- 주문상품수량
- 개
- 예상적립금
P - 상품할인금
- 원
- 배송료
- 원
- 주문합계
- 원
네비게이션 실시간 인기 책
파이썬으로 배우는 응용 텍스트 분석 언어 인식 데이터 제품 개발을 위한 머신러닝
원제 : Applied Text Analysis with Pytho
- 벤자민 벵포트, 레베카 빌브로, 토니 오제다 저
- 박진수 역
- 제이펍
- 2019년 11월 29일
-
정가27,000원
-
판매가27,000원 [0% 할인]
-
결제 혜택무이자
카드할인/포인트결제 안내
제휴카드
반디앤루니스 롯데카드 결제금액 최대 25% 청구할인 (1만원 이상 결제건에 한해 월 2회, 건당 최대 1만원 할인) 반디앤루니스 우리V카드 결제금액 10% 청구할인 포인트결제
OK캐쉬백 포인트 최소 10원부터 전액 사용 or 1% 적립 현대카드 M포인트 결제금액의 최대 10% 사용 가능 신한카드 포인트 결제금액의 최대 10% 사용 가능(일부카드) 하나(구.외환) 포인트 보유 한도 내에서 100% 사용 가능 씨티카드 포인트 결제금액의 최대 50% 사용 가능 할인카드
NH농협 TAKE5카드 20% 청구할인(Edu Pack) 채움 플래티늄 멀티카드 20% 청구할인 모바일 Tmoney 신한카드 10% 청구할인 신한카드 Shopping 10% 청구할인 NH농협 체크카드 10% 청구할인 NH20 해봄 신용카드 10% 청구할인 씨티 클리어 카드 7% 청구할인 NH20 해봄 체크카드 5% 청구할인 NH농협 LADY다솜카드 5% 청구할인 신한카드 큐브 5% 청구할인 신한카드 큐브 PLATINUM# 5% 청구할인 
무이자 안내
-
적립금810원 적립 [3%P]
추가 적립금 안내
[2천원 추가 적립]
총 주문금액 5만원 이상 구매 시 2,000원 추가 적립
도서(eBook포함)만 구매 시 적립 대상에서 제외업채배송상품 포함(기프트, 업체배송 등) 5만원[멤버십 추가 적립]
슈퍼루니 : 3% 추가 적립
골드루니 : 2% 추가 적립
실버루니 : 1% 추가 적립
단, 국내도서, eBook만 구매 시 적립 불가
-
배송료무료배송
-
출고예정일
출고예정일 안내
※ 출고예정일은 도서 재고상황에 따라 변동될 수 있습니다.
2024년 07월 29일(월)※ 출고예정일은 도서 재고상황에 따라 변동될 수 있습니다.
당일배송 가능지역 검색
“도로명주소”를 쉽게 찾아보세요
1. 도로명으로 검색하기 (예, “직지길” or “직지길+322”)
2. 건물명으로 검색하기 (예, “반디앤루니스빌딩”)
3. 동(읍/면/리) 으로 검색 (예, “인사동” or “인사동+43”)
4. 도로명주소를 모르실 경우 도로명주소 안내시스템(http://www.juso.go.kr)에서 확인해주세요.
시/도
시/군/구
회원리뷰
ISBN: 9791188621774
392쪽
188 x 245 (㎜)
지금 이책은
- 판매지수 : 336
- 주간 컴퓨터/IT: 32위
이 분야의 베스트셀러
-
이것이 취업을 위한 코딩 테스트다 with 파이썬
나동빈
30,600원
-
지니어스키트로 배우는 마이크로비트
아이씨뱅큐
18,000원
-
Do it! 점프 투 파이썬 [개정판]
박응용
16,920원
이 책과 함께 구매한 책
-
파이썬으로 배우는 통계학 교과서 바바 신야 27,000원
-
파이썬으로 시작하는 라즈베리 파이 프로그래밍 [제2판] 사이먼 몽크 19,000원
-
데이터를 철학하다 장석권 14,400원
-
똑똑한 챗봇 만들기 정임수 16,200원
-
한 권으로 끝내는 파이썬 김명호 16,200원
책 소개
이 책은
파이썬 라이브러리로 학습하는 자연어 처리와 머신러닝 응용 테크닉!
