국내도서

>

전공도서/대학교재

>

공학계열

>

컴퓨터공학

• 
• 제휴몰 주문 시 고객보상, 일부 이벤트 참여 및 증정품 증정, 하루/당일 배송에서 제외되므로 참고 바랍니다.

• 
• 도서  > 전공도서/대학교재  > 공학계열  > 컴퓨터공학

• 

	데이터 과학 시리즈(에이콘)(총76건) 그래프 머신러닝 : 머신러닝 알고리듬을 적용해 그래프 데이터 활용하기     31,500원 (10%↓) 공익을 위한 데이터 : 사회 발전을 위한 데이터 액션 활용법     36,000원 (10%↓) 네트워크 2/e     54,000원 (10%↓) 파이썬으로 하는 마케팅 연구와 분석 : 데이터 처리부터 시각화까지     36,000원 (10%↓) Pandas를 이용한 데이터 분석 실습 : 라이브러리로 다양한 실제 데이터 분석     45,000원 (10%↓) 일래스틱 스택을 이용한 머신러닝 : 머신러닝 피처로 데이터에서 귀중한 인사이트를 얻자     32,400원 (10%↓) 컴퓨터 비전을 위한 다중 시점 기하학 2/e : 카메라를 위한 수학     58,500원 (10%↓) 컴퓨터 비전 5/e : 원리, 알고리듬, 응용     76,500원 (10%↓) 고객 리텐션의 전략 : 데이터를 통해 고객 이탈을 막아라     36,000원 (10%↓) The R Book(한국어판) : R로 배우는 데이터 분석 기술     49,500원 (10%↓) 빅데이터에서 천금의 기회를 캐라 : 테라데이타 최고분석책임자가 들려주는 기업 빅데이터 활용 전략     22,500원 (10%↓) 자연어 텍스트 처리를 통한 검색 시스템 구축 : 아파치 솔라, 루씬, OpenNLP 등 오픈소스 활용     36,000원 (10%↓) 데이터 스토리텔링 : 설득력 있는 프리젠테이션을 위한 데이터 시각화 기법     22,500원 (10%↓) 파워 BI와 엑셀 파워 피봇을 사용한 데이터 분석 : 예제를 통해 배우는 데이터 모델링     27,000원 (10%↓) 파이썬으로 실무에 바로 적용하는 머신 러닝     27,000원 (10%↓) 자연어 처리의 정석 : 자연어 처리의 A-Z 과거부터 최근 연구까지     45,000원 (10%↓) 추천 시스템의 통계 기법 : 실생활 추천 문제에 적용해보는 다양한 통계 기법     29,700원 (10%↓) 그래프 알고리즘 : 스파크와 Neo4j로 이해하는 알고리즘과 그래프 분석     29,700원 (10%↓) 파이썬 기반 강화학습 알고리듬 : DP, Q-Learning, AC, DQN, TRPO, PPO, DDPG, TD3     27,000원 (10%↓) 빅쿼리를 활용한 데이터 웨어하우스 구축 : 단계별로 배우는 구글 클라우드 관리형 데이터 분석     36,000원 (10%↓) 텐서플로 2로 배우는 금융 머신러닝 : 텐서플로와 Scikit-learn으로 금융 경제에 접목하는 인공지능     27,000원 (10%↓) 데이터 마이닝 4/e : 실용적인 머신러닝 기술     45,000원 (10%↓) 헬스케어 분석을 위한 머신러닝 : 파이썬, 주피터 노트북, 텐서플로, 케라스를 이용한 적용 사례     22,500원 (10%↓) 생물정보학 알고리듬 3/e     54,000원 (10%↓) AWS 기반 AI 애플리케이션 개발 : AI 유니콘 기업으로 도약하기     31,500원 (10%↓) 정보 검색의 이론과 실제 : 검색엔진을 구현하고 평가하는 방법     40,500원 (10%↓) 실전 알고리즘 트레이딩 배우기 : 파이썬으로 시작하는 알고리즘 트레이딩의 기초와 실전 전략     31,500원 (10%↓) 금융 파이썬 쿡북 : 금융 데이터 처리와 기술 분석부터 딥러닝 적용까지     31,500원 (10%↓) 자연어 처리와 딥러닝 : 딥러닝으로 바라보는 언어에 대한 생각     36,000원 (10%↓) 흥미로운 베이지안 통계 : 스타워즈, 레고, 러버 덕으로 이해하는 통계와 확률     27,000원 (10%↓) Pandas Cookbook 2/e : 파이썬 데이터 과학 기초     40,500원 (10%↓) AWS 클라우드 머신러닝 : 머신러닝 기초부터 AWS SageMaker까지     31,500원 (10%↓) 통계학으로 배우는 머신러닝 2/e : 스탠퍼드대학교 통계학과 교수에게 배우는 머신러닝의 원리     54,000원 (10%↓) 알고리즘 마케팅 : 인공지능을 활용한 마케팅 자동화     31,500원 (10%↓) 파이썬을 활용한 스파크 프로그래밍 : 빅데이터 분석을 위한 스파크 활용법     27,000원 (10%↓) The Hundred-Page Machine Learning Book : 수식과 간결한 설명을 바탕으로 하는 핵심 머신 러닝     22,500원 (10%↓) 파이썬과 수치 해석 : 파이썬 수치 해석 레시피     45,000원 (10%↓) 인지 컴퓨팅 레시피 : Microsoft Cognitive Services와 TensorFlow를 활용한 인공지능 