|
|
|
ºñÁî´Ï½º ¾Ö³Î¸®Æ½½º with Python+Tensorflow : ºñÁî´Ï½º¸¦ À§ÇÑ µ¥ÀÌÅÍ°úÇÐ
|
|
|
¼¿ë¿ø
¤Ó
»ý´É
|
|
|
|
- Á¦ÈÞ¸ô ÁÖ¹® ½Ã °í°´º¸»ó, ÀϺΠÀ̺¥Æ® Âü¿© ¹× ÁõÁ¤Ç° ÁõÁ¤, ÇÏ·ç/´çÀÏ ¹è¼Û¿¡¼ Á¦¿ÜµÇ¹Ç·Î Âü°í ¹Ù¶ø´Ï´Ù.
-
-
-
°æ¿µÀÇ °üÁ¡¿¡¼ ºñÁî´Ï½º ¾Ö³Î¸®Æ½½º¸¦ °øºÎÇÏ·Á´Â Çлý°ú ½Ç¹«ÀÚµéÀ» ¿°µÎ¿¡ µÎ°í ¾²¿©Á³´Ù. ºñÁî´Ï½º ¾Ö³Î¸®Æ½½º¸¦ µ¥ÀÌÅÍ°úÇп¡ ÁßÁ¡À» µÎ°í °³°üÇϸé¼, Çö»óÀ» ¿ä¾àÇÏ¿© Á¤¸®Çϱâ À§ÇÑ ±â¼úÀû ¾Ö³Î¸®Æ½½º(descriptive analytics), À̷κÎÅÍ ¹Ì·¡¸¦ ¿¹ÃøÇϱâ À§ÇÑ ¿¹ÃøÀû ¾Ö³Î¸®Æ½½º(predictive analytics), ±×¸®°í ÀÇ»ç°áÁ¤°ú °èȹÀ» À§ÇÑ Ã³¹æÀû ¾Ö³Î¸®Æ½½º(prescriptive analytics)¿¡ À̸£´Â ºñÁî´Ï½º ¾Ö³Î¸®Æ½½ºÀÇ Àüü »çÀÌŬÀ» ´Ù·ç¾ú´Ù.
¸ðµ¨µéÀÇ °³³ä°ú ÀÌ·ÐÀû ±â¹Ý¿¡ ´ëÇÑ »ó¼¼ÇÑ ¼³¸í°ú ´õºÒ¾î, ÇÇ»óÀû ÀÌÇØ¿¡ ±×Ä¡Áö ¾Ê°í Á÷Á¢ Àû¿ëÇÒ ¼ö ÀÖ´Â ¿ª·®À» üµæÇÒ ¼ö ÀÖµµ·Ï ½ÇÁ¦ ÀÀ¿ë¿¡ ÇʼöÀûÀÎ ÆÄÀ̽ã(Python) ¾ð¾îÀÇ ±âÃʷκÎÅÍ ½ÃÀÛÇÏ¿© µö·¯´× Àû¿ëÀ» À§ÇÑ ÅÙ¼Ç÷οì(Tensorflow)¿Í Äɶó½º(Keras) ÆÐÅ°Áö¸¦ È°¿ëÇÏ¿© ºñÁî´Ï½ºÀÇ ¹®Á¦¿¡ Àû¿ëÇÏ´Â ¹æ¾ÈÀ» ´Ù·ç¾ú´Ù.
-
-
¸¶ºÎÀÛħ(بݨíÂöÜ).
µµ³¢¸¦ °¥¾Æ ¹Ù´ÃÀ» ¸¸µç´Ù´Â ¶æÀε¥, ÇÊÀÚÀÇ ´À³¦ÀÌ µü ±×·¨´Ù. °æ¿µ¿¡ µ¥ÀÌÅÍ°úÇÐÀ» Àû¿ëÇÏ´Â °ÍÀÌ Áß¿äÇÏ´Ù´Â »ý°¢¿¡¼ ºñÁî´Ï½º ¾Ö³Î¸®Æ½½º °ú¸ñÀ» °³¼³ÇÏ¿© °ÀÇÇϸé¼, ÁÁÀº Ã¥°ú ÀÚ·á´Â ¸¹Áö¸¸ ÇÑ ±ÇÀÇ ºÐ·®À¸·Î ±æÀâÀÌ°¡ µÇ¾î ÁÙ ¼ö Àִ åÀÌ ÀÖÀ¸¸é ÁÁ°Ú´Ù´Â °¡º¿î »ý°¢À¸·Î ½ÃÀÛÇÑ ÀÏÀ̾ú´Ù. ±×·¨´ø °ÍÀÌ Áö³ 2³â°£ ÁÖ¸»À» ¹Ý³³ÇÏ°í ÈÞ°¡¿¡µµ ³ëÆ®ºÏÀ» µé°í ´Ù´Ï¸é¼ ¿ø°í¸¦ ¾²°í Äڵ带 ÀÛ¼ºÇÏ¸ç ½áµµ ½áµµ ³¡³ªÁö ¾Ê´Â ºÐ·®¿¡ ¸¶Ä¡ »çÆ÷·Î ¹ÙÀ§¸¦ °¥¾Æ ¾ø¾Ö´Â ´À³¦À̾ú´Ù. ÀÌÁ¦ ±³Á¤º»À» ÃâÆǻ翡 ¼Û°íÇÏ°í ¸Ó¸®¸»À» ¾²¸é¼, Ã¥ ÇÑ ±Ç¿¡ µé¾î°¡´Â °øÀÌ ÀÌ·¸°Ô³ª Å©´Ù´Â »ý°¢¿¡, ÈǸ¢ÇÑ Àú¼úÀ» ³²±â½Å ¾Õ¼± ÀúÀÚµéÀÇ ³ë°í¿Í ¿Á¤¿¡ ´Ù½Ã Çѹø °í°³°¡ ¼÷¿©Áø´Ù.