이 책에서 여러분은 언어 인식(language-aware) 제품을 구축하는 일에 머신러닝을 활용하는 데이터 과학자의 접근 방식을 볼 수 있다. 특히, 문맥이나 사용 언어에 맞춰 특징을 처리하는 기술(즉, 특징 공학)이나 벡터화ㆍ분류ㆍ토픽 모델링ㆍ엔터티 분해ㆍ그래프 분석ㆍ시각적 조정 같은 기술도 다루고 있다. 더불어 파이썬 기반의 텍스트 분석에 필요한 강력하면서도 반복 및 확장 가능한 기술도 배울 수 있다. 이 책에 나온 내용을 모두 배우고 나면 복잡한 현업 문제를 해결할 수 있는 실용적 해법을 찾을 수 있을 것이다.
출판사 리뷰
저자 소개
저자 : 벤자민 벵포트
분산 시스템 기술과 머신러닝 및 그 밖의 기술에도 해박한 데이터 과학자다. 자연어 처리에서부터 파이썬을 이용한 데이터 과학, 하둡과 스파크를 이용한 분석에 이르기까지 다양한 주제에 관한 글을 쓴다.
저자 : 레베카 빌브로
데이터 과학자이자 파이썬 프로그래머이자 교사이자 연사이자 작가다. 특징분석에서 모델 선택 및 하이퍼파라미터 조율에 이르기까지 시각적인 진단을 위한 머신러닝을 전문으로 하고, 자연어 처리, 의미 망 추출, 엔터티 분해 및 고차원 정보에 관해 연구했다.
저자 : 토니 오제다
데이터 과학 자문 및 기업 훈련, 연구 및 오픈소스 공동 작업을 수행하는 회사인 디스트릭트 데이터 랩스(District Data Labs)의 창립자 겸 최고경영자로서, 그곳에서 오픈소스 도구를 사용한 응용 분석(사업 전략, 최적화, 예측 및 커리큘럼)에 집중하고 있다.
저자 : 박진수
다양한 정보기술 분야 경력과 저술/번역 경험을 바탕으로 IT 융·복합 사업을 꿈꾸는, 1인 회사 ‘리율’의 대표다. 옮긴 책으로는 《R로 배우는 텍스트 마이닝》, 《케라스 창시자의 딥러닝 with R》, 《모두를 위한 실용 전자공학》, 《해킹 일렉트로닉스》, 《ggplot2》 등이 있다.
역자 소개
다양한 정보기술 분야 경력과 저술/번역 경험을 바탕으로 IT 융·복합 사업을 꿈꾸는, 1인 회사 ‘리율’의 대표다. 옮긴 책으로는 《R로 배우는 텍스트 마이닝》, 《케라스 창시자의 딥러닝 with R》, 《모두를 위한 실용 전자공학》, 《해킹 일렉트로닉스》, 《ggplot2》 등이 있다.
책 속에서
우리가 제안하는 텍스트 분석용 모델은 머신러닝 작업흐름과 직접 관련이 있다. 이런 작업흐름 중에서 검색 과정에서는 특징과 알고리즘 및 학습 데이터에서 가장 잘 작동하는 하이퍼파라미터로 구성된 모델을 찾아 알려지지 않은 데이터에 대한 추정치를 산출한다. 텍스트 분석 시에 이 작업흐름은 말뭉치라고 하는 훈련 데이터셋을 작성하고 관리하는 일로 시작된다. 그런 다음에 머신러닝이 이해할 수 있는 숫자 데이터로 텍스트를 구성하는 특징추출 방법 및 전처리 방법들을 찾아본다. 우리는 몇 가지 기본 특징을 사용해 책의 처음 몇 장에 대한 결론을 지으면서 텍스트 분류 및 텍스트 군집화 기술을 살펴볼 것이다.
_xxiv쪽
사실, 이 책을 쓰는 중요한 동기는 의미 있는 데이터 제품에 힘을 실어 줄 만큼 충분히 크고 풍부한 자료를 만들고 다룰 수 있기 위해 노력하는 과정에서 우리가 겪었던 엄청난 어려움 때문이었다. 우리의 일상적인 시간과 노력이 텍스트 전처리와 랭글링(wrangling, 정리)에
얼마나 많은 노력을 기울이고 있는지를 감안할 때 이러한 단계를 지원(또는 심지어 인정하는 것)하는 리소스가 거의 없다는 점이 놀라웠다. 이번 장에서는 수집된 원시 텍스트를 계산하고 모델링을 하기 좋은 형태에 맞게 체계적으로 변환하는 데 사용할 수 있는 다목적 전처리 프레임워크를 제안한다. 우리의 프레임워크는 다섯 가지 핵심 단계인 내용 추출, 단락 블록 지정, 문장 분할, 단어 토큰화 및 품사 태깅(tagging, 테그 달기)을 포함한다. 이 단계들 각각에 대해 우리는 이전 장에서 정의된 HTMLCorpusReader 클래스의 메서드로 여겨지는 함수들을 제공할 것이다.