솔루션     31,500원 (10%↓) 빅데이터 시각화 : 하둡, R, D3.js, 태블로, 파이썬, 스플렁크로 배우는 빅데이터 시각화     25,200원 (10%↓) 파이썬을 활용한 비지도 학습 : 비구조 데이터로부터 숨겨진 패턴과 관계 찾기     31,500원 (10%↓) 구글 클라우드 플랫폼상의 데이터 과학 : 실시간 데이터 파이프라인 구현: 입수부터 머신 러닝까지     36,000원 (10%↓) 파이썬을 활용한 생명정보학     32,400원 (10%↓) 양자 컴퓨팅 입문 : 간결하게 배우는 양자 컴퓨팅     18,900원 (10%↓) 텐서플로 2와 케라스로 구현하는 딥러닝 : 회귀, CNN. GAN, RNN, NLP, AutoML까지 딥러닝의 모든 것     38,700원 (10%↓) 확률론적 로보틱스 : 로봇공학의 기초부터 SLAM과 자율 주행까지     45,000원 (10%↓) 어반 컴퓨팅 : 빅데이터로 변화하는 도시의 현재와 미래     45,000원 (10%↓) 적대적 머신러닝 : 머신러닝 알고리즘으로 하는 시스템 보안 공격과 방어     36,000원 (10%↓) 헬스케어 인공지능과 머신러닝 : 빅데이터를 활용한 개인 맞춤 건강관리     31,500원 (10%↓) 예제로 배우는 자연어 처리 기초 : NLP 알고리즘, 텍스트 분류와 요약, 감성 분석     31,500원 (10%↓) 케라스 2.x 프로젝트 : 실전 딥러닝 모델 구축과 훈련 9가지 프로젝트     31,500원 (10%↓) 생명정보학 알고리즘 : 파이썬으로 구현하는 생명정보학 알고리즘     36,000원 (10%↓) OpenCV 4를 활용한 머신러닝 입문 : OpenCV 4, 파이썬, scikit-learn을 사용해 이미지 처리 앱을     36,000원 (10%↓) 의사결정을 위한 데이터 과학 : 데이터 과학 총론     64,800원 (10%↓) 양자 컴퓨팅: 이론에서 응용까지     31,500원 (10%↓) 파이썬을 활용한 지리공간 분석 마스터하기 : GeoDjango, CARTOframes, MapboxGL-Jupyter를 활용한 GIS 프로세싱     36,000원 (10%↓) 통계 분석 너머 R의 무궁무진한 활용 : 워드/PDF/HTML 문서, 웹 사이트, 웹 애플리케이션, 다이내믹 데이터 시각화     36,000원 (10%↓) 텐서플로를 이용한 고급 딥러닝 : 수학의 기초와 함께 이해하는 파이썬 딥러닝     31,500원 (10%↓) 크롤리의 통계학 강의 : R을 활용한 입문     27,000원 (10%↓) 크롤리 교수의 통계학과 R 언어 세트     70,200원 (10%↓) 정보 스토리지와 관리 : 클라우드 컴퓨팅 시대의 정보 저장과 관리 보호 기법     36,000원 (10%↓) 엔터프라이즈 빅데이터 레이크 : 효율적인 데이터 레이크 도입과 모범 사례     27,000원 (10%↓) 양자 컴퓨터 원리와 수학적 기초 : 스핀부터 큐비트, 얽힘, 중첩, 양자 알고리즘, 양자 암호화     22,500원 (10%↓) 수학 없이 배우는 데이터 과학과 알고리즘 : 모두를 위한 데이터 사이언스     12,420원 (10%↓) 생명과학을 위한 딥러닝 : 생물학, 유전체학, 신약 개발에 적용하는 실무 딥러닝     22,500원 (10%↓) 머신 러닝(Machine Learning)     54,000원 (10%↓) 머신 러닝 알고리즘 : 파이썬 예제와 함께 배우는 머신 러닝     31,500원 (10%↓) 데이터 마이닝 개념과 기법     45,000원 (10%↓) 데이터 과학 입문자를 위한 R : 설치부터 패키지 개발까지 R로 시작하는 데이터 과학     36,000원 (10%↓) Splunk 7 에센셜 3/e : 데이터셋활용, 보고서제작, 강력한 정보 공유를 통한 머신 데이터 파헤치기     21,600원 (10%↓) R로 하는 쉬운 딥러닝     18,000원 (10%↓) Data Smart : 엑셀로 이해하는 데이터 과학 입문     27,000원 (10%↓) C++와 CUDA C로 구현하는 딥러닝 알고리즘 3 : Deep Convolution Neural Nets의 이해와 구현     25,200원 (10%↓) C++와 CUDA C로 구현하는 딥러닝 알고리즘 2 : 복소수 영역에서의 오토인코더 이해와 구현     25,200원 (10%↓) C++와 CUDA C로 구현하는 딥러닝 알고리즘 1 : Restricted Boltzman Machine의 이해와 Deep Belief Nets 구현     27,000원 (10%↓) C++와 CUDA C로 구현하는 딥러닝 알고리즘 세트 : RBM부터 CNN, 오토인코더까지 코딩하며 깨우치는 딥러닝의 원리     70,200원 (10%↓) Building Machine Learning Systems with Python(한국어판) : Scikit-learn 라이브러리로 구현하는 기계 학습 시스템     27,000원 (10%↓)