ºñÁî´Ï½º ¾Ö³Î¸®Æ½½º(Business Analytics)´Â ¸Å·ÂÀûÀÌÁö¸¸ ½±°Ô ÁøÀÔÇϱ⠾î·Á¿î ºÐ¾ßÀÌ´Ù. ºñÁî´Ï½º¶ó´Â ´ë»ó°ú Åë°èÇÐ(statistics), °æ¿µ°úÇÐ(management science), ±×¸®°í µ¥ÀÌÅÍ°úÇÐ(data science) µîÀÇ ÇÐÁ¦Àû ¹æ¹ý·ÐÀÌ ±³Â÷ÇÏ´Â ÁöÁ¡¿¡ Àִ Ư¼º»ó, ºñÁî´Ï½º ¾Ö³Î¸®Æ½½º´Â Á¢±Ù °üÁ¡µµ ´Ù¾çÇÏ°í ¹üÀ§µµ ³ÐÀ¸¸ç, ¾îµð¼ºÎÅÍ ½ÃÀÛÇؼ °øºÎÇØ¾ß ÇÒÁö ¹æÇâÀ» Àâ±âµµ ¹«Ã´ ¾î·Æ´Ù. ´õ±º´Ù³ª ¼öÇаú ÄÄÇ»ÅÍ ¾ð¾î µî ÇÊ¿äÇÑ »çÀü Áö½ÄÀÌ ¾î´À Á¤µµ¿©¾ß ÇÏ´ÂÁöµµ ¸·¿¬ÇÏ´Ù º¸´Ï, ÀÌ ºÐ¾ß¿¡ °ü½ÉÀ» °¡Áø ÇлýÀ̳ª ºñÁî´Ï½º ½Ç¹«ÀÚµé·ÎºÎÅÍ ¾î¶»°Ô ½ÃÀÛÇϸé ÁÁÀ»Áö, Âü°íÇÒ ¸¸ÇÑ Ã¥À̳ª ÀÚ·á°¡ ÀÖ´ÂÁö ÀÚÁÖ Áú¹®À» ¹Þ°Ô µÈ´Ù.
ÀÌ Ã¥Àº ±×·¡¼, °æ¿µÀÇ °üÁ¡¿¡¼ ºñÁî´Ï½º ¾Ö³Î¸®Æ½½º¸¦ °øºÎÇÏ·Á´Â Çлý°ú ½Ç¹«ÀÚµéÀ» ¿°µÎ¿¡ µÎ°í ¾²¿©Á³´Ù. ºñÁî´Ï½º ¾Ö³Î¸®Æ½½º¸¦ µ¥ÀÌÅÍ°úÇп¡ ÁßÁ¡À» µÎ°í °³°üÇϸé¼, Çö»óÀ» ¿ä¾àÇÏ¿© Á¤¸®Çϱâ À§ÇÑ ±â¼úÀû ¾Ö³Î¸®Æ½½º(descriptive analytics), À̷κÎÅÍ ¹Ì·¡¸¦ ¿¹ÃøÇϱâ À§ÇÑ ¿¹ÃøÀû ¾Ö³Î¸®Æ½½º(predictive analytics), ±×¸®°í ÀÇ»ç°áÁ¤°ú °èȹÀ» À§ÇÑ Ã³¹æÀû ¾Ö³Î¸®Æ½½º(prescriptive analytics)¿¡ À̸£´Â ºñÁî´Ï½º ¾Ö³Î¸®Æ½½ºÀÇ Àüü »çÀÌŬÀ» ´Ù·ç¾ú´Ù. ¸ðµ¨µéÀÇ °³³ä°ú ÀÌ·ÐÀû ±â¹Ý¿¡ ´ëÇÑ »ó¼¼ÇÑ ¼³¸í°ú ´õºÒ¾î, ÇÇ»óÀû ÀÌÇØ¿¡ ±×Ä¡Áö ¾Ê°í Á÷Á¢ Àû¿ëÇÒ ¼ö ÀÖ´Â ¿ª·®À» üµæÇÒ ¼ö ÀÖµµ·Ï ½ÇÁ¦ ÀÀ¿ë¿¡ ÇʼöÀûÀÎ ÆÄÀ̽ã(Python) ¾ð¾îÀÇ ±âÃʷκÎÅÍ ½ÃÀÛÇÏ¿© µö·¯´× Àû¿ëÀ» À§ÇÑ ÅÙ¼Ç÷οì(Tensorflow)¿Í Äɶó½º(Keras) ÆÐÅ°Áö¸¦ È°¿ëÇÏ¿© ºñÁî´Ï½ºÀÇ ¹®Á¦¿¡ Àû¿ëÇÏ´Â ¹æ¾ÈÀ» ´Ù·ç¾ú´Ù.
ºñÁî´Ï½º ¾Ö³Î¸®Æ½½º ºÐ¾ßÀÇ °øºÎ¸¦ ½ÃÀÛÇغ¸°íÀÚ ÇÏ´Â »ç¶÷µé¿¡°Ô ½ÇÁ¦ Àû¿ë¿¡ À̸£±â±îÁöÀÇ ±æÀâÀÌ°¡ µÇ´Â Ã¥À¸·Î ±¸¼ºÇÏ´Ù º¸´Ï ³À̵µÀÇ ½ºÆåÆ®·³ÀÌ ³Ð¾îÁø °Í °°´Ù. ÆÄÀ̽㠾ð¾î¿¡ ÀÌ¹Ì Àͼ÷ÇÏ´Ù¸é ÆÄÀ̽㠱âÃʸ¦ ¼³¸íÇÏ´Â ¾ÕºÎºÐÀº °Ç³Ê¶Ù°í 4Àå ÀÌÈĺÎÅÍ Âü°íÇÏ¸é µÉ °ÍÀÌ´Ù. ¹Ý´ë·Î, °æ¿µ°úÇÐ ºÐ¾ßÀÇ Á¤·®Àû ÀÇ»ç°áÁ¤¸ðµ¨¿¡ Àͼ÷ÇÏÁö ¾Ê´Ù¸é 16ÀåÀº ´Ù¼Ò ¾î·Á¿ï ¼ö ÀÖÀ¸¹Ç·Î ½Ã°£ÀÌ ºÎÁ·ÇÏ´Ù¸é °³³äÀûÀ¸·Î¸¸ ÆľÇÇÏ´Â Á¤µµ·Îµµ ÃæºÐÇÒ °ÍÀ¸·Î »ý°¢µÈ´Ù. ¸ðµ¨ÀÇ ÀÌÇØ¿Í Àû¿ëÀ» À§ÇÑ Ç³ºÎÇÑ ¿¹Á¦¸¦ Æ÷ÇÔÇÏ¿´À¸¹Ç·Î, ½Ã°£À» °¡Áö°í Ã¥¿¡ Æ÷ÇÔµÈ ÇÁ·Î±×·¥ Äڵ带 Á÷Á¢ ½ÇÇàÇÏ¸é¼ ¼³¸íÀ» µû¶ó°¡ º¸¸é ºñÁî´Ï½º ¾Ö³Î¸®Æ½½ºÀÇ ´Ù¾çÇÑ ¸ðµ¨¿¡ ´ëÇÑ ±íÀÌÀÖ´Â ÀÌÇØ¿Í Àû¿ë ´É·ÂÀ» °®°Ô µÉ °ÍÀ¸·Î ¹Ï´Â´Ù.
