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

• 
• 
• 사이킷런 핵심 개발자에게 배우는 머신러닝 이론과 구현 현업에서 머신러닝을 연구하고 인공지능 서비스를 개발하기 위해 꼭 학위를 받을 필요는 없습니다. 사이킷런(scikit-learn)과 같은 훌륭한 머신러닝 라이브러리가 복잡하고 난해한 작업을 직관적인 인터페이스로 감싸주는 덕분이죠. 이 책에서는 사이킷런의 핵심 개발자가 복잡한 수학을 동원하지 않고 실용적으로 머신러닝을 구축하는 모든 단계를 설명합니다. 미적분, 선형대수, 확률 이론을 공부하지 않았어도 이 책을 통해 머신러닝을 활용할 수 있게 될 것입니다. ※ 본 번역개정2판은 scikit-learn 업데이트에 따라 전반적으로 내용을 갱신한 원서 4쇄를 기반으로 합니다. 오탈자를 바로잡고, 시각적 편의를 위해 풀컬러로 인쇄했습니다.
• 
• 실제 문제에 대한 해법을 찾는 머신러닝 기술자를 위한 본격 머신러닝 입문서 사이킷런 1.x 버전을 반영하고 구글 코랩에서 실습 가능한 번역개정2판 이 책은 머신러닝 알고리즘을 밑바닥부터 만드는 법을 다루지는 ‘않으며’, 대신 사이킷런과 다른 라이브러리에 이미 구현된 방대한 양의 모델을 사용하는 법에 집중합니다. 머신러닝과 인공지능에 대한 사전 지식이 필요 없는 입문서로, 파이썬과 사이킷런을 중심으로 머신러닝 애플리케이션을 성공적으로 만드는 모든 단계를 밟아갑니다. 여기서 소개하는 방법들은 상용 애플리케이션을 만드는 데이터 전문가는 물론 연구자와 과학자에게도 도움이 될 것입니다. 파이썬과 NumPy, matplotlib 라이브러리에 친숙하다면 이 책의 대부분을 이해할 수 있습니다. ★ 번역개정2판의 특징 본 번역개정판은 원서 4쇄를 기반으로 하며, 초판 발행 이후 알려진 오탈자를 모두 바로잡았습니다. 또한 scikit-learn 1.x 버전 릴리스에 따라 전반적으로 내용을 업데이트했습니다. 나아가 구글 코랩에서 실습이 가능하도록 전반적으로 수정했습니다. ★ 주요 내용 ● 머신러닝의 기본 개념과 응용 ● 널리 사용되는 머신러닝 알고리즘의 장점과 단점 ● 머신러닝으로 처리한 데이터를 표현하는 방법 ● 모델 평가와 매개변수 튜닝을 위한 고급 방법 ● 체인 모델과 워크플로 캡슐화를 위한 파이프라인 ● 텍스트 데이터를 다루는 기술 ● 머신러닝과 데이터 과학 기술 향상을 위한 조언
• 
• CHAPTER 1 소개 1.1 왜 머신러닝인가? __1.1.1 머신러닝으로 풀 수 있는 문제 __1.1.2 문제와 데이터 이해하기 1.2 왜 파이썬인가? 1.3 scikit-learn __1.3.1 scikit-learn 설치 1.4 필수 라이브러리와 도구들 __1.4.1 주피터 노트북 __1.4.2 NumPy __1.4.3 SciPy __1.4.4 matplotlib __1.4.5 pandas __1.4.6 mglearn 1.5 파이썬 2 vs. 파이썬 3 1.6 이 책에서 사용하는 소프트웨어 버전 1.7 첫 번째 애플리케이션: 붓꽃의 품종 분류 __1.7.1 데이터 적재 __1.7.2 성과 측정: 훈련 데이터와 테스트 데이터 __1.7.3 가장 먼저 할 일: 데이터 살펴보기 __1.7.4 첫 번째 머신러닝 모델: k-최근접 이웃 알고리즘 __1.7.5 예측하기 __1.7.6 모델 평가하기 1.8 요약 및 정리 CHAPTER 2 지도 학습 2.1 분류와 회귀 2.2 일반화, 과대적합, 과소적합 __2.2.1 모델 복잡도와 데이터셋 크기의 관계 2.3 지도 학습 알고리즘 __2.3.1 예제에 사용할 데이터셋 __2.3.2 k-최근접 이웃 __2.3.3 선형 모델 __2.3.4 나이브 베이즈 분류기 __2.3.5 결정 트리 __2.3.6 결정 트리의 앙상블 __2.3.7 (한국어판 부록) 배깅, 엑스트라 트리, 에이다부스트 __2.3.8 커널 서포트 벡터 머신 __2.3.9 신...