• 
• 
• 머신 러닝에 관련된 기초 수학 정의와 선형 회귀, 로지스틱 회귀, SVM을 기초 신경망부터 CNN, RNN에 이르는 주제를 담은 책으로, 1960년대의 초창기 기술부터 지금까지 나온 머신 러닝 기법 중에서 실전에서 유용하면서 머신 러닝 입문자가 기초를 다지는 데 딱 필요한 만큼 설명하는 책이다. 프로젝트 초반에 주어지는 문제를 머신 러닝으로 해결할 수 있는지 알아보고, 어떤 기법을 적용해야 하는지 판단하는 데 필요한 지식을 제시한다.
• 
• [추천의 글] 최근 20년 사이에 우리가 다룰 수 있는 데이터의 양은 폭발적으로 늘어났으며, 이에 따라 통계학과 머신 러닝 응용에 대한 관심도 덩달아 급증했다. 그 파급 효과는 상당하다. 10년 전, 내가 선택 과목인 통계 학습을 개설할 때 MBA 과정의 모든 학생이 강의실을 가득 채울 정도로 인기가 많아서 동료 교수들이 깜짝 놀랄 정도였다(당시 개설된 선택 과목 중 대부분은 수강생 채우기에 급급했기 때문이다). 현재는 ‘비즈니스 애널리틱스(Business Analytics)’라는 석사 과정을 제공하고 있는데, 이 과정은 우리 학교의 특화된 석사 과정 중에서도 가장 규모가 크며, 지원자 수는 MBA 과정 지원자 수에 맞먹을 정도다. 그동안 이 과정의 과목 수가 많이 늘어났음에도 모든 수업마다 수강생이 가득 차서 불만이라는 의견은 여전히 나오고 있다. 이는 우리 학교에서만 볼 수 있는 현상이 아니다. 데이터 사이언스와 머신 러닝 전공자에 대한 수요가 늘어나면서 이 분야의 학위 과정이 급속도로 늘고 있다. 이렇게 수요가 급증하는 배경에는 단순하지만 불가피한 한 가지 사실이 있다. 바로 머신 러닝 기법은 사회 과학, 경영학, 생물학, 의학을 비롯한 수많은 분야에서 기존과는 상당히 다른 접근 방식을 제공한다는 것이다. 그로 인해 머신 러닝을 배경으로 하는 전문가의 수요가 엄청나게 늘어났다. 그런데 이러한 기술을 학생에게 가르치기는 쉽지 않다. 기존에 나온 자료들은 대부분 실전과는 동떨어진 이론 위주인 데다, 오래전 통계학에서 다루던 피팅(fitting) 알고리즘과 이에 기반한 예측기만 다루기 때문이다. 정작 현실에서 마주치는 문제를 풀기 위해 다양한 기법을 구현해야 하는 연구원이나 엔지니어들에게 도움이 되는 자료는 드물다. 이들은 주어진 문제에 적합한 기법을 선정할 수 있도록 다양한 기법의 가정과 장단점을 파악해야 한다. 하지만 피팅 알고리즘에 관한 이론적 배경이나 세부 사항은 이러한 요구 사항과 다소 거리가 있다. 내가 『ISLR(An Introduction to Statistical Learning: with Applications in R)』을 집필한 동기는 바로 이들을 위한 자료를 제공하기 위해서였다. 이 책에 대한 열광적인 호응만 봐도 실제로 그런 독자층이 적지 않다는 사실을 입증한다. 안드리 부르코프의 책도 성격이 비슷하다. 『ISLR』과 마찬가지로, 이론에 관한 세부 사항은 가볍게 넘기고 다양한 기법을 구현하는 데 필요한 핵심만 전달하고 있다. 이 책은 ‘데이터 사이언스를 위한' 간략한 매뉴얼 같다. 예상컨대 학교에서뿐만 아니라 실전에서도 반드시 참고할 만한 필독서로 자리매김할 것이다. 100페이지(실제로는 이보다 살짝 많은) 분량으로 구성돼 있어서 단숨에 읽기에도 충분하다. 분량은 적지만, 고전 선형 회귀와 로지스틱 회귀부터 SVM과 딥러닝, 부스팅, 랜덤 포레스트와 같은 최신 주제까지 머신 러닝의 핵심 주제를 거의 모두 망라해 다룬다. 각각의 주제는 결코 부족하지 않은 수준으로 설명하고 있으며, 더 깊이 알고 싶은 독자를 위해 이 책의 위키 사이트에 관련 자료도 제공하고 있다. 고급 수학과 통계 이론을 알아야만 이 책을 읽을 수 있는 것은 아니며, 심지어 프로그래밍 경험이 없어도 된다. 따라서 머신 러닝 기법을 알고 싶은 사람이라면 누구나 이 책을 읽을 수 있다. 머신 러닝 박사 과정을 시작하는 사람이라면 반드시 이 책을 읽어야 한다. 숙련된 독자도 레퍼런스처럼 활용하기에 좋다. 또한 이 책은 몇 가지 알고리즘에 대해 파이썬 코드도 함께 제공한다(파이썬은 현재 머신 러닝 분야에서 가장 인기 있는 프로그래밍 언어다). 나는 머신 러닝을 본격적으로 배...우고 싶은 입문자뿐만 아니라, 어느 정도 머신 러닝에 대한 경험이 있으면서 실력을 쌓으려는 전문가에게도 이 책을 강력히 추천한다. ㅡ 가레스 제임스(Gareth James) /USC(서던캘리포니아 대학) 데이터 사이언스 및 오퍼레이션학과 교수 베스트셀러 『An Introduction to Statistical Learning: with Applications in R』의 공저자 최근 20년 사이에 우리가 다룰 수 있는 데이터의 양은 폭발적으로 늘어났으며, 이에 따라 통계학과 머신 러닝 응용에 대한 관심도 덩달아 급증했다. 