±¤È°ÇÑ ¿µ¿ª¿¡ ³ª¸§´ë·ÎÀÇ Áöµµ¸¦ ±×¸®°í ÁÙÀ» Àâ¾Æ ÇÑ ±ÇÀ¸·Î Á¤¸®ÇÏ¿© ¼¼»óÀ¸·Î ³»º¸³»·Á°í ÇÏ´Ï ºÎ²ô·´°í µÎ·Á¿î ¸¶À½ÀÌ ¾Õ¼±´Ù. µ¶ÀÚ Á¦ÇöµéÀÇ ¸¹Àº Çǵå¹éÀ» ºÎŹµå¸°´Ù. ¾Æ¿ï·¯, ºñÁî´Ï½º ¾Ö³Î¸®Æ½½º¸¦ °øºÎÇϱâ À§ÇØ ÀÌ Ã¥À» Áý¾î µå´Â Çлý°ú ºñÁî´Ï½º ½Ç¹«ÀÚµéÀ» ÀÀ¿øÇÑ´Ù. óÀ½¿¡´Â ¸·¸·ÇÏ°ÚÁö¸¸, ÃÖ´ëÇÑ Ä£ÀýÇÏ°Ô ¼³¸íÇÏ·Á°í ³ë·ÂÇÏ¿´À¸´Ï Â÷±ÙÂ÷±Ù Ã¥ÀÇ ¼³¸íÀ» µû¶ó°¡¸é¼ ½Ã°£À» µÎ°í... ¿©ÇàÇÏ´Ù º¸¸é ¾ðÁ¨°¡´Â ºñÁî´Ï½º ¾Ö³Î¸®Æ½½º¶ó´Â ´ëÁöÀÇ Àüü ±×¸²ÀÌ º¸ÀÏ °ÍÀ¸·Î ¹Ï´Â´Ù. ¸¶ºÎÀÛħ. °¥°í ´Ùµë´Ù º¸¸é ¾ðÁ¨°¡´Â ºû³ªÁö ¾Ê°Ú´Â°¡.
³¡À¸·Î, ÀÌ Ã¥ÀÌ ³ª¿Ã ¼ö ÀÖµµ·Ï ÇØ ÁØ ¸¹Àº À̵鿡°Ô °¨»çµå¸°´Ù. ¸ÕÀú, °ÀÇÀÚ·á¿Í Äڵ带 Á¤¸®ÇÏ°í °ËÅäÇÏ´Â µ¥ ¾Æ³¦¾ø´Â Á¤¼º°ú ³ë·ÂÀ» ±â¿ï¿©ÁØ ¿¬±¸½Ç ¼®»ç°úÁ¤ Á¦ÀÚ ÃÖµ¿¿± ±º°ú ÇкΠ¿¬±¸»ý ±Ç¿¹Áø ¾ç¿¡°Ô °¨»çÀÇ ¶æÀ» ÀüÇÑ´Ù. À̵éÀÇ ¿ª·®°ú µµ¿òÀÌ ¾ø¾ú´Ù¸é ÀÌ Ã¥À» ½ÃÀÛÇÏÁöµµ ¸øÇßÀ» °ÍÀÌ´Ù. ¶ÇÇÑ, ÇÔ²² Åä·ÐÇØÁØ ¿¬±¸½ÇÀÇ Á¦ÀÚµé°ú µ¿·á ¿¬±¸ÀÚµé, Ã¥ÀÇ ¾ÆÀ̵ð¾î¿¡ ¸¹Àº µµ¿òÀ» ÁØ ±â¾÷ °ü°èÀÚµé, ±×¸®°í ÀÌ Ã¥ÀÇ Ãâ°£±îÁö °í»ýÀ» ¸¶´ÙÇÏÁö ¾ÊÀº »ý´ÉÃâÆÇ»ç °ü°èÀÚ ¿©·¯ºÐ²²µµ ±íÀº °¨»çÀÇ ¸»¾¸À» µå¸°´Ù. ¹«¾ùº¸´Ùµµ, ÁýÇÊ °úÁ¤¿¡¼ º¯ÇÔ¾ø´Â µû¶æÇÑ °Ý·Á¿Í ÀÀ¿øÀ» º¸³»ÁØ °¡Á·µé¿¡°Ô ±íÀº °¨»çÀÇ ¸¶À½À» Ç¥ÇÑ´Ù.
-
-
PART ¥° °³¿ä
CHAPTER 1 Business Analytics¶õ?
