반디앤루니스 인터넷서점
전체

로고이미지

검색

  • ▼
HOT ISSUE

네비게이션 실시간 인기 책

    리얼월드 머신러닝

    미리보기

    리얼월드 머신러닝 생생한 현장의 실무 예제로 배우는

    시리즈 : 위키북스 데이터 사이언스 시리즈 [23]

    • 헨릭 브링크, 조셉 W. 리처드, 마크 페더롤 저
    • 정종현, 유선우 역
    • 위키북스
    • 2017년 10월 24일
    • 정가
      25,000원
    • 판매가
      22,500원 [10% 할인]
    • 결제 혜택
      무이자
    • 적립금
      1,250원 적립 [5%P]

      NAVER Pay 결제 시 네이버페이 포인트 5% 적립 ?

    품절된 상품입니다.

    위시리스트
    회원리뷰
    - [0]
    ISBN: 9791158390761 296쪽 175 x 237 (㎜)

    지금 이책은

    이 분야의 베스트셀러

    이 책과 함께 구매한 책

    이 책이 속한 분야

    이 책의 시리즈

    전체 선택 쇼핑카트 담기
    시리즈 위키북스 데이터 사이언스 시리즈 (23)

    책 소개

    상품문의 / 정보수정 요청 >

    이 책은

    머신러닝 시스템은 데이터에서 일반적인 방법으로 발견하지 못할 귀중한 통찰력과 유형을 찾을 수 있도록 도와준다. 《리얼월드 머신러닝》에서 보여주는 머신러닝 기법은 트렌드를 파악하고 행동을 예측하며 사실에 근거해서 추천하는 방법을 알려준다.



    이 책은 실무 개발자에게 머신러닝 프로젝트 실행 기술을 가르치고자 고안된 실용 가이드다. 학문적 이론과 복잡한 수학을 깊이 들어가지 않고도 효과적인 머신러닝 시스템을 성공적으로 구축 및 배치하려고 준비하는 독자를 위해 생생한 현장의 머신러닝 사례와 함께 소개한다.


    출판사 리뷰

    《리얼월드 머신러닝》은 추상적 이론과 복잡한 수학을 과용하지 않고 성공적인 머신러닝 실무자가 되는 데 필요한 개념과 기술을 가르쳐 준다. 관련 예제를 파이썬으로 바로 실습함으로써 데이터 수집, 모델링, 분류 및 회귀 기술을 익힐 수 있으며, 모델 유효성 검사, 최적화, 확장성 및 실시간 스트리밍과 같은 가장 중요한 작업들도 탐구한다. 위 과정을 마치고 나면 여러분의 강력한 머신러닝 시스템을 스스로 구축하고 배포하고 유지할 수 있을 것이다.
    1부에서는 머신러닝의 기본적인 개념을 설명하고 2부에서는 라이브러리를 활용해 머신러닝 모...
    《리얼월드 머신러닝》은 추상적 이론과 복잡한 수학을 과용하지 않고 성공적인 머신러닝 실무자가 되는 데 필요한 개념과 기술을 가르쳐 준다. 관련 예제를 파이썬으로 바로 실습함으로써 데이터 수집, 모델링, 분류 및 회귀 기술을 익힐 수 있으며, 모델 유효성 검사, 최적화, 확장성 및 실시간 스트리밍과 같은 가장 중요한 작업들도 탐구한다. 위 과정을 마치고 나면 여러분의 강력한 머신러닝 시스템을 스스로 구축하고 배포하고 유지할 수 있을 것이다.
    1부에서는 머신러닝의 기본적인 개념을 설명하고 2부에서는 라이브러리를 활용해 머신러닝 모델을 만드는 전체 과정을 보여준다. 일반적인 데이터, 텍스트 데이터, 빅데이터와 관련된 3개의 예제를 통해 자세하고 다양하게 배울 수 있으며, 또한 이 과정에서 발생하는 어려움을 해결하는 방법을 알 수 있다. 책에서 얻은 간접 경험이 실제로 머신러닝을 사용하는 일에 많은 도움이 될 것이다.
    ★ 이 책에서 다루는 내용 ★
    ◎ 미래 행동 예측하기
    ◎ 성능 평가와 최적화
    ◎ 특성 추출
    ◎ 고급 자연어 처리
    ◎ 영화 감상평 분석 및 추천

    저자 소개

    헨릭 브링크
    • 구분 : 저서
    • 국적 : 기타
    • 분류 : 과학/공학 저자
    • 인기지수 : 10
    최근저서

    헨릭 브링크는 업계 및 학계에서 광범위한 머신러닝 경험을 한 데이터 과학자이자 소프트웨어 개발자이다.