그 파급 효과는 상당하다. 10년 전, 내가 선택 과목인 통계 학습을 개설할 때 MBA 과정의 모든 학생이 강의실을 가득 채울 정도로 인기가 많아서 동료 교수들이 깜짝 놀랄 정도였다(당시 개설된 선택 과목 중 대부분은 수강생 채우기에 급급했기 때문이다). 현재는 ‘비즈니스 애널리틱스(Business Analytics)’라는석사 과정을 제공하고 있는데, 이 과정은 우리 학교의 특화된 석사 과정 중에서도 가장 규모가 크며, 지원자 수는 MBA 과정 지원자 수에 맞먹을 정도다. 그동안 이 과정의 과목 수가 많이 늘어났음에도 모든 수업마다 수강생이 가득 차서 불만이라는 의견은 여전히 나오고 있다. 이는 비단 우리 학교에서만 볼 수 있는 현상이 아니다. 데이터 사이언스와 머신 러닝 전공자에 대한 수요가 늘어나면서 이 분야의 학위 과정이 급속도로 늘고 있다. 이렇게 수요가 급증하는 배경에는 단순하지만 불가피한 한 가지 사실이 있다. 바로 머신 러닝 기법은 사회 과학, 경영학, 생물학, 의학을 비롯한 수많은 분야에서 기존과 상당히 다른 접근 방식을 제공한다는 것이다. 그로 인해 머신 러닝을 배경으로 하는 전문가의 수요가 엄청나게 늘어났다. 그런데 이러한 기술을 학생에게 가르치기는 쉽지 않다. 기존 자료들은 대부분 실전과 동떨어진 이론 위주인 데다, 오래전 통계학에서 다루던 피팅(fitting) 알고리즘과 이에 기반한 예측기만 다루기 때문이다. 정작 현실에서 마주치는 문제를 풀기 위해 다양한 기법을 구현해야 하는 연구원이나 엔지니어들에게 도움이 되는 자료는 드물다. 이들은 주어진 문제에 적합한 기법을 선정할 수 있도록 다양한 기법의 가정과 장단점을 파악해야 한다. 하지만 피팅 알고리즘에 관한 이론적 배경이나 세부 사항은 이러한 요구 사항과 다소 거리가 있다. 내가 『ISLR(An Introduction to Statistical Learning: with Applications in R)』을 집필한 동기는 바로 이들을 위한 자료를 제공하기 위해서였다. 이 책에 대한 열광적인 호응만 봐도 실제로 그런 독자층이 적지 않다는 사실을 입증한다. 안드리 부르코프의 책도 성격이 비슷하다. 『ISLR』과 마찬가지로, 이론에 관한 세부 사항은 가볍게 넘기고 다양한 기법을 구현하는 데 필요한 핵심만 전달하고 있다. 이 책은 ‘데이터 사이언스를 위한' 간략한 매뉴얼 같다. 예상컨대 학교에서뿐만 아니라 실전에서도 반드시 참고할 만한 필독서로 자리매김할 것이다. 100페이지(실제로는 이보다 살짝 많은) 분량으로 구성돼 있어서 단숨에 읽기에도 충분하다. 분량은 적지만, 고전 선형 회귀와 로지스틱 회귀부터 SVM과 딥러닝, 부스팅, 랜덤 포레스트와 같은 최신 주제까지 머신 러닝의 핵심 주제를 거의 모두 망라해 다룬다. 각각의 주제는 결코 부족하지 않은 수준으로 설명하고 있으며, 더 깊이 알고 싶은 독자를 위해 이 책의 위키 사이트에 관련 자료도 제공하고 있다. 고급 수학과 통계 이론을 알아야만 이 책을 읽을 수 있는 것은 아니며, 심지어 프로그래밍 경험이 없어도 된다. 따라서 머신 러닝 기법을 알고 싶은 사람이라면 누구나 이 책을 읽을 수 있다. 머신 러닝 박사 과정을 시작하는 사람이라면 반드시 이 책을 읽어야 한다. 어느 정도 수준이 높아지더라도 레퍼런스처럼 활용하기 좋다. 또한 이 책은 몇 가지 알고리즘에 대해 파이썬 코드도 함께 제공한다(파이썬은 현재 머신 러닝 분야에서 가장 인기 있는 프로그래밍 언어다). 나는 머신 러닝을 본격적으로 배우고 싶은 입문자뿐만 아니라, 어느 정도 머신 러닝에 대한 경험이 있으면서 실력을 쌓으려는 전문가에게도 이 책을 강력히 추천한다. ㅡ 가레스 제임스(Gareth James) /USC(서던캘리포니아 대학) 데이터 사이언스 및 오퍼레이션학과 교수 베스트셀러 『An Introduction to Statistical Learning: with Applications in R』의 공저자 개인적으로 지난 수년 간 설명해 온 말이며, 내 저서 제목처럼 “인공지능이란 없다(Artificial Intelligence does not exist).” 최소한 지난 10년 동안 들어왔던 ‘우리 대신 생각해주는 기계’는 순전히 할리우드식 판타지이자, 가장 비이성적인 공포라고 볼 수 있다. 기계는 우리가 학습하라고 제시한 것 외에는 학습하지 않는다. 생각하지도 않고, 숙고하지도 않는다. 르네 데카르트가 1637년에 한 말인 “생각한다. 고로 나는 존재한다(Cogito, ergo sum).”에 따르면 생각해야 존재할 수 있는 것이다. 따라서 기계는 존재하지 않는다. 