1.1 ºñÁî´Ï½º ¾Ö³Î¸®Æ½½ºÀÇ Á¤ÀÇ
1.2 ¸ðµ¨¿¡ ´ëÇÑ ÀÌÇØ
1.3 Á¤·®Àû ¸ðÇüÀÇ Çʿ伺
1.4 ºñÁî´Ï½º ¾Ö³Î¸®Æ½½ºÀÇ ±¸ºÐ
1.5 ºñÁî´Ï½º ¾Ö³Î¸®Æ½½º¿Í °ü·Ã °³³ä°úÀÇ °ü°è
1.6 ºñÁî´Ï½º ¾Ö³Î¸®Æ½½º Æ®·»µå
1.7 ÀÌ Ã¥ÀÇ ¹üÀ§
¤ý¿¬½À¹®Á¦
PART ¥± PythonÀ» È°¿ëÇÑ ºÐ¼® ±âÃÊ
CHAPTER 2 Python ±âÃÊ
2.1 Python ¼³Ä¡
2.2 ù ¹ø° Python ÇÁ·Î±×·¥
2.3 PythonÀÇ ±âÃÊ: º¯¼ö
2.4 PythonÀÇ ±âÃÊ: ¸®½ºÆ®
2.5 Á¶°Ç¹®
2.6 ¹Ýº¹¹® 1 : while
2.7 ¹Ýº¹¹® 2 : for
2.8 ÇÔ¼ö
¤ý½Ç½À¿¹Á¦
¤ý¿¬½À¹®Á¦
CHAPTER 3 µ¥ÀÌÅÍ Ã³¸®¿Í ¼öÄ¡ ¿¬»ê ±âÃÊ
3.1 Pandas¸¦ ÀÌ¿ëÇÑ csv ÆÄÀÏ ÀÔ·Â
3.2 µ¥ÀÌÅÍ ÃßÃâ°ú ±×·ìÈ
3.3 µ¥ÀÌÅÍÇÁ·¹ÀÓ¿¡¼ Åë°è·® »êÃâ
3.4 Çà·Ä°ú numpy ÆÐÅ°Áö
3.5 Numpy¸¦ È°¿ëÇÑ ¹è¿ »ý¼º°ú ±âÃÊ
3.6 Numpy ¹è¿ÀÇ »çÄ¢¿¬»ê
3.7 Numpy¸¦ È°¿ëÇÑ Çà·Ä ¿¬»ê
3.8 ´ÜÀ§Çà·Ä, ¿ªÇà·Ä°ú Ư¼ö Çà·ÄÀÇ Ç¥Çö
3.9 µ¥ÀÌÅÍÀÇ Åë°èÄ¡ ÃßÃâ
¤ý½Ç½À¿¹Á¦
¤ý¿¬½À¹®Á¦
PART ¥² ±â¼úÀû ºÐ¼®¸ðÇü(Descriptive Analytics)
CHAPTER 4 µ¥ÀÌÅÍÀÇ ´ëÇ¥°ª
4.1 ´ëÇ¥°ª
4.2 µ¥ÀÌÅÍÀÇ º¯µ¿¼º
4.3 ÆÄÀ̽ãÀ» ÀÌ¿ëÇÑ ½Ç½À: µ¥ÀÌÅÍ ÃßÃâÇÏ...±â
4.4 ÆÄÀ̽ãÀ» ÀÌ¿ëÇÑ ½Ç½À: ´ëÇ¥°ª ±¸Çϱâ
4.5 ÆÄÀ̽ãÀ» ÀÌ¿ëÇÑ ½Ç½À: Ç¥ÁØÆíÂ÷ ±¸Çϱâ
¤ý½Ç½À¿¹Á¦
¤ý¿¬½À¹®Á¦
CHAPTER 5 µ¥ÀÌÅÍ ½Ã°¢È
5.1 µ¥ÀÌÅÍ ½Ã°¢ÈÀÇ »ç·Ê
5.2 µ¥ÀÌÅÍ ½Ã°¢È¸¦ À§ÇÑ ÇÁ·Î±×·¥ ±âÃÊ
5.3 µ¥ÀÌÅÍ ½Ã°¢È ½Ç½À: È÷½ºÅä±×·¥
5.4 µ¥ÀÌÅÍ ½Ã°¢È ½Ç½À: »óÀڱ׸²
5.5 µ¥ÀÌÅÍ ½Ã°¢È ½Ç½À: »êÁ¡µµ
¤ý½Ç½À¿¹Á¦
¤ý¿¬½À¹®Á¦
PART ¥³ ¿¹ÃøÀû ºÐ¼®¸ðÇü(Predictive Analytics)
CHAPTER 6 ¿¹ÃøÀû ºÐ¼®°ú ÇнÀ µ¥ÀÌÅÍ ±¸Á¶
6.1 ½Ç½À Áغñ
6.2 µ¥ÀÌÅÍÀÇ ±¸Á¶
6.3 ¿ÍÀÎ µ¥ÀÌÅÍÀÇ 2Â÷¿ø ½Ã°¢È
6.4 ¿ÍÀÎ µ¥ÀÌÅÍÀÇ 3Â÷¿ø ½Ã°¢È
6.5 KNNÀÇ °³³ä
6.6 KNN ¸ðÇü ±¸Ãà
¤ý½Ç½À¿¹Á¦
¤ý¿¬½À¹®Á¦
CHAPTER 7 ¸ðµ¨ÀÇ ¼º´ÉÁöÇ¥
7.1 1Á¾ ¿À·ù¿Í 2Á¾ ¿À·ù
7.2 È¥µ¿Çà·Ä
7.3 TP, TN, FP, FN
7.4 Á¤È®µµ
7.5 Á¤¹Ðµµ¿Í ÀçÇöÀ²
7.6 F1 score
7.7 ¼º´ÉÁöÇ¥ °è»ê ÆÄÀ̽㠿¹Á¦
7.8 ROC °î¼±°ú AUC
¤ý½Ç½À¿¹Á¦
¤ý¿¬½À¹®Á¦
CHAPTER 8 ÀÇ»ç°áÁ¤³ª¹«
8.1 ÀÇ»ç°áÁ¤³ª¹« ¸ðµ¨ÀÇ ÀÌÇØ
8.2 ÀÇ»ç°áÁ¤³ª¹«ÀÇ ±¸Á¶