_41쪽
문서를 숫자로 표현하면 유의한 분석을 수행할 수 있으며, 머신러닝 알고리즘이 작동하는 사례도 생성된다. 텍스트 분석 시, 전체 문서 또는 발화가 사례에 해당하므로 텍스트의 길이는 따옴표 길이에서 시작해서 트윗 정도의 길이를 거쳐 도서 내용 전체를 아우르는 길이에 이르기까지 그 길이가 저마다 다를 수 있지만, 벡터의 길이는 항상 일정하게 된다. 벡터 표현을 이루는 각 속성에 해당하는 것이 특징(feature)이다. 텍스트라면 특징은 문서의 길이와 작성자, 출처 및 게시 날짜와 같은 메타 속성뿐만 아니라 내용을 포함해 문서의 특성(attributes)과 속성(properties)을 나타낸다.
_59쪽
앞으로 수십 년이 지나면 스팸을 걸러 내는 일이 가장 일반적이며, 아마도 상업적으로 성공한 텍스트 분류 모델이 될 것으로 보인다. 이메일의 내용이 스팸인지 아닌지를 결정하는 것이 중요하다는 점이 혁신을 이루게 된 핵심 아이디어다. 단순히 ‘비아그라’나 ‘김미영 팀장’이라는 용어의 존재가 중요한 것이 아니라 스팸 메일에 담긴 맥락이나 빈도 및 철자 오류의 존재가 중요하다. 스팸 메일과 햄 메일을 둘 다(both) 담고 있는 말뭉치 모음집으로 나이브 베이즈 모델을 만들 수 있었는데, 이 나이브 베이즈 모델은 빈도를 기반으로 한 스팸 메일과 햄 이메일 모두에서 한 단어의 존재 확률을 예측하기 전에 먼저 획일적인 방법을 적용해 본다.
_90쪽
특징분석 및 특징공학을 수행한 후에, 3중 모델 선택 작업흐름의 다음 단계는 모델 선택이다. 실제로는 새로운 모델로 어떤 모델이 가장 효과적일지 미리 예측하기가 일반적으로 어렵기 때문에 여러 모델을 선택하고 비교할 것이다. 따라서 우리의 다음 과제는 모델이 잘 작동하는지 또는 불량하게 작동하는지를 결정하는 것이다. 전통적인 머신러닝 문맥에서 볼 때 우리는 모델 성능 점수에 의존할 수 있는데, 회귀라면 평균제곱오차(mean square error) 또는 결정계수(coefficient of determination) 등에서, 그리고 분류라면 정밀도(precision)와 정확도(accuracy) 및 F1 점수(F1 score) 등에서 어떤 것이 가장 강력한 모델인지를 결정한다. 이러한 기술은 또한 시각적 분석의 맥락으로 확장될 수 있다.