태곳적부터 우리는 일상생활에 필요한 작업을 하거나 문제 해결을 도와줄 기계나 로봇을 만들고자 노력해왔으며, 이런 기계나 로봇이 우리처럼 행동하거나 문제를 풀도록 가르쳤다. 그러다가 1950년대 후반에 들어서 인공지능과 머신 러닝이란 단어가 ‘뉴런을 수학적으로 모델링한 것’이라는 의미로 등장하면서부터 상황은 급변하기 시작했다. 용어에는 오해의 소지가 다분했지만 분야 자체는 상당히 흥미로웠다. 특히 빅데이터 시대가 도래하면서 아직 초기 단계에 불과하기는 하지만 머신 러닝은 뛰어난 도구를 개발하는 데 공헌했다. 따라서 머신 러닝은 실제로 존재하고 응용 분야는 나날이 확장되고 있으며, 이러한 도구들, 즉 우리를 도와주는 ‘비서들’은 가까운 미래에 더욱 다양하게 등장할 것이다. 머신 러닝의 응용 분야는 지금도 활발히 적용되고 있는 이미지 분야부터 헬스케어와 DNA 연구에 이르기까지 다양하게 확장하고 있다. 특히 DNA 연구에서 머신 러닝은 유전자의 기능 조합을 분석하기 위한 다양한 방법을 제시했다. 머신 러닝은 운송 영역에도 적용돼 인식과 계획 관련 기술을 좀 더 정교하게 발전시켜서 매일 출퇴근하는 동안 안전하고 안락한 교통 수단을 제공해줄 수도 있고, 기발한 방식으로 개체들을 연결해 일상생활을 윤택하게 만들어줄 것이다. 머신 러닝이 인간의 삶에 갑자기 들이닥치면서 우리 모두 머신 러닝에 어떤 식으로든 관심을 가질 수밖에 없게 됐다. 그중 일부는 머신 러닝의 작동 원리만큼은 확실하게 이해해야 한다. 또 어떤 이들은 가장 적합한 알고리즘을 선택하고 시스템을 배치하는 단계에서 치명적인 편향이 발생하지 않도록 데이터셋을 올바르게 정의하고, 만들고, 고를 수 있을 정도로 다양한 머신 러닝 기법을 깊이 있게 이해해야 한다. 그 외의 사람들도 최소한 머신 러닝 기술의 한계와 잠재적인 위험을 잘 파악해서 차분한 마음으로 활용할 수 있어야 한다. 안드리 부르코프의 책에서는 바로 이러한 것들을 설명하고 있다. 복잡한 수학 이론에서 헤매지 않고 꼭 필요한 기초만 강조함으로써, 고전 통계 기법부터 최신 딥러닝 기법에 이르기까지 머신 러닝이 제공하는 다양한 기법을 빠르게 습득할 수 있다. 이 책은 사람들이 헷갈리기 쉬운 개념과 용어들을 명확하고 간결하고 논리적으로 정리해준다. 나아가 실전에서 알고리즘을 효과적으로 구현할 수 있도록 파이썬 코드 예제도 제시하고 있다. 입문자부터 실력 있는 전문가에 이르기까지 다양한 독자가 이 책을 레퍼런스로 삼아 머신 러닝의 모든 측면을 확실히 이해하고 마스터할 수 있을 것이다. ㅡ 뤽 줄리아 박사(Dr. Luc JULIA) /삼성 이노베이션 CTO & SVP 베스트셀러 『L'intelligence artificielle n'existe pas』의 저자 ★ 이 책의 대상 독자 ★ 이 책은 1960년대부터 지금까지 개발된 머신 러닝에 관련된 기술 중에서도 활용 가치가 높다고 증명된 것만 소개한다. 머신 러닝을 처음 배우는 독자들은 이 책에 나온 내용만 잘 익혀도 이 분야를 이해하고 질문을 제대로 던질 수 있게 된다. 머신 러닝에 대한 경험을 어느 정도 갖춘 현업 엔지니어는 이 책에 나온 내용을 가이드로 삼아서 실력을 더욱 향상시킬 수 있다. 이 책은 또한 프로젝트 초반에 브레인스토밍을 하는 데도 유용하다. 특히 프로젝트에서 해결해야 할 비즈니스적인 문제나 기술적인 문제에 ‘머신 러닝’을 적용할 수 있는지, 만약 그렇다면 어떤 기법을 적용해야 하는지를 파악하는 데 도움이 된다. ★ 이 책의 활용 방법 ★ 머신 러닝을 처음 학습하는 독자는 반드시 처음부터 끝까지 빠짐없이 모두 읽길 바란다. 그중 특정한 주제에 대해 깊이 알고 싶다면, 각 절에 나온 QR 코드를 따라가보길 바란다. QR 코드 페이지에는 참고 문헌, 비디오, Q&A, 코드 예제, 튜토리얼을 비롯한 다양한 자료가 있다. 이 내용은 저자를 비롯한 전 세계 독자들이 꾸준히 업데이트한다. [옮긴이의 말] 제 학부 시절에 머신 러닝은 과거에 잠시 주목받았지만 대학원 전공으로 삼기에는 전망이 좋지 않다는 인식이 지배적이었습니다. 그러나 졸업 후 몇 년도 채 지나지 않아서 분위기가 완전히 달라진 것을 보니 어안이 벙벙할 정도입니다. 이제는 전문가가 되기 위해서가 아니라, 기본 교양으로 머신 러닝을 배워야 하는 시대가 됐습니다. 특히 현재 기술의 효과와 한계를 명확히 이해하는 것이 무엇보다 중요합니다. 자칫 공상 과학 소설과 현실을 혼동하거나, 본의 아니게 과장과 거짓말을 할 위험도 있기 때문입니다. 개인적으로는 처음부터 정의와 의미를 정확히 짚고 넘어가는 것이 도움이 된다고 생각합니다. 물론 수식 하나 없이 친구가 얘기해주는 것 같은 설명이 처음에는 편하더라도 결국 딱딱한 정의와 수식을 찾아가게 됩니다. 