8.3 ÀÇ»ç°áÁ¤³ª¹« ½Ç½À
8.4 ÀÇ»ç°áÁ¤³ª¹« ½Ç½À ½Ã°¢È
¤ý½Ç½À¿¹Á¦
¤ý¿¬½À¹®Á¦
CHAPTER 9 Tensorflow ±âÃÊ¿Í È¸±ÍºÐ¼®
9.1 Tensorflow ¼Ò°³
9.2 Tensorflow ¼³Ä¡ ¹× ¸Àº¸±â
9.3 ȸ±ÍºÐ¼®ÀÇ ¿ø¸®
9.4 ÅÙ¼Ç÷οì·Î Çϴ ȸ±ÍºÐ¼® 1 - Ãʱâ¸ðµ¨ ¼³Á¤
9.5 ÅÙ¼Ç÷οì·Î Çϴ ȸ±ÍºÐ¼® 2 - ¿ÀÂ÷ ÃøÁ¤
9.5 ÅÙ¼Ç÷οì·Î Çϴ ȸ±ÍºÐ¼® 3 - ¸ðµ¨ÀÇ ÃÖÀûÈ
¤ý½Ç½À¿¹Á¦
¤ý¿¬½À¹®Á¦
CHAPTER 10 ·ÎÁö½ºÆ½ ȸ±Í
10.1 ºÐ·ù¿¡ ÀûÇÕÇÏÁö ¾ÊÀº ¼±Çü ¸ðµ¨
10.2 ½Ã±×¸ðÀ̵å ÇÔ¼ö(sigmoid function)
10.3 ·ÎÁö½ºÆ½ ȸ±Í¸ðµ¨
10.4 °æ»çÇÏ°¹ýÀ» ÅëÇÑ ÃÖÀûÀÇ ·ÎÁö½ºÆ½ ȸ±Í¸ðµ¨ »êÃâ
10.5 ÅÙ¼Ç÷ο츦 È°¿ëÇÑ ·ÎÁö½ºÆ½ ȸ±Í¸ðµ¨ °è»ê ¿¹Á¦
10.6 »çÀÌŶ·± ÆÐÅ°Áö¸¦ ÅëÇÑ ·ÎÁö½ºÆ½ ȸ±Í¸ðµ¨ °è»ê
10.7 ½Å¿ëÄ«µå ºÎÁ¤»ç¿ë ¿¹ÃøÀ» À§ÇÑ ·ÎÁö½ºÆ½ ȸ±Í ¸ðµ¨¸µ
¤ý½Ç½À¿¹Á¦
¤ý¿¬½À¹®Á¦
CHAPTER 11 Àΰø½Å°æ¸Á ±âÃÊ
11.1 Àΰø½Å°æ¸Á¿¡ ´ëÇÑ ÀÌÇØ
11.2 ÆÛ¼ÁÆ®·Ð ¸ðµ¨
11.3 Çö´ëÀûÀÎ ´º·± ¸ðµ¨
11.4 ´ÜÀÏ ´º·±¿¡¼ÀÇ ¿ÀÂ÷ ¿ªÀüÆÄ
11.5 ´Ù°èÃþ Àΰø½Å°æ¸Á°ú ¿ªÀüÆÄ ¾Ë°í¸®Áò
11.6 ¿ø½Ã µ¥ÀÌÅÍÀÇ Áغñ
11.7 ÀÌÁøºÐ·ù ±â°èÇнÀ µ¥ÀÌÅÍ·Î º¯È¯
11.8 ¿ªÀüÆÄ ¾Ë°í¸®ÁòÀÇ ±¸Çö
11.9 Àΰø½Å°æ¸Á ¸ðµ¨ÀÇ ¿¹Ãø¼º´É
11.10 ¸ÎÀ½¸»
¤ý½Ç½À¿¹Á¦
¤ý¿¬½À¹®Á¦
CHAPTER 12 Àΰø½Å°æ¸Á ±¸Çö°ú Keras ÆÐÅ°Áö
12.1 Keras ÆÐÅ°Áö
12.2 KerasÀÇ ÃÖÀûÈ ¾Ë°í¸®Áò
12.3 È°¼ºÈ ÇÔ¼öÀÇ Á¾·ù
12.4 ¼Õ½Ç ÇÔ¼öÀÇ Á¾·ù
12.5 À̹ÌÁö ÀÎ½Ä ¿¹Á¦ µ¥ÀÌÅͼÂ
12.6 Keras¸¦ È°¿ëÇÑ À̹ÌÁö ÀÎ½Ä Àΰø½Å°æ¸Á ±¸Çö
12.7 À̹ÌÁö ÀÎ½Ä Àΰø½Å°æ¸ÁÀÇ ¼º´É Æò°¡
¤ý½Ç½À¿¹Á¦
¤ý¿¬½À¹®Á¦
CHAPTER 13 ¼øȯ½Å°æ¸Á°ú ½Ã°è¿ ¿¹Ãø
13.1 RNNÀÇ °³¿ä
13.2 ´Ü¼ø RNNÀÇ ÇÑ°è
13.3 LSTM
13.4 LSTMÀ» ÅëÇÑ Áֽİ¡°Ý ¿¹Ãø ¿¹Á¦
¤ý½Ç½À¿¹Á¦
¤ý¿¬½À¹®Á¦
CHAPTER 14 ÀÚ¿¬¾î ó¸® ±âÃÊ
14.1 BOW ¸ðµ¨°ú ¿öµåŬ¶ó¿ìµå
14.2 ºóµµ º¤ÅÍ¿Í ÄÚ»çÀÎ À¯»çµµ
14.3 TF-IDF¿Í ¹®¼ À¯»çµµ ÃøÁ¤
14.4 °¨Á¤ºÐ¼®
14.5 ÀÚ¿¬¾î 󸮱â¼úÀÇ ¹ßÀü
¤ý½Ç½À¿¹Á¦
¤ý¿¬½À¹®Á¦
PART ¥´ ó¹æÀû ºÐ¼®¸ðÇü(Prescriptive Analytics)
CHAPTER 15 Ãßõ ½Ã½ºÅÛ
15.1 Ãßõ ½Ã½ºÅÛÀÇ ÀÌÇØ
15.2 ÄÜÅÙÃ÷ ±â¹Ý ÇÊÅ͸µ Ãßõ ½Ã½ºÅÛ
15.3 Çù¾÷ ÇÊÅ͸µ Ãßõ ½Ã½ºÅÛ