    조셉 리처드
    • 구분 : 저서
    • 국적 : 기타
    • 분류 : 과학/공학 저자
    • 인기지수 : 10
    최근저서

    조셉 리처드는 응용 통계와 예측 분석 전문 지식을 갖춘 선임 데이터 과학자다. 헨릭과 조셉은 업계에서 가장 많이 사용하는 기계 학습 솔루션 개발 업체인 와이즈닷아이오(Wise.io)의 공동 창립자다.

    마크 페더롤
    • 구분 : 저서
    • 국적 : 기타
    • 분류 : 과학/공학 저자
    • 인기지수 : 10
    최근저서

    마크 페더롤은 데이터 관리와 예측 분석을 전문으로 하는 회사인 누미나리 데이터 사이언스(Numinary Data Science)의 창립자이자 사장이다. 마크는 사회 과학 연구, 화학공학, 정보 시스템 성능, 생산 용량 계획, 케이블 TV 및 온라인 광고 응용 프로그램 분야에서 통계학자 및 해석학 데이터베이스 개발자로 일했다.

    역자 소개

    정종현
    • 국적 : 대한민국
    • 분류 : 과학/공학 저자
    • 인기지수 : 10
    최근저서

    동국대학교 컴퓨터공학과에 재학. 동국대학교 컴퓨터공학과 홍정모 교수와 ‘인공 신경망에게 월광 소나타 가르치기’를 시작으로 머신러닝에 입문했다. 지금은 CNN을 이용한 IoT 프로젝트를 진행하면서 열심히 배우고 있다.

    유선우
    • 국적 : 대한민국
    • 분류 : 과학/공학 저자
    • 인기지수 : 10
    최근저서

    현재 동국대학교 컴퓨터공학과에 재학 중이며 공역자 정종현과 함께 ‘인공 신경망에게 월광 소나타 가르치기’를 통해 머신러닝에 입문했다. 현재는 아파치 스파크를 이용해 대량의 사용자 데이터에서 유의미한 정보를 추출하는 프로젝트를 진행 중이다. 이 책에 소개된 머신러닝 기법들을 현업 데이터에 적용하고 있다.

    책 속에서

     

