상세정보
미리보기
나의 첫 머신러닝/딥러닝
- 저자
- 허민석 저
- 출판사
- 위키북스
- 출판일
- 2021-12-15
- 등록일
- 2024-10-18
- 파일포맷
- PDF
- 파일크기
- 15MB
- 공급사
- YES24
- 지원기기
-
PC
PHONE
TABLET
웹뷰어
프로그램 수동설치
뷰어프로그램 설치 안내
책소개
머신러닝/딥러닝을 처음 시작하는 분들을 위한 책『나의 첫 머신러닝/딥러닝』은 머신러닝/딥러닝을 시작하려는 모든 분들을 대상으로 한다. 간단한 그림과 명쾌한 설명으로 이해하기 쉬운 알고리즘부터 차근차근 단계별로 배우면서 어려움 없이 머신러닝/딥러닝을 학습할 수 있도록 구성했다이번 개정판에서는 최신 트렌드로 자리 잡은 임베딩 및 전이학습의 이론과 실습을 추가했고, 최신 텐서플로 2로 작성된 코드를 구글 코랩을 활용해 온라인에서 직접 실습할 수 있게 구성했다.
저자소개
실리콘밸리에서 행복하게 살고 있는 평범한 머신러닝 개발자입니다. 취미로 머신러닝/딥러닝 지식과 경험을 유튜브 채널로 공유하고 많은 머신러닝 개발자, 데이터 과학자, 학생분들과 소통하며 살고 있습니다.
목차
▣ 01장: 개발자가 처음 만난 머신러닝의 세계1.1 머신러닝이란? 1.2 프로젝트 과정 미리보기 1.3 실습의 중요성 ▣ 02장: 실습 준비2.1 예제 코드 2.2 구글 코랩(Google Colaboratory) ▣ 03장: 자주 등장하는 머신러닝 필수 개념3.1 지도학습과 비지도학습 ____3.1.1 지도학습 ____3.1.2 비지도학습 3.2 분류와 회귀 ____3.2.1 분류 ____3.2.2 회귀 3.3 과대적합과 과소적합 ____3.3.1 과소적합 ____3.3.2 과대적합 3.4 혼동 행렬 3.5 머신러닝 모델의 성능 평가 ____3.5.1 TP(true positive) - 맞는 것을 올바르게 예측한 것 ____3.5.2 TN(true negative) - 틀린 것을 올바르게 예측한 것 ____3.5.3 FP(false positive) - 틀린 것을 맞다고 잘못 예측한 것 ____3.5.4 FN(false negative) - 맞는 것을 틀렸다고 잘못 예측한 것 ____3.5.5 정확도 ____3.5.6 정밀도 ____3.5.7 재현율 ____3.5.8 F1 점수 3.6 k-폴드 교차 검증 ▣ 04장: 머신러닝 알고리즘 실습4.1 머신러닝 알고리즘 실습 개요 ____4.1.1 알고리즘 선정 이유 4.2 k-최근접 이웃(k-Nearest Neighbor, kNN) ____4.2.1 [이론] k-최근접 이웃 알고리즘(kNN) ____4.2.2 [실습] 농구선수의 게임 데이터를 활용한 포지션 예측 4.3 서포트 벡터 머신(SVM) ____4.3.1 [이론] 서포트 벡터 머신 ____4.3.2 [실습] 농구선수의 게임 기록을 학습해서 포지션을 예측해보자 4.4 의사결정 트리 ____4.4.1 [이론] 의사결정 트리 ____4.4.2 [실습] 서울 지역(강동, 강서, 강남, 강북) 다중 분류하기 4.5 나이브 베이즈 ____4.5.1 [이론] 나이브 베이즈 ____4.5.2 [실습] 가우시안 나이브 베이즈를 활용한 붓꽃 분류 ____4.5.3 [실습] 베르누이 나이브 베이즈를 활용한 스팸 분류 ____4.5.4 [실습] 다항분포 나이브 베이즈를 활용한 영화 리뷰 분류 4.6 앙상블 ____4.6.1 [이론] 배깅 ____4.6.2 [이론] 부스팅 ____4.6.3 [실습] 랜덤 포레스트 손글씨 분류 ____4.6.4 [실습] 보팅 앙상블 손글씨 분류 4.7 군집화 ____4.7.1 [이론] k 평균 알고리즘 ____4.7.2 [실습] 키와 몸무게에 따른 체형 군집화 4.8 선형회귀 ____4.8.1 [이론] 선형회귀 ____4.8.2 [실습] 선형회귀 4.9 로지스틱 회귀 ____4.9.1 [이론] 로지스틱 회귀 ____4.9.2 [실습] 단일 입력 로지스틱 회귀 ____4.9.3 [실습] 다중 입력 로지스틱 회귀 ____4.9.4 [실습] 소프트맥스(다중 분류 로지스틱 회귀) 4.10 주성분 분석 ____4.10.1 [이론] 주성분 분석 ____4.10.2 [실습] 식습관 데이터를 차원축소시켜서 시각화하기 ▣ 05장: 딥러닝의 기본 개념5.1 딥러닝의 탄생 5.2 딥러닝과 머신러닝의 관계 5.3 딥러닝 이름의 유래 5.4 딥러닝 탄생 배경 5.5 퍼셉트론 5.6 다층 퍼셉트론 5.7 뉴런(노드) 5.8 딥러닝의 학습 ____5.8.1 순전파(forward propagation) ____5.8.2 손실함수 ____5.8.3 최적화 ____5.8.4 역전파 ____5.8.5 옵티마이저 5.9 딥러닝의 과대적합 ____5.9.1 드롭아웃 ____5.9.2 조기 종료 5.10 [실습] 퍼셉트론 5.11 [실습] 뉴런(노드) 5.12 [실습] 다층 퍼셉트론으로 XOR 구현하기 5.13 [실습] 다층 퍼셉트론으로 손글씨 숫자 분류하기 ▣ 06장: 딥러닝6.1 컨볼루셔널 뉴럴 네트워크(CNN) ____6.1.1 [이론] CNN ____6.1.2 [실습] CNN 6.2 순환신경망(RNN) ____6.2.1 [이론] RNN ____6.2.2 [이론] LSTM ____6.2.3 [실습] RNN 기초 ____6.2.4 [실습] LSTM 기초 ____6.2.5 [실습] LSTM - 지문을 읽고 주제 분류하기 6.3 오토인코더 ____6.3.1 [이론] 오토인코더 ____6.3.2 [실습] 손글씨 숫자 데이터 시각화 6.4 단어 임베딩 ____6.4.1 [이론] Word2Vec ____6.4.2 [실습] Word2Vec ____6.4.3 [실습] 사전 학습된 Word2Vec 맛보기 ____6.4.4 [이론] FastText ____6.4.5 [실습] 사전학습된 FastText 맛보기 ____6.4.6 [실습] 사전 학습된 Glove 맛보기 6.5 전이 학습 ____6.5.1 [이론] 전이 학습 ____6.5.2 [실습] 사전 학습된 임베딩으로 사용자 리뷰 분류하기