15.4 À帣 À¯»çµµ ±â¹Ý Ãßõ ½Ã½ºÅÛÀ¸·Î ¿µÈ Ãßõ ½Ã½ºÅÛ ¸¸µé±â
¤ý½Ç½À¿¹Á¦
¤ý¿¬½À¹®Á¦
CHAPTER 16 ºñÁî´Ï½º °èȹ
16.1 ¼±Çü°èȹ¹ýÀÇ °³¿ä
16.2 µµÇعýÀ» ÀÌ¿ëÇÑ ¼±Çü°èȹ¸ðÇü ÃÖÀûÇØ °è»ê
16.3 Pulp ¶óÀ̺귯¸®
16.4 ¼±Çü°èȹ¹ýÀ» ÀÌ¿ëÇÑ ÀÇ»ç°áÁ¤ ¿¹Á¦
16.5 ´º½ºº¥´õ ¸ðµ¨ÀÇ °³¿ä
16.5 ´º½ºº¥´õ ¸ðµ¨ÀÇ ÀÌÀÍ°è»êÀ» À§ÇÑ ÆÄÀ̽㠽ùķ¹À̼Ç
16.6 ´º½ºº¥´õ ¸ðµ¨ÀÇ ÃÖÀû ÁÖ¹®·®
16.6 Àΰø½Å°æ¸Á Àû¿ëÀ» À§ÇÑ µ¥ÀÌÅÍ »ý¼º°ú Æò±Õ¼ö¿ä »ý»ê ½Ã¹Ä·¹À̼Ç
16.7 Àΰø½Å°æ¸ÁÀ» È°¿ëÇÑ »ý»ê°èȹ ÃÖÀûÈ ±¸Çö
16.8 Àΰø½Å°æ¸ÁÀ» È°¿ëÇÑ »ý»ê°èȹÀÇ ¼º´É ½Ã¹Ä·¹À̼Ç
¤ý½Ç½À¿¹Á¦
¤ý¿¬½À¹®Á¦
-
-
|
¼¿ë¿ø [Àú]
|
|
-
¼¿ï´ëÇб³ »ê¾÷°øÇаú¸¦ Á¹¾÷ÇÏ°í, ¼¿ï´ëÇб³ »ê¾÷°øÇаú¿¡¼ ¼®»ç ¹× ¹Ú»çÇÐÀ§¸¦ ¹Þ¾Ò´Ù. Çѱ¹Áö´ÉÁ¤º¸»çȸÁøÈï¿ø(NIA)¿¡¼ ±Ù¹«ÇÏ¿´À¸¸ç, Çѱ¹»ý»ê°ü¸®ÇÐȸÁö ÆíÁýÀ§¿øÀå, Çѱ¹»ý»ê°ü¸®ÇÐȸ ȸÀå, Áß¾Ó´ëÇб³ °æ¿µÀü¹®´ëÇпø ºÎ¿øÀåÀ» ¿ªÀÓÇÏ¿´´Ù. ÇöÀç Áß¾Ó´ëÇб³ °æ¿µ°æÁ¦´ëÇÐ °æ¿µÇкΠ±³¼ö·Î ÀçÁ÷ ÁßÀÌ´Ù.
-
-
Àüü 0°³ÀÇ ±¸¸ÅÈıⰡ ÀÖ½À´Ï´Ù.
|
ÀÎÅÍÆÄÅ©µµ¼´Â °í°´´ÔÀÇ ´Ü¼ø º¯½É¿¡ ÀÇÇÑ ±³È¯°ú ¹ÝÇ°¿¡ µå´Â ºñ¿ëÀº °í°´´ÔÀÌ ÁöºÒÄÉ µË´Ï´Ù.
´Ü, »óÇ°À̳ª ¼ºñ½º ÀÚüÀÇ ÇÏÀÚ·Î ÀÎÇÑ ±³È¯ ¹× ¹ÝÇ°Àº ¹«·á·Î ¹ÝÇ° µË´Ï´Ù. |
|
±³È¯ ¹× ¹ÝÇ°ÀÌ °¡´ÉÇÑ °æ¿ì |
»óÇ°À» °ø±Þ ¹ÞÀº ³¯·ÎºÎÅÍ 7ÀÏÀ̳» °¡´É
°ø±Þ¹ÞÀ¸½Å »óÇ°ÀÇ ³»¿ëÀÌ Ç¥½Ã, ±¤°í ³»¿ë°ú ´Ù¸£°Å³ª ´Ù¸£°Ô ÀÌÇàµÈ °æ¿ì¿¡´Â °ø±Þ¹ÞÀº ³¯·ÎºÎÅÍ 3°³¿ù À̳», ȤÀº ±×»ç½ÇÀ» ¾Ë°Ô µÈ ³¯ ¶Ç´Â ¾Ë ¼ö ÀÖ¾ú´ø ³¯·ÎºÎÅÍ 30ÀÏ À̳»
»óÇ°¿¡ ¾Æ¹«·± ÇÏÀÚ°¡ ¾ø´Â °æ¿ì ¼ÒºñÀÚÀÇ °í°´º¯½É¿¡ ÀÇÇÑ ±³È¯Àº »óÇ°ÀÇ Æ÷Àå»óÅ µîÀÌ ÀüÇô ¼Õ»óµÇÁö ¾ÊÀº °æ¿ì¿¡ ÇÑÇÏ¿© °¡´É |
|
±³È¯ ¹× ¹ÝÇ°ÀÌ ºÒ°¡´ÉÇÑ °æ¿ì |
±¸¸ÅÈ®Á¤ ÀÌÈÄ(¿ÀǸ¶ÄÏ»óÇ°¿¡ ÇÑÇÔ)
°í°´´ÔÀÇ Ã¥ÀÓ ÀÖ´Â »çÀ¯·Î »óÇ° µîÀÌ ¸ê½Ç ¶Ç´Â ÈÑ¼ÕµÈ °æ¿ì
(´Ü, »óÇ°ÀÇ ³»¿ëÀ» È®ÀÎÇϱâ À§ÇÏ¿© Æ÷Àå µîÀ» ÈѼÕÇÑ °æ¿ì´Â Á¦¿Ü)
½Ã°£ÀÌ Áö³²¿¡ µû¶ó ÀçÆǸŰ¡ °ï¶õÇÒ Á¤µµ·Î ¹°Ç°ÀÇ °¡Ä¡°¡ ¶³¾îÁø °æ¿ì
Æ÷Àå °³ºÀµÇ¾î »óÇ° °¡Ä¡°¡ ÈÑ¼ÕµÈ °æ¿ì |
|
´Ù¹è¼ÛÁöÀÇ °æ¿ì ¹ÝÇ° ȯºÒ |
´Ù¹è¼ÛÁöÀÇ °æ¿ì ´Ù¸¥ Áö¿ªÀÇ ¹ÝÇ°À» µ¿½Ã¿¡ ÁøÇàÇÒ ¼ö ¾ø½À´Ï´Ù.