    목차

    [01부] 머신러닝 작업흐름
    ▣ 01장: 머신러닝이란 무엇인가?
    1.1 기계가 학습하는 방법
    1.2. 데이터에 근거한 결정
    __1.2.1. 전통적 접근법
    __1.2.2. 머신러닝 접근법
    __1.2.3. 머신러닝의 다섯 가지 이점
    __1.2.4. 문제점
    1.3. 머신러닝 작업흐름 따라가기: 데이터에서 배포까지
    __1.3.1. 데이터 수집 및 준비
    __1.3.2. 데이터로 모델 가르치기
    __1.3.3. 모델 성능 평가
    __1.3.4. 모델 성능 최적화
    1.4. 고급 기법으로 모델 성능을 높이기
    __1.4.1. 데이터 전처리 및 특성 공학
    __1.4.2. 온라인 방식으로 모델을 지속해서 개선
    __1.4.3. 모델의 데이터 크기와 속도 확장
    1.5. 요약
    1.6. 이번 장에 나오는 용어
    ▣ 02장: 실무현장 데이터
    2.1. 시작하기: 데이터 수집
    __2.1.1. 어떤 특성을 포함해야 하는가?
    __2.1.2. 목표 변수에 대한 실측 자료를 어떻게 얻을 수 있는가?
    __2.1.3. 얼마나 많은 훈련 데이터가 필요한가?
    __2.1.4. 훈련 집합이 충분히 대표성을 띄는가?
    2.2. 모델링을 위한 데이터 전처리
    __2.2.1. 범주형 특성
    __2.2.2. 결측 자료 다루기
    __2.2.3. 간단한 특성 추출
    __2.2.4. 데이터 정규화
    2.3. 데이터 시각화 사용
    __2.3.1. 모자이크 분포도
    __2.3.2. 상자 분포도
    __2.3.3. 밀도 분포도
    __2.3.4. 산점도
    2.4. 요약
    2.5. 이번 장에 나온 용어
    ▣ 03장: 모델링과 예측
    3.1. 머신러닝 모델링의 기본
    3.1.1. 입력과 목표 간의 관계 찾기
    __3.1.2. 좋은 모델을 찾는 목적
    __3.1.3. 모델링 방법의 종류
    __3.1.4. 지도 학습 대 비지도 학습
    3.2. 분류: 버킷으로 예측하기
    __3.2.1. 분류기를 만들고 예측하기
    __3.2.2. 복잡한 비선형 데이터 분류
    __3.2.3. 여러 계급으로 분류하기
    3.3. 회귀: 수치 예측
    __3.3.1. 회귀기 구축 및 예측
    __3.3.2. 복잡한 비선형 데이터에 대한 회귀 수행
    3.4. 요약
    3.5. 이번 장에 나온 용어
    ▣ 04장: 모델 평가와 최적화
    4.1. 모델 일반화: 신규 데이터에 대한 예측 정확도 평가
    __4.1.1. 문제: 과적합과 모델 낙천주의
    __4.1.2. 해결책: 교차 검증
    __4.1.3. 교차 검증 시 주의사항
    4.2. 분류 모델 평가
    __4.2.1. 계급 단위 정확도와 혼동 행렬
    __4.2.2. 정확도 절충과 ROC 곡선
    4.2.3. 다중 계급 분류
    4.3. 회귀 모델 평가
    __4.3.1. 간단한 회귀 성능 측정 사용
    __4.3.2. 잔차 검사
    4.4. 매개변수 튜닝을 통한 모델 최적화
    __4.4.1. 머신러닝 알고리즘과 조율 매개변수
    __4.4.2. 그리드 탐색
    4.5. 요약
    4.6. 이번 장에 나온 용어
    ▣ 05장: 특성 추출의 기본
    5.1. 동기: 특성 공학이 유용한 이유는?
    __5.1.1. 특성 추출이란 무엇인가?
    __5.1.2. 특성 추출을 해야 하는 다섯 가지 이유
    __5.1.3. 특성 추출과 특정 분야 전문 지식
    5.2. 기본적인 특성 추출 과정
    __5.2.1. 예제: 행사 추천
    __5.2.2. 날짜 및 시간 특성 다루기
    __5.2.3. 간단한 텍스트 특성으로 작업하기
    5.3. 특성 선택
    __5.3.1. 전진 선택과 후진 제거
    __5.3.2. 데이터 탐색을 위한 특성 선택
    __5.3.3. 현업 특성 선택 예제
    5.4. 요약
    5.5. 이번 장에 나온 용어
    [02부] 실제 적용
    ▣ 06장: 예제: 뉴욕 시 택시 데이터
    6.1. 데이터: 뉴욕 시 택시 운행 정보와 요금 정보
    __6.1.1. 데이터 시각화
    __6.1.2. 문제 정의 및 데이터 준비
    6.2. 모델링
    __6.2.1. 기본적인 선형 모델
    __6.2.2. 비선형 분류기
    __6.2.3. 범주형 특성 포함하기
    __6.2.4. 날짜 및 시간 특성 포함
    __6.2.5. 모델 통찰
    6.3. 요약
    6.4. 이번 장에 나오는 용어
    ▣ 07장: 고급 특성 추출 기법
    7.1. 고급 텍스트 특성
    __7.1.1. 단어 주머니 모델
    __7.1.2. 주제 모델링
    __7.1.3. 내용 확장
    7.2. 이미지 특성
    __7.2.1. 간단한 이미지 특성
    __7.2.2. 물체와 형태 추출
    7.3. 시계열 특성
    __7.3.1. 시계열 데이터의 유형
    __7.3.2. 시계열 데이터를 바탕으로 한 예측
    __7.3.3. 고전적 시계열 특성
    7.3.4. 사건 흐름에 대한 특성 추출
    7.4. 요약
    7.5. 이번 장에 나온 용어
    ▣ 08장: 고급 자연 언어 처리 예제: 영화 감상평 평점
    8.1. 데이터 및 사용사례 탐구
    __8.1.1. 데이터셋 훑어보기
    __8.1.2. 데이터셋 조사
    __8.1.3. 사용사례란 무엇인가?
    8.2. 기초 자연 언어 처리 특성 추출 및 초기 모델 구축
    __8.2.1. 단어 주머니 특성
    __8.2.2. 나이브 베이즈 알고리즘으로 모델 구축하기
    __8.2.3. tf-idf 알고리즘으로 단어 주머니의 특성들을 정규화하기
    __8.2.4. 모델 매개변수 최적화
    8.3. 고급 알고리즘과 모델 배치 고려사항
    __8.3.1. Word2vec 특성
    __8.3.2. 랜덤 포레스트 모델
    8.4. 요약
    8.5. 이번 장에 나온 용어
    ▣ 09장: 머신러닝 작업 흐름 확장
    9.1. 확장하기 전에
    __9.1.1. 중요 차원 식별
    __9.1.2. 확장하는 대신 훈련 데이터를 부차 표집하기?
    __9.1.3. 확장 가능한 데이터 관리 시스템
    9.2. 머신러닝 모델링 파이프라인 확장
    __9.2.1. 학습 알고리즘 확장
    9.3. 예측 확장
    __9.3.1. 예측량 높이기
    __9.3.2. 예측 속도 높이기
    9.4. 요약
    9.5. 이번 장의 용어
    ▣ 10장: 예제: 디지털 디스플레이 광고
    10.1. 디스플레이 광고
    10.2. 디지털 광고 데이터
    10.3. 특성 추출과 모델링 전략
    10.4. 데이터의 크기와 모양
    10.5. 특잇값 분해
    10.6. 자원 추정 및 최적화
    10.7. 모델링
    10.8. k 최근접 이웃
    10.9. 랜덤 포레스트
    10.10. 기타 현업 고려사항
    10.11. 요약
    10.12. 이번 장에 나온 용어
    10.13. 요점 및 결론
    ▣ 부록: 인기 있는 머신러닝 알고리즘

