용하는 피처
__7.4 딥러닝을 이용한 이미지 인식
__7.5 마치며
8장. 머신러닝의 다양한 문제점 해결하기
__8.1 모델 문제
__8.2 데이터 문제
__8.3 속도 문제
__8.4 마치며
[Part 3 머신러닝 시스템 구현]
9장. 머신러닝 소프트웨어 소개
__9.1 파이썬 설치와 라이브러리
__9.2 유명 라이브러리 소개
__9.3 이 책에서 사용하는 툴킷
__9.4 마치며
10장. 구매 이력 데이터를 이용한 사용자 그룹 만들기 - 실전
__10.1 데이터셋
__10.2 데이터 전처리
__10.3 K-평균 군집화
__10.4 올바른 클러스터 수 K 정하기
__10.5 계층적 군집화
__10.6 마치며
11장. 문서 분석 시스템 만들기 - 실전
__11.1 스팸 문자 필터 만들기(문서 분류)
__11.2 토픽 모델 시스템 만들기
__11.3 품사 분석 시스템 만들기
__11.4 고유명사 태깅 시스템 만들기
__11.5 한국어 위키백과를 이용한 word2vec 만들기
__11.6 마치며
12장. 영화 추천 시스템 만들기 - 실전
__12.1 데이터셋 구하기
__12.2 데이터 전처리
__12.3 내용 기반 영화 추천 시스템 만들기
__12.4 협업 필터링 기반 영화 추천 시스템 만들기
__12.5 마치며
13장. 이미지 인식 시스템 만들기 - 실전
__13.1 이미지 데이터를 이용한 K-평균 군집화
__13.2 주성분 분석을 이용한 사람 얼굴 인식
__13.3 CNN을 이용한 손글씨 숫자 분류
__13.4 마치며
부록 : 용어표