1°³ Áö¿ªÀÇ ¹ÝÇ°ÀÌ ¿Ï·áµÈ ÈÄ ´Ù¸¥ Áö¿ª ¹ÝÇ°À» ÁøÇàÇÒ ¼ö ÀÖÀ¸¹Ç·Î, ÀÌÁ¡ ¾çÇØÇØ Áֽñ⠹ٶø´Ï´Ù. |
|
Áß°í»óÇ°ÀÇ ±³È¯ |
Áß°í»óÇ°Àº Á¦ÇÑµÈ Àç°í ³»¿¡¼ ÆǸŰ¡ ÀÌ·ç¾îÁö¹Ç·Î, ±³È¯Àº ºÒ°¡´ÉÇÕ´Ï´Ù. |
|
¿ÀǸ¶ÄÏ »óÇ°ÀÇ È¯ºÒ |
¿ÀǸ¶ÄÏ»óÇ°¿¡ ´ëÇÑ Ã¥ÀÓÀº ¿øÄ¢ÀûÀ¸·Î ¾÷ü¿¡°Ô ÀÖÀ¸¹Ç·Î, ±³È¯/¹ÝÇ° Á¢¼ö½Ã ¹Ýµå½Ã ÆǸÅÀÚ¿Í ÇùÀÇ ÈÄ ¹ÝÇ° Á¢¼ö¸¦ ÇϼžßÇϸç, ¹ÝÇ°Á¢¼ö ¾øÀÌ ¹Ý¼ÛÇϰųª, ¿ìÆíÀ¸·Î º¸³¾ °æ¿ì »óÇ° È®ÀÎÀÌ ¾î·Á¿ö ȯºÒÀÌ ºÒ°¡´ÉÇÒ ¼ö ÀÖÀ¸´Ï À¯ÀÇÇϽñ⠹ٶø´Ï´Ù. |
|
|
|
¹è¼Û¿¹Á¤ÀÏ ¾È³» |
ÀÎÅÍÆÄÅ© µµ¼´Â ¸ðµç »óÇ°¿¡ ´ëÇØ ¹è¼Û¿Ï·á¿¹Á¤ÀÏÀ» À¥»çÀÌÆ®¿¡ Ç¥½ÃÇÏ°í ÀÖ½À´Ï´Ù.
|
<ÀÎÅÍÆÄÅ© Á÷¹è¼Û »óÇ°> |
»óÇ°Àº ¿ù~Åä¿äÀÏ ¿ÀÀü 10½Ã ÀÌÀü ÁÖ¹®ºÐ¿¡ ´ëÇÏ¿© ´çÀÏ Ãâ°í/´çÀÏ ¹è¼Û¿Ï·á¸¦ º¸ÀåÇÏ´Â »óÇ°ÀÔ´Ï´Ù. |
»óÇ°Àº ¼¿ïÁö¿ª/ÆòÀÏ ÁÖ¹®ºÐÀº ´çÀÏ Ãâ°í/ÀÍÀÏ ¹è¼Û¿Ï·á¸¦ º¸ÀåÇϸç,
¼¿ï¿ÜÁö¿ª/ÆòÀÏ ÁÖ¹®ºÐÀÇ °æ¿ì´Â ¿ÀÈÄ 6½Ã±îÁö ÁÖ¹®ºÐ¿¡ ´ëÇÏ¿© ÀÍÀÏ ¹è¼Û¿Ï·á¸¦ º¸ÀåÇÏ´Â »óÇ°ÀÔ´Ï´Ù.
(´Ü, ¿ù¿äÀÏÀº 12½Ã±îÁö ÁÖ¹®¿¡ ÇÑÇÔ)
|
»óÇ°Àº, ÀÔ°í¿¹Á¤ÀÏ(Á¦Ç°Ãâ½ÃÀÏ)+Åùè»ç¹è¼ÛÀÏ(1ÀÏ)¿¡ ¹è¼Û¿Ï·á¸¦ º¸ÀåÇÕ´Ï´Ù. |
~
»óÇ°Àº À¯ÅëƯ¼º»ó ÀÎÅÍÆÄÅ©¿¡¼ Àç°í¸¦ º¸À¯ÇÏÁö ¾ÊÀº »óÇ°À¸·Î ÁÖ¹®ÀÏ+±âÁØÃâ°íÀÏ+Åùè»ç¹è¼ÛÀÏ(1ÀÏ)¿¡ ¹è¼Û¿Ï·á¸¦ º¸ÀåÇÕ´Ï´Ù.(Åä/°øÈÞÀÏÀº ¹è¼Û±â°£¿¡ Æ÷ÇÔµÇÁö ¾Ê½À´Ï´Ù.)
¡Ø±âÁØÃâ°íÀÏ:ÀÎÅÍÆÄÅ©°¡ »óÇ°À» ¼ö±ÞÇÏ¿© ¹°·ùâ°í¿¡¼ Æ÷Àå/Ãâ°íÇϱâ±îÁö ¼Ò¿äµÇ´Â ½Ã°£
|
|
<¾÷ü Á÷Á¢¹è¼Û/¿ÀǸ¶ÄÏ »óÇ°> |
~
»óÇ°Àº ¾÷ü°¡ ÁÖ¹®À» È®ÀÎÇÏ°í, Ãâ°íÇϱâ±îÁö °É¸®´Â ½Ã°£ÀÔ´Ï´Ù. ÁÖ¹®ÀÏ+±âÁØÃâ°íÀÏ+Åùè»ç¹è¼ÛÀÏ(2ÀÏ)¿¡ ¹è¼Û¿Ï·á¸¦ º¸ÀåÇÕ´Ï´Ù.(Åä/°øÈÞÀÏÀº ¹è¼Û±â°£¿¡ Æ÷ÇÔµÇÁö ¾Ê½À´Ï´Ù.)