프로그램에 대한 최고의 문서가 코드이듯, 아쉽지만 머신 러닝도 기반 수학 이론에 익숙해질 필요가 있다고 느꼈습니다. 이 책은 머신 러닝에 대해 어렴풋이 들어본 입문자가 핵심 이론을 확실히 익히면서 최근 동향에 대해 감을 잡기에 좋습니다. 원서가 100페이지 정도의 적은 분량으로 중요한 내용만 다루고 있어서 언제든 책상 곁에 두고 틈틈이 참고하기에 좋습니다. 압축된 표현과 수식에 당황할 수 있지만, 군더더기 없어서 오히려 본질에 집중할 수 있습니다. 책은 얇지만 원서 웹사이트와 깃허브에서 풍부한 관련 자료와 다양한 파이썬 예제를 제공하고 있습니다. 이전에 번역했던 다른 책과 마찬가지로 빠른 이해와 정확한 전달에 우선순위를 뒀습니다. 그래서 용어나 표현도 가급적 널리 사용하는 것을 따르거나 부득이한 경우 음차 표기했습니다. 특히 이 분야는 오래전에 정립된 통계학 용어와 영문 용어가 혼재돼 있습니다. 좀 아쉽더라도 익숙함을 기준으로 용어를 통일했습니다. 최대한 자연스럽게 표현하고 본래 의미도 보존하려 노력했지만, 미처 걸러내지 못한 미흡한 부분이 있다면 미리 양해를 구합니다.
• 
• 1장. 개요 1.1 머신 러닝이란 1.2 학습 유형 1.2.1 지도 학습 1.2.2 비지도 학습 1.2.3 준지도 학습 1.2.4 강화 학습 1.3 지도 학습의 원리 1.4 훈련 데이터로 만든 모델이 처음 보는 데이터에 대해서도 효과적인 이유 2장. 수학 정의와 표기법 2.1 표기법 2.1.1 데이터 구조 2.1.2 대문자 시그마 기호 2.1.3 대문자 파이 기호 2.1.4 집합 연산 2.1.5 벡터 연산 2.1.6 함수 2.1.7 max와 min, arg max와 arg min 연산 2.1.8 대입 연산자 2.1.9 도함수와 기울기 2.2 확률 변수 2.3 비편향 추정량 2.4 베이즈 규칙 2.5 파라미터 추정 2.6 파라미터 vs. 하이퍼파라미터 2.7 분류 vs. 회귀 2.8 모델 기반 학습 vs. 사례 기반 학습 2.9 표층 학습 vs. 심층 학습 3장. 기본 알고리즘 3.1 선형 회귀 3.1.1 문제 정의 3.1.2 해결 방법 3.2 로지스틱 회귀 3.2.1 문제 정의 3.2.2 해결 방법 3.3 결정 트리 학습 3.3.1 문제 정의 3.3.2 해결 방법 3.4 SVM 3.4.1 노이즈를 다루는 방법 3.4.2 본질적으로 비선형적인 경우에 대처하는 방법 3.5 kNN 4장. 학습 알고리즘 심층 분석 4.1 학습 알고리즘의 기본 구성 요소 4.2 경...사 감소법 4.3 머신 러닝 엔지니어의 작업 방식 4.4 학습 알고리즘에서 주의할 점 5장. 핵심 기법 5.1 특징 공학 5.1.1 원핫 인코딩 5.1.2 비닝 5.1.3 정규화 5.1.4 표준화 5.1.5 결측값 처리 방법 5.1.6 데이터 대체 기법 5.2 학습 알고리즘 결정하기 5.3 세 가지 집합 5.4 언더피팅과 오버피팅 5.5 규제화 5.6 모델 성능 평가 방법 5.6.1 혼동 행렬 5.6.2 정밀도와 재현율 5.6.3 정확도 5.6.4 비용 민감 정확도 5.6.5 AUC 5.7 하이퍼파라미터 튜닝 5.7.1 교차 검증 6장. 신경망과 딥러닝 6.1 신경망 6.1.1 다계층 퍼셉트론의 예 6.1.2 피드포워드 신경망 구조 6.2 딥러닝 6.2.1 CNN 6.2.2 RNN 7장. 문제와 해결 방법 7.1 커널 회귀 7.2 다중 클래스 분류 7.3 단일 클래스 분류 7.4 다중 레이블 분류 7.5 앙상블 학습 7.5.1 부스팅과 배깅 7.5.2 랜덤 포레스트 7.5.3 그래디언트 부스팅 7.6 레이블 시퀀스 학습 7.7 시퀀스-투-시퀀스 학습 7.8 액티브 러닝 7.9 준지도 학습 7.10 원샷 러닝 7.11 제로샷 러닝 8장. 고급 기법 8.1 불균형 데이터셋 처리하기 8.2 모델 조합하기 8.3 신경망 학습시키기 8.4 고급 규제화 8.5 다중 입력 처리하기 8.6 다중 출력 처리하기 8.7 전이 학습 8.8 알고리즘 효율 9장. 비지도 학습 9.1 밀도 추정 9.2 군집화 9.2.1 K-평균 9.2.2 DBSCAN과 HDBSCAN 9.2.3 군집 개수 결정하기 9.2.4 다른 군집화 알고리즘 9.3 차원 축소 9.3.1 PCA 9.3.2 UMAP 9.4 아웃라이어 탐지 10장. 그 밖에 다양한 학습 기법 10.1 메트릭 학습 10.2 랭킹 학습 10.3 추천 학습 10.3.1 FM 10.3.2 DAE 10.4 자가 지도 학습: 단어 임베딩 11장. 결론 11.1 이 책에서 다루지 않은 내용 11.1.1 토픽 모델링 11.1.2 가우시안 프로세스 11.1.3 일반화 선형 모델 11.1.4 확률 그래픽 모델 11.1.5 마르코프 체인 몬테 카를로 11.1.6 GAN 11.1.7 유전 알고리즘 11.1.8 강화 학습 11.2 감사의 글
• 
• 