    배송 시 유의사항

    - 반디앤루니스에서 구매하신 도서는 물류 대행 위탁업체 웅진 북센을 통해 배송됩니다.
     (배송 포장에 "웅진 북센"으로 표기될 수 있습니다.)

    - 구매한 상품의 품질과 배송 관련 문의는 반디앤루니스로 문의 바랍니다.

    - 천재지변 및 택배사의 사정에 따라 배송이 지연될 수 있습니다.

    - 결제(입금) 완료 후 출판사 및 유통사의 사정으로 품절 또는 절판 되어 상품 구입이 어려울 수 있습니다. (별도 안내 예정)

    - 도서산간지역의 경우 추가 배송비가 발생될 수 있습니다.

    반품/교환

    상품 설명에 반품/ 교환 관련한 안내가 있는 경우 그 내용을 우선으로 합니다. (업체 사정에 따라 달라질 수 있습니다)

    반품/교환

    반품/교환
    반품/교환 방법 홈 > 고객센터 > 자주찾는질문 “반품/교환/환불” 안내 참고 또는 1:1상담게시판
    반품/교환 가능 기간 반품,교환은 배송완료 후 7일 이내, 상품의 결함 및 계약내용과 다를 경우 문제발견 후 30일 이내에 신청가능
    반품/교환 비용 변심 혹은 구매착오의 경우에만 반송료 고객 부담(별도 지정 택배사 없음)
    반품/교환 불가 사유
    • 소비자의 책임 사유로 상품 등이 손실 또는 훼손된 경우
    • 소비자의 사용, 포장 개봉에 의해 상품 등의 가치가 현저히 감소한 경우
    • 복제가 가능한 상품 등의 포장을 훼손한 경우 : 예)만화책, 잡지, 화보집 등
    • 시간의 경과에 의해 재판매가 곤란한 정도로 가치가 현저히 감소한 경우
    • 전자상거래등에서의 소비자보호에 관한 법률이 정하는 소비자 청약철회 제한 내용에 해당되는 경우
    • 해외주문 상품(해외 원서)의 경우(파본/훼손/오발송 상품을 제외)
    소비자 피해보상
    환불지연에 따른 배상
    • 상품의 불량에 의한 반품, 교환, A/S, 환불, 품질보증 및 피해보상 등에 관한 사항은
      소비자 분쟁해결 기준(공정거래위원회고시)에 준하여 처리됨
    • 대금 환불 및 환불지연에 따른 배상금 지급 조건, 절차 등은 전자상거래 등에서의
      소비자 보호에 관한 법률에 따라 처리함
    반품/교환 주소 경기도 파주시 문발로 77, 웅진북센(반디앤루니스)
    • 회사명 : (주)서울문고
    • 대표이사 : 김홍구
    • 개인정보 보호책임자 : 김홍구
    • E-mail : bandi_cs@bnl.co.kr
    • 소재지 : (06168) 서울 강남구 삼성로 96길 6
    • 사업자 등록번호 : 120-81-02543
    • 통신판매업 신고번호 : 제2023-서울강남-03728호
    • 물류센터 : (10881) 경기도 파주시 문발로 77 반디앤루니스
    copyright (c) 2016 BANDI&LUNI'S All Rights Reserved