경망(딥러닝) 2.4 분류 예측의 불확실성 추정 __2.4.1 결정 함수 __2.4.2 예측 확률 __2.4.3 다중 분류에서의 불확실성 2.5 요약 및 정리 CHAPTER 3 비지도 학습과 데이터 전처리 3.1 비지도 학습의 종류 3.2 비지도 학습의 도전 과제 3.3 데이터 전처리와 스케일 조정 __3.3.1 여러 가지 전처리 방법 __3.3.2 데이터 변환 적용하기 __3.3.3 (한국어판 부록) QuantileTransformer와 PowerTransformer __3.3.4 훈련 데이터와 테스트 데이터의 스케일을 같은 방법으로 조정하기 __3.3.5 지도 학습에서 데이터 전처리 효과 3.4 차원 축소, 특성 추출, 매니폴드 학습 __3.4.1 주성분 분석(PCA) __3.4.2 비음수 행렬 분해(NMF) __3.4.3 t-SNE를 이용한 매니폴드 학습 3.5 군집 __3.5.1 k-평균 군집 __3.5.2 병합 군집 __3.5.3 DBSCAN __3.5.4 군집 알고리즘의 비교와 평가 __3.5.5 군집 알고리즘 요약 3.6 요약 및 정리 CHAPTER 4 데이터 표현과 특성 공학 4.1 범주형 변수 __4.1.1 원-핫-인코딩(가변수) __4.1.2 숫자로 표현된 범주형 특성 4.2 OneHotEncoder와 ColumnTransformer: scikit-learn으로 범주형 변수 다루기 4.3 make_column_transformer로 간편하게 ColumnTransformer 만들기 4.4 구간 분할, 이산화 그리고 선형 모델, 트리 모델 4.5 상호작용과 다항식 4.6 일변량 비선형 변환 4.7 특성 자동 선택 __4.7.1 일변량 통계 __4.7.2 모델 기반 특성 선택 __4.7.3 반복적 특성 선택 4.8 전문가 지식 활용 4.9 요약 및 정리 CHAPTER 5 모델 평가와 성능 향상 5.1 교차 검증 __5.1.1 scikit-learn의 교차 검증 __5.1.2 교차 검증의 장점 __5.1.3 계층별 k-겹 교차 검증과 그외 전략들 __5.1.4 (한국어판 부록) 반복 교차 검증 5.2 그리드 서치 __5.2.1 간단한 그리드 서치 __5.2.2 매개변수 과대적합과 검증 세트 __5.2.3 교차 검증을 사용한 그리드 서치 5.3 평가 지표와 측정 __5.3.1 최종 목표를 기억하라 __5.3.2 이진 분류의 평가 지표 __5.3.3 다중 분류의 평가 지표 __5.3.4 회귀의 평가 지표 __5.3.5 모델 선택에서 평가 지표 사용하기 5.4 요약 및 정리 CHAPTER 6 알고리즘 체인과 파이프라인 6.1 데이터 전처리와 매개변수 선택 6.2 파이프라인 구축하기 6.3 그리드 서치에 파이프라인 적용하기 6.4 파이프라인 인터페이스 __6.4.1 make_pipleline을 사용한 파이프라인 생성 __6.4.2 단계 속성에 접근하기 __6.4.3 그리드 서치 안의 파이프라인 속성에 접근하기 6.5 전처리와 모델의 매개변수를 위한 그리드 서치 6.6 모델 선택을 위한 그리드 서치 __6.6.1 중복 계산 피하기 6.7 요약 및 정리 CHAPTER 7 텍스트 데이터 다루기 7.1 문자열 데이터 타입 7.2 예제 애플리케이션: 영화 리뷰 감성 분석 7.3 텍스트 데이터를 BOW로 표현하기 __7.3.1 샘플 데이터에 BOW 적용하기 __7.3.2 영화 리뷰에 대한 BOW 7.4 불용어 7.5 tf-idf로 데이터 스케일 변경하기 7.6 모델 계수 조사 7.7 여러 단어로 만든 BOW(n-그램) 7.8 고급 토큰화, 어간 추출, 표제어 추출 __7.8.1 (한국어판 부록) KoNLPy를 사용한 영화 리뷰 분석 7.9 토픽 모델링과 문서 군집화 __7.9.1 LDA 7.10 요약 및 정리 CHAPTER 8 마무리 8.1 머신러닝 문제 접근 방법 __8.1.1 의사 결정 참여 8.2 프로토타입에서 제품까지 8.3 제품 시스템 테스트 8.4 나만의 추정기 만들기 8.5 더 배울 것들 __8.5.1 이론 __8.5.2 다른 머신러닝 프레임워크와 패키지 __8.5.3 랭킹, 추천 시스템과 그 외 다른 알고리즘 __8.5.4 확률 모델링, 추론, 확률적 프로그래밍 __8.5.5 신경망 __8.5.6 대규모 데이터셋으로 확장 __8.5.7 실력 기르기 8.6 마치며
• 
• 