_187쪽
목차
CHAPTER 01 언어와 계산 1
데이터 과학 패러다임 2
언어 인식 데이터 제품 4
데이터 제품 파이프라인 6
데이터로서의 언어 9
언어의 계산 모델 10
언어 자질 11
맥락 자질 15
구조적 자질 17
결론 20
CHAPTER 02 사용자 정의 말뭉치 구축 21
말뭉치란 무엇인가? 22
영역 특정 말뭉치 22
Baleen 수집 엔진 23
말뭉치 데이터 관리 25
말뭉치 디스크 구조 27
말뭉치 리더 30
NLTK를 사용한 스트리밍 데이터 액세스 32
HTML 말뭉치 읽기 34
데이터베이스에서 말뭉치 읽기 38
결론 40
CHAPTER 03 말뭉치의 전처리와 가공 41
문서 쪼개 보기 42
핵심 내용 식별 및 추출 42
문서를 단락별로 나누기 44
분할: 문장별로 나누기 46
토큰화: 개별 토큰 식별 48
품사 태깅 49
중간 말뭉치 분석론 50
말뭉치 변환 52
중간 전처리 및 저장 52
처리된 말뭉치 읽기 56
결론 58
CHAPTER 04 텍스트 벡터화와 변환 파이프라인 59
공간 내 단어 61
빈도 벡터 62
원핫 인코딩 64
용어빈도-역문서빈도 67
분산 표현 71
사이킷런 API 74
BaseEstimator 인터페이스 74
TransformerMixin 확장 76
파이프라인 81
파이프라인의 기초 81
하이퍼파라미터 최적화를 위한 격자 검색 83
특징결합을 사용한 특징추출 강화 84
결론 86
CHAPTER 05 텍스트 분석을 위한 분류 89
텍스트 분류 90
분류 문제 식별 91
분류기 모델 92
텍스트 분류 애플리케이션 만들기 94
교차검증 94
모델 구성 98
모델 평가 100
결론 105
CHAPTER 06 텍스트 유사성을 위한 군집화 107
텍스트에 대한 비지도학습 108
문서 유사성에 의한 군집화 109
거리 계량 110
부분 군집화 112
위계적 군집화 118
문서 토픽 모델링 122
잠재 디리클레 할당 122
잠재 의미 분석 130
음이 아닌 행렬 인수분해 133
결론 134
CHAPTER 07 문맥 인식 텍스트 분석 137
문법 기반 특징추출 138
문맥 자유 문법 139
구문론적 구문분석기 139
키프레이즈 추출 141
엔터티 추출 144
엔그램 특징추출 145
엔그램 인식 CorpusReader 147
올바른 엔그램 창 선택하기 149
유의한 병치 150
엔그램 언어 모델 153
빈도 및 조건부 빈도 154
최대 가능도 추정 157
알 수 없는 단어: 백오프 및 평활화 160
언어 생성 163
결론 164
CHAPTER 08 텍스트 시각화 167
특징공간 시각화 168
시각적 특징분석 168
유도된 특징공학 179
모델 진단 187
군집 시각화 188
계급 시각화 190
분류 오차 진단 191
시각적 조향 195
실루엣 점수 및 엘보 곡선 195
결론 198
CHAPTER 09 텍스트의 그래프 분석 201
그래프 계산 및 분석 203
그래프 기반 시소러스 만들기 203
그래프 구조 분석 205
그래프의 시각적 분석 206
텍스트에서 그래프 추출하기 207
소셜 그래프 만들기 208
소셜 그래프에서 통찰력 얻기 211
엔터티 분해 219
그래프상의 엔터티 분해 220
구조로 차단하기 221
퍼지 차단 221
결론 224
CHAPTER 10 챗봇 227
대화의 기초 228
대화: 간략한 의견 교환 230
대화 유지 233
예의바른 대화 규칙 236
인사와 경례 236
의사불통 다루기 241
재미있는 질문 244
의존 구문분석 245
구 구조 분석 246
질문 검출 249
스푼에서 그램으로 251
도움을 위한 학습 256
이웃이 되기 257
추천 정보 제공 260
결론 263
CHAPTER 11 멀티프로세싱과 스파크를 사용한 텍스트 분석론 확장 265
파이썬 멀티프로세싱 266
병렬로 작업 실행 269
프로세스 풀 및 큐 274
병렬 말뭉치 전처리 276
스파크를 사용한 클러스터 컴퓨팅 278
스파크 작업의 해부학 278
말뭉치 배포 280
RDD 운영 282
스파크를 이용한 자연어 처리 284
결론 296
CHAPTER 12 딥러닝과 그 이후 299
응용 신경망 300
신경 언어 모델 300
인공 신경망 301
딥러닝 아키텍처 306
정서 분석 311
심층 구조 분석 313
미래가 바로 눈앞에 318
용어 해설 321
찾아보기 338
데이터 과학 패러다임 2