• 안드리 부르코프 [저]

• 남기혁 [저]

• 저자 남기혁은 고려대학교 컴퓨터학과에서 학부와 석사 과정을 마친 후 한국전자통신연구원에서 선임 연구원으로 재직하고 있으며, ㈜프리스티에서 네트워크 제어 및 검증 소프트웨어 개발 업무를 맡고 있다. 한빛미디어에서 출간한 『Make: 센서』, 『메이커 매뉴얼』, 『이펙티브 디버깅』, 에이콘출판사에서 출간한 『GWT 구글 웹 툴킷』(2008)』 , 『해킹 초보를 위한 USB 공격과 방어』(2011) , 『자바 7의 새로운 기능』(2013) , 『iOS 해킹과 보안 가이드』(2014) , 『Neutron 오픈스택 네트워킹』(2015) , 『실전 IoT 네트워크 프로그래밍』(2015), 『애플 워치 WatchKit 프로그래밍』(2015), 『현대 네트워크 기초 이론』(2016), 『도커 컨테이너』(2017), 『스마트 IoT 프로젝트』(2017), 『파이썬으로 배우는 인공지능』(2017), 『메이커를 위한 실전 모터 가이드』(2018), 『트러블 슈팅 도커』(2018), 『Go 마스터하기』(2018), 『자율주행 자동차 만들기』(2018) 등을 번역했다.