¡Ø5ÀÏÀ̳» Ãâ°í°¡ ½ÃÀÛµÇÁö ¾ÊÀ»½Ã, ¿ÀǸ¶ÄÏ »óÇ°Àº ÀÚµ¿À¸·Î ÁÖ¹®ÀÌ Ãë¼ÒµÇ¸ç, °í°´´Ô²² Ç°Àýº¸»ó±ÝÀ» Áö±ÞÇØ µå¸³´Ï´Ù.
|
|
|
¹è¼Ûºñ ¾È³» |
µµ¼(Áß°íµµ¼ Æ÷ÇÔ)¸¸ ±¸¸ÅÇϽøé : ¹è¼Ûºñ 2,000¿ø (1¸¸¿øÀÌ»ó ±¸¸Å ½Ã ¹«·á¹è¼Û) À½¹Ý/DVD¸¸ ±¸¸ÅÇϽøé : ¹è¼Ûºñ 1,500¿ø (2¸¸¿øÀÌ»ó ±¸¸Å ½Ã ¹«·á¹è¼Û)
ÀâÁö/¸¸È/±âÇÁÆ®¸¸ ±¸¸ÅÇϽøé : ¹è¼Ûºñ 2,000¿ø (2¸¸¿øÀÌ»ó ±¸¸Å ½Ã ¹«·á¹è¼Û)
µµ¼¿Í À½¹Ý/DVD¸¦ ÇÔ²² ±¸¸ÅÇϽøé : ¹è¼Ûºñ 1,500¿ø 1¸¸¿øÀÌ»ó ±¸¸Å ½Ã ¹«·á¹è¼Û)
µµ¼¿Í ÀâÁö/¸¸È/±âÇÁÆ®/Áß°íÁ÷¹è¼Û»óÇ°À» ÇÔ²² ±¸¸ÅÇϽøé : 2,000¿ø (1¸¸¿øÀÌ»ó ±¸¸Å ½Ã ¹«·á¹è¼Û)
¾÷üÁ÷Á¢¹è¼Û»óÇ°À» ±¸¸Å½Ã : ¾÷üº°·Î »óÀÌÇÑ ¹è¼Ûºñ Àû¿ë
* ¼¼Æ®»óÇ°ÀÇ °æ¿ì ºÎºÐÃë¼Ò ½Ã Ãß°¡ ¹è¼Ûºñ°¡ ºÎ°úµÉ ¼ö ÀÖ½À´Ï´Ù.
* ºÏÄ«Æ®¿¡¼ ¹è¼Ûºñ¾ø¾Ö±â ¹öÆ°À» Ŭ¸¯Çϼż, µ¿ÀϾ÷ü»óÇ°À» Á¶±Ý ´õ ±¸¸ÅÇϽøé, ¹è¼Ûºñ¸¦ Àý¾àÇÏ½Ç ¼ö ÀÖ½À´Ï´Ù.
|
|
Çؿܹè¼Û ¾È³» |
ÀÎÅÍÆÄÅ©µµ¼¿¡¼´Â ±¹³»¿¡¼ ÁÖ¹®ÇϽðųª ÇØ¿Ü¿¡¼ ÁÖ¹®ÇÏ¿© ÇØ¿Ü·Î ¹è¼ÛÀ» ¿øÇÏ½Ç °æ¿ì DHL°ú Ư¾àÀ¸·Î Ã¥Á¤µÈ ¿ä±ÝÇ¥¿¡
ÀÇÇØ °³ÀÎÀÌ ÀÌ¿ëÇÏ´Â °æ¿ìº¸´Ù ¹è¼Û¿ä±ÝÀ» Å©°Ô ³·Ã߸ç DHL(www.dhl.co.kr)·Î Çؿܹè¼Û ¼ºñ½º¸¦ Á¦°øÇÕ´Ï´Ù.
Çؿܹè¼ÛÀº µµ¼/CD/DVD »óÇ°¿¡ ÇÑÇØ ¼ºñ½ºÇÏ°í ÀÖÀ¸¸ç, ´Ù¸¥ »óÇ°À» ºÏÄ«Æ®¿¡ ÇÔ²² ´ãÀ¸½Ç °æ¿ì Çؿܹè¼ÛÀÌ ºÒ°¡ÇÕ´Ï´Ù.
ÇØ¿ÜÁÖ¹®¹è¼Û ¼ºñ½º´Â ÀÎÅÍÆÄÅ© µµ¼ ȸ¿ø °¡ÀÔÀ» Çϼž߸¸ ½Åû °¡´ÉÇÕ´Ï´Ù. |
|
¾Ë¾ÆµÎ¼¼¿ä!!! |
µµ¸Å»ó ¹× Á¦ÀÛ»ç »çÁ¤¿¡ µû¶ó Ç°Àý/ÀýÆÇ µîÀÇ »çÀ¯·Î Ãë¼ÒµÉ ¼ö ÀÖ½À´Ï´Ù.
¿ÀǸ¶ÄϾ÷üÀÇ ¹è¼ÛÁö¿¬½Ã ÁÖ¹®ÀÌ ÀÚµ¿À¸·Î Ãë¼ÒµÉ ¼ö ÀÖ½À´Ï´Ù.
Ãâ°í°¡´É ½Ã°£ÀÌ ¼·Î ´Ù¸¥ »óÇ°À» ÇÔ²² ÁÖ¹®ÇÒ °æ¿ì Ãâ°í°¡´É ½Ã°£ÀÌ °¡Àå ±ä ±âÁØÀ¸·Î ¹è¼ÛµË´Ï´Ù.
À¯ÅëÀÇ Æ¯¼º»ó Ãâ°í±â°£Àº ¿¹Á¤º¸´Ù ¾Õ´ç°ÜÁö°Å³ª ´ÊÃçÁú ¼ö ÀÖ½À´Ï´Ù.
Åùè»ç ¹è¼ÛÀÏÀÎ ¼¿ï ¹× ¼öµµ±ÇÀº 1~2ÀÏ, Áö¹æÀº 2~3ÀÏ, µµ¼, »ê°£, ±ººÎ´ë´Â 3ÀÏ ÀÌ»óÀÇ ½Ã°£ÀÌ ¼Ò¿äµË´Ï´Ù. |
|
|
|
|