• 안드레아스 뮐러 [저]

• 저자 안드레아스 뮐러(Andreas C. Mueller)는 독일 본(Bonn) 대학교에서 머신러닝으로 박사 학위를 받았다. 1년간 아마존의 컴퓨터 비전 응용 부서에서 머신러닝 연구자로 일한 뒤 뉴욕 대학교의 데이터 과학 센터에 합류했고, 현재는 컬럼비아 대학교에서 ‘Applied Machine Learning’ 과목을 가르치고 있다. 지난 4년 동안 학계와 산업계에서 널리 사용하는 머신러닝 툴킷인 사이킷런의 핵심 기여자와 관리자로 활동했다. 또 잘 알려진 여러 머신러닝 패키지를 직접 만들거나 개발에 참여했다. 뮐러의 소망은 머신러닝 애플리케이션 개발의 진입 장벽을 낮추고, 수준 높은 머신러닝 알고리즘을 손쉽게 사용할 수 있는 공개 툴을 만드는 것이다.

• 박해선 [저]

• 기계공학을 전공했지만 졸업 후엔 줄곧 코드를 읽고 쓰는 일을 했습니다. 텐서플로 블로그(tensorflow.blog)를 운영하고 있고, 머신러닝과 딥러닝에 관한 책을 집필하고 번역하면서 소프트웨어와 과학의 경계를 흥미롭게 탐험하고 있습니다. 『혼자 공부하는 머신러닝+딥러닝』(한빛미디어, 2020), 『Do it! 딥러닝 입문』(이지스퍼블리싱, 2019)을 집필했습니다. 『머신러닝 파워드 애플리케이션』(한빛미디어, 2021), 『머신러닝 교과서 with 파이썬, 사이킷런, 텐서플로(개정 3판)』(길벗, 2021), 『파이토치로 배우는 자연어 처리』(한빛미디어, 2021), 『딥러닝 일러스트레이티드』(시그마프레스, 2021), 『GAN 인 액션』 (한빛미디어, 2020), 『핸즈온 머신러닝(2판)』(한빛미디어, 2020), 『미술관에 GAN 딥러닝』 (한빛미디어, 2019), 『파이썬을 활용한 머신러닝 쿡북』(한빛미디어, 2019), 『머신 러닝 교과서 with 파이썬, 사이킷런, 텐서플로』(길벗, 2019), 『케라스 창시자에게 배우는 딥러닝』(길벗,2018), 『핸즈온 머신러닝』(한빛미디어, 2018), 『텐서플로 첫걸음』(한빛미디어, 2016)을 우리말로 옮겼습니다.

• 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.