• 전체 0개의 구매후기가 있습니다.
• 

인터파크도서는 고객님의 단순 변심에 의한 교환과 반품에 드는 비용은 고객님이 지불케 됩니다. 단, 상품이나 서비스 자체의 하자로 인한 교환 및 반품은 무료로 반품 됩니다. 교환 및 반품이 가능한 경우 상품을 공급 받은 날로부터 7일이내 가능 공급받으신 상품의 내용이 표시, 광고 내용과 다르거나 다르게 이행된 경우에는 공급받은 날로부터 3개월 이내,    혹은 그사실을 알게 된 날 또는 알 수 있었던 날로부터 30일 이내 상품에 아무런 하자가 없는 경우 소비자의 고객변심에 의한 교환은 상품의 포장상태 등이 전혀 손상되지 않은 경우에 한하여 가능 교환 및 반품이 불가능한 경우 구매확정 이후(오픈마켓상품에 한함) 고객님의 책임 있는 사유로 상품 등이 멸실 또는 훼손된 경우    (단, 상품의 내용을 확인하기 위하여 포장 등을 훼손한 경우는 제외) 시간이 지남에 따라 재판매가 곤란할 정도로 물품의 가치가 떨어진 경우 포장 개봉되어 상품 가치가 훼손된 경우 다배송지의 경우 반품 환불 다배송지의 경우 다른 지역의 반품을 동시에 진행할 수 없습니다. 1개 지역의 반품이 완료된 후 다른 지역 반품을 진행할 수 있으므로, 이점 양해해 주시기 바랍니다. 중고상품의 교환 중고상품은 제한된 재고 내에서 판매가 이루어지므로, 교환은 불가능합니다. 오픈마켓 상품의 환불 오픈마켓상품에 대한 책임은 원칙적으로 업체에게 있으므로, 교환/반품 접수시 반드시 판매자와 협의 후 반품 접수를 하셔야하며,    반품접수 없이 반송하거나, 우편으로 보낼 경우 상품 확인이 어려워 환불이 불가능할 수 있으니 유의하시기 바랍니다.

배송예정일 안내 인터파크 도서는 모든 상품에 대해 배송완료예정일을 웹사이트에 표시하고 있습니다. <인터파크 직배송 상품> 상품은 월~토요일 오전 10시 이전 주문분에 대하여 당일 출고/당일 배송완료를 보장하는 상품입니다. 상품은 서울지역/평일 주문분은 당일 출고/익일 배송완료를 보장하며, 서울외지역/평일 주문분의 경우는 오후 6시까지 주문분에 대하여 익일 배송완료를 보장하는 상품입니다. (단, 월요일은 12시까지 주문에 한함) 상품은, 입고예정일(제품출시일)+택배사배송일(1일)에 배송완료를 보장합니다. ~ 상품은 유통특성상 인터파크에서 재고를 보유하지 않은 상품으로 주문일+기준출고일+택배사배송일(1일)에 배송완료를 보장합니다.(토/공휴일은 배송기간에 포함되지 않습니다.) ※기준출고일:인터파크가 상품을 수급하여 물류창고에서 포장/출고하기까지 소요되는 시간 <업체 직접배송/오픈마켓 상품> ~ 상품은 업체가 주문을 확인하고, 출고하기까지 걸리는 시간입니다. 주문일+기준출고일+택배사배송일(2일)에 배송완료를 보장합니다.(토/공휴일은 배송기간에 포함되지 않습니다.) ※5일이내 출고가 시작되지 않을시, 오픈마켓 상품은 자동으로 주문이 취소되며, 고객님께 품절보상금을 지급해 드립니다. 배송비 안내 도서(중고도서 포함)만 구매하시면 : 배송비 2,000원 (1만원이상 구매 시 무료배송) 음반/DVD만 구매하시면 : 배송비 1,500원 (2만원이상 구매 시 무료배송) 잡지/만화/기프트만 구매하시면 : 배송비 2,000원 (2만원이상 구매 시 무료배송) 도서와 음반/DVD를 함께 구매하시면 : 배송비 1,500원 1만원이상 구매 시 무료배송) 도서와 잡지/만화/기프트/중고직배송상품을 함께 구매하시면 : 2,000원 (1만원이상 구매 시 무료배송) 업체직접배송상품을 구매시 : 업체별로 상이한 배송비 적용    * 세트상품의 경우 부분취소 시 추가 배송비가 부과될 수 있습니다.    * 북카트에서 배송비없애기 버튼을 클릭하셔서, 동일업체상품을 조금 더 구매하시면, 배송비를 절약하실 수 있습니다. 해외배송 안내 인터파크도서에서는 국내에서 주문하시거나 해외에서 주문하여 해외로 배송을 원하실 경우 DHL과 특약으로 책정된 요금표에    의해 개인이 이용하는 경우보다 배송요금을 크게 낮추며 DHL(www.dhl.co.kr)로 해외배송 서비스를 제공합니다. 해외배송은 도서/CD/DVD 상품에 한해 서비스하고 있으며, 다른 상품을 북카트에 함께 담으실 경우 해외배송이 불가합니다. 해외주문배송 서비스는 인터파크 도서 회원 가입을 하셔야만 신청 가능합니다. 알아두세요!!! 도매상 및 제작사 사정에 따라 품절/절판 등의 사유로 취소될 수 있습니다. 오픈마켓업체의 배송지연시 주문이 자동으로 취소될 수 있습니다. 출고가능 시간이 서로 다른 상품을 함께 주문할 경우 출고가능 시간이 가장 긴 기준으로 배송됩니다. 유통의 특성상 출고기간은 예정보다 앞당겨지거나 늦춰질 수 있습니다. 택배사 배송일인 서울 및 수도권은 1~2일, 지방은 2~3일, 도서, 산간, 군부대는 3일 이상의 시간이 소요됩니다.