머신러닝, 핵심만 빠르게! (기초 수학 개념부터 딥러닝, 특성 공학, 데이터 불균형 처리, 앙상블, 모델 평가까지)

머신러닝, 핵심만 빠르게! (기초 수학 개념부터 딥러닝, 특성 공학, 데이터 불균형 처리, 앙상블, 모델 평가까지)

$24.00
Description
복잡한 이론은 덜고, 꼭 필요한 핵심만 담았다!
머신러닝을 익히는 가장 간결한 안내서
이 책은 전 세계 11개 언어로 번역되어 수천 개 대학에서 교재로 사용되는 베스트셀러로, 간결하고 명료하게 머신러닝을 설명한다. 기초 수학 개념부터 핵심 알고리즘, 딥러닝과 신경망까지 차근차근 다루며, 클러스터링, 토픽 모델링, 메트릭 학습, 추천 시스템 등 현대 머신러닝 문제 해결을 위한 완전한 도구를 제공한다. 실무에 꼭 필요한 기술을 중심으로 이론과 실제 구현을 연결해 누구나 빠르고 확실하게 배울 수 있다.
저자는 풍부한 실무 경험을 바탕으로 특성 공학, 정규화, 불균형 데이터셋 처리, 앙상블, 모델 평가 등 실제 프로젝트에 바로 적용할 수 있는 기술을 설명한다. 복잡한 수식에 얽매이지 않고 직관적인 설명과 예제로 구성되어 있어 기초를 견고하게 다지고 싶은 입문자부터 실무 역량을 넓히려는 실무자까지 모두에게 유용하다.

이 책에서 다루는 내용
- 심층 신경망을 포함한 지도 및 비지도 학습 알고리즘
- 본질을 살린 직관적이고 명확한 알고리즘 및 수학 개념 설명
- 모델 구축, 디버깅, 평가를 위한 실용 기법
- 앙상블, 추천 시스템, 메트릭 학습 등 고급 주제

북 트레일러

  • 출판사의 사정에 따라 서비스가 변경 또는 중지될 수 있습니다.
  • Window7의 경우 사운드 연결이 없을 시, 동영상 재생에 오류가 발생할 수 있습니다. 이어폰, 스피커 등이 연결되어 있는지 확인 하시고 재생하시기 바랍니다.
저자

안드리부르코프

저자:안드리부르코프
두아이의아빠이며,캐나다퀘벡시에서머신러닝전문가로활동하고있다.10년전AI분야로박사학위를취득한후,7년동안가트너에서머신러닝팀을이끌었다.전문분야는자연어처리이며,표층학습기법과심층학습기법을모두적용해최첨단텍스트추출및정규화시스템을개발했다.현재는TruePositiveInc.의대표로머신러닝도서를집필하면서다양한기업에자문을제공하고있다.

역자:박해선
기계공학을전공했지만졸업후엔줄곧코드를읽고쓰는일을했다.GoogleAI/CloudGDE,MicrosoftAIMVP이다.텐서플로우블로그(tensorflow.blog)를운영하고있으며,머신러닝과딥러닝에관한책을집필하고번역하면서소프트웨어와과학의경계를흥미롭게탐험하고있다.
《혼자만들면서공부하는딥러닝》(한빛미디어,2025),《혼자공부하는머신러닝+딥러닝개정판》(한빛미디어,2025),《혼자공부하는데이터분석with파이썬》(한빛미디어,2023),《챗GPT로대화하는기술》(한빛미디어,2023),《Doit!딥러닝입문》(이지스퍼블리싱,2019)을집필했다.
《밑바닥부터만들면서배우는LLM》(길벗,2025),《핸즈온LLM》(한빛미디어,2025),《머신러닝Q&AI》(길벗,2025),《개발자를위한수학》(한빛미디어,2024),《실무로통하는ML문제해결with파이썬》(한빛미디어,2024),《머신러닝교과서:파이토치편》(길벗,2023),《스티븐울프럼의챗GPT강의》(한빛미디어,2023),《핸즈온머신러닝3판》(한빛미디어,2023),《만들면서배우는생성딥러닝2판》(한빛미디어,2023),《코딩뇌를깨우는파이썬》(한빛미디어,2023),《트랜스포머를활용한자연어처리》(한빛미디어,2022),《케라스창시자에게배우는딥러닝2판》(길벗,2022),《개발자를위한머신러닝&딥러닝》(한빛미디어,2022),《XGBoost와사이킷런을활용한그레이디언트부스팅》(한빛미디어,2022),《구글브레인팀에게배우는딥러닝withTensorFlow.js》(길벗,2022),《파이썬라이브러리를활용한머신러닝개정2판》(한빛미디어,2022),《머신러닝교과서3판》(길벗,2021)을포함하여수십권의책을우리말로옮겼다.