언어 인식 데이터 제품 4
데이터 제품 파이프라인 6
데이터로서의 언어 9
언어의 계산 모델 10
언어 자질 11
맥락 자질 15
구조적 자질 17
결론 20
CHAPTER 02 사용자 정의 말뭉치 구축 21
말뭉치란 무엇인가? 22
영역 특정 말뭉치 22
Baleen 수집 엔진 23
말뭉치 데이터 관리 25
말뭉치 디스크 구조 27
말뭉치 리더 30
NLTK를 사용한 스트리밍 데이터 액세스 32
HTML 말뭉치 읽기 34
데이터베이스에서 말뭉치 읽기 38
결론 40
CHAPTER 03 말뭉치의 전처리와 가공 41
문서 쪼개 보기 42
핵심 내용 식별 및 추출 42
문서를 단락별로 나누기 44
분할: 문장별로 나누기 46
토큰화: 개별 토큰 식별 48
품사 태깅 49
중간 말뭉치 분석론 50
말뭉치 변환 52
중간 전처리 및 저장 52
처리된 말뭉치 읽기 56
결론 58
CHAPTER 04 텍스트 벡터화와 변환 파이프라인 59
공간 내 단어 61
빈도 벡터 62
원핫 인코딩 64
용어빈도-역문서빈도 67
분산 표현 71
사이킷런 API 74
BaseEstimator 인터페이스 74
TransformerMixin 확장 76
파이프라인 81
파이프라인의 기초 81
하이퍼파라미터 최적화를 위한 격자 검색 83
특징결합을 사용한 특징추출 강화 84
결론 86
CHAPTER 05 텍스트 분석을 위한 분류 89
텍스트 분류 90
분류 문제 식별 91
분류기 모델 92
텍스트 분류 애플리케이션 만들기 94
교차검증 94
모델 구성 98
모델 평가 100
결론 105
CHAPTER 06 텍스트 유사성을 위한 군집화 107
텍스트에 대한 비지도학습 108
문서 유사성에 의한 군집화 109
거리 계량 110
부분 군집화 112
위계적 군집화 118
문서 토픽 모델링 122
잠재 디리클레 할당 122
잠재 의미 분석 130
음이 아닌 행렬 인수분해 133
결론 134
CHAPTER 07 문맥 인식 텍스트 분석 137
문법 기반 특징추출 138
문맥 자유 문법 139
구문론적 구문분석기 139
키프레이즈 추출 141
엔터티 추출 144
엔그램 특징추출 145
엔그램 인식 CorpusReader 147
올바른 엔그램 창 선택하기 149
유의한 병치 150
엔그램 언어 모델 153
빈도 및 조건부 빈도 154
최대 가능도 추정 157
알 수 없는 단어: 백오프 및 평활화 160
언어 생성 163
결론 164
CHAPTER 08 텍스트 시각화 167
특징공간 시각화 168
시각적 특징분석 168
유도된 특징공학 179
모델 진단 187
군집 시각화 188
계급 시각화 190
분류 오차 진단 191
시각적 조향 195
실루엣 점수 및 엘보 곡선 195
결론 198
CHAPTER 09 텍스트의 그래프 분석 201
그래프 계산 및 분석 203
그래프 기반 시소러스 만들기 203
그래프 구조 분석 205
그래프의 시각적 분석 206
텍스트에서 그래프 추출하기 207
소셜 그래프 만들기 208
소셜 그래프에서 통찰력 얻기 211
엔터티 분해 219
그래프상의 엔터티 분해 220
구조로 차단하기 221
퍼지 차단 221
결론 224
CHAPTER 10 챗봇 227
대화의 기초 228
대화: 간략한 의견 교환 230
대화 유지 233
예의바른 대화 규칙 236
인사와 경례 236
의사불통 다루기 241
재미있는 질문 244
의존 구문분석 245
구 구조 분석 246
질문 검출 249
스푼에서 그램으로 251
도움을 위한 학습 256
이웃이 되기 257
추천 정보 제공 260
결론 263
CHAPTER 11 멀티프로세싱과 스파크를 사용한 텍스트 분석론 확장 265
파이썬 멀티프로세싱 266
병렬로 작업 실행 269
프로세스 풀 및 큐 274
병렬 말뭉치 전처리 276
스파크를 사용한 클러스터 컴퓨팅 278
스파크 작업의 해부학 278
말뭉치 배포 280
RDD 운영 282
스파크를 이용한 자연어 처리 284
결론 296
CHAPTER 12 딥러닝과 그 이후 299
응용 신경망 300
신경 언어 모델 300
인공 신경망 301
딥러닝 아키텍처 306
정서 분석 311
심층 구조 분석 313
미래가 바로 눈앞에 318
용어 해설 321
찾아보기 338
머리말
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)