목차


옮긴이의글
추천의글
지은이의글

1장소개
1.1머신러닝이란?
1.2학습의종류
1.2.1지도학습
1.2.2비지도학습
1.2.3준지도학습
1.2.4강화학습
1.3지도학습의작동원리
1.4모델이새로운데이터에작동하는이유

2장표기법과정의
2.1표기법
2.1.1데이터구조2.1.2대문자시그마(sigma)기호
2.1.3대문자파이기호2.1.4집합연산2.1.5벡터연산
2.1.6함수2.1.7max와argmax2.1.8할당연산자
2.1.9도함수와그레이디언트
2.2확률변수
2.3불편추정량
2.4베이즈정리
2.5파라미터추정
2.6파라미터vs.하이퍼파라미터
2.7분류vs.회귀
2.8모델기반학습vs.사례기반학습
2.9얕은학습vs.딥러닝

3장기본알고리즘
3.1선형회귀
3.1.1문제3.1.2해결책
3.2로지스틱회귀
3.2.1문제3.2.2해결책
3.3결정트리학습
3.3.1문제3.3.2해결책
3.4서포트벡터머신
3.4.1잡음다루기3.4.2비선형성다루기
3.5k-최근접이웃

4장학습알고리즘
4.1학습알고리즘의구성요소
4.2경사하강법
4.3머신러닝엔지니어가일하는방법
4.4학습알고리즘의특징

5장기본실무기술
5.1특성공학
5.1.1원핫인코딩5.1.2구간분할5.1.3정규화
5.1.4표준화5.1.5누락된특성다루기
5.1.6데이터대체기법
5.2학습알고리즘선택
5.3훈련세트,검증세트,테스트세트
5.4과소적합과과대적합
5.5규제
5.6모델성능평가
5.6.1혼동행렬5.6.2정밀도/재현율5.6.3정확도
5.6.4비용민감도기반정확도5.6.5ROC곡선아래면적(AUC)
5.7하이퍼파라미터튜닝
5.7.1교차검증

6장신경망과딥러닝
6.1신경망
6.1.1다층퍼셉트론6.1.2피드포워드신경망
6.2딥러닝
6.2.1합성곱신경망6.2.2순환신경망

7장문제해결
7.1커널회귀
7.2다중분류
7.3단일클래스분류
7.4다중레이블분류
7.5앙상블학습
7.5.1부스팅과배깅7.5.2랜덤포레스트
7.5.3그레이디언트부스팅
7.6시퀀스레이블링
7.7시퀀스-투-시퀀스학습
7.8능동학습
7.9준지도학습
7.10원샷학습
7.11제로샷학습

8장특수기법
8.1불균형한데이터셋다루기
8.2결합모델
8.3신경망훈련
8.4고급규제기법
8.5다중입력다루기
8.6다중출력다루기
8.7전이학습
8.8알고리즘효율성

9장비지도학습
9.1밀도추정
9.2군집
9.2.1k-평균9.2.2DBSCAN과HDBSCAN
9.2.3클러스터개수결정하기9.2.4다른군집알고리즘
9.3차원축소
9.3.1주성분분석9.3.2UMAP

10장다른학습방법
10.1메트릭학습
10.2순위학습
10.3추천학습
10.3.1행렬분해방법10.3.2잡음제거오토인코더
10.4자기지도학습:단어임베딩
10.5이상치탐지

11장결론
11.1이책에서다루지않은것들
11.2감사의글
11.3다음에읽을책

출판사 서평

먼저진실을말하겠습니다.“기계는학습하지못합니다.”일반적으로'머신러닝(machinelearning)'이하는일은수학방정식을찾는것입니다.이방정식을입력집합(훈련데이터)에적용하면기대하는출력을생성합니다.이수학방정식은(훈련데이터가아닌)다른입력에대해대부분올바른출력을생성합니다.이때조건은입력데이터의분포가훈련데이터가유래된통계적분포와같거나비슷해야한다는것입니다.
그렇다면이런과정은왜학습이아닐까요?입력을약간왜곡시키면완전히잘못된출력이나올가능성이높기때문입니다.이는동물이학습하는방식과다릅니다.예컨대여러분이화면을정면으로보면서게임을배웠다면화면이조금틀어져도여러분은여전히비디오게임을잘할수있을것입니다.하지만머신러닝알고리즘은화면을정면으로만보고훈련하고회전을인식하도록훈련하지않았다면화면이틀어진상태에서는비디오게임을제대로하지못할것입니다.
-'지은이의글'중에서

추천사

오렐리앙제롱(시니어AI엔지니어,《핸즈온머신러닝》저자)
“단100여쪽에이토록다양한주제를담아낸것은놀라운일입니다.얇은책에는대부분수학이생략되어있지만,이책은생략하지않았습니다.또한핵심개념을짧은문장으로명확하게설명해주는방식이정말마음에들었습니다.이책은입문자에게도유용하며,폭넓은조망이필요한숙련자에게도도움이됩니다.”

피터노빅(구글의연구디렉터,세계적인AI교재AIMA의공동저자)
“안드리는머신러닝전체를100여쪽에요약하는불가능한작업을시도했고,실무자에게유용한이론과실전내용을훌륭하게선별해냈습니다.이책은머신러닝을처음접하는독자에게입문서로서훌륭한토대를마련해줄것입니다.”

개러스제임스(서던캘리포니아대학교데이터과학및운영학교수,베스트셀러《AnIntroductiontoStatisticalLearnin)
"이책은간결한'데이터과학'매뉴얼입니다.고전적인선형회귀와로지스틱회귀에서부터서포트벡터머신,딥러닝,부스팅,랜덤포레스트까지폭넓게다룹니다.다양한접근방법에대한설명이부족하지도않으며,관심이있다면책의위키사이트에서특정방법에대한추가정보를얻을수도있습니다."