파이썬으로 실무에 바로 적용하는 머신 러닝

강봉주

1984년서울대계산통계학과에입학해학사를취득하고동대학원통계학과에서석사및박사학위를취득했다.1993년,국내SAS에서첫직장생활을했으며이때부터데이터분석관련컨설팅작업을수행했다.1995년유니컨설팅회사를창립해,주로제조분야에서데이터분석컨설팅및관련통계패키지를개발했다.1997년유니보스를창립해금융분야데이터분석컨설팅및CRM관련패키지를개발했으며,2004년에㈜배닌을창립해오픈소스기반의머신러닝및딥러닝프로젝트를수행하고있다.

지은이소개
지은이의말
들어가며

1장.머신러닝개요
__1.1머신러닝의정의
__1.2머신러닝의응용분야
__1.2.1가상개인비서
__1.2.2구글맵
__1.2.3상품추천
__1.3머신러닝의기술적단계
__1.4머신러닝알고리즘
__1.5머신러닝알고리즘의범위
__1.6머신러닝알고리즘의구현

2장.파이썬설치
__2.1개요
__2.2아나콘다를이용한파이썬설치
__2.2.1아나콘다내려받기
__2.2.2아나콘다설치
__2.3파이참내려받기및설치
__2.4텐서플로설치
__2.5케라스설치
__2.6추가패키지설치및환경변수설정

3장.파이참개요
__3.1개요
__3.2프로젝트생성
__3.3전체화면구성
__3.4개발환경맞춤
__3.5코드작성도우미기능
__3.6파이썬파일생성
__3.7탐색
__3.8디버깅
__3.9버전관리
__3.10재구성
__3.11단축키찾기

4장.파이썬언어에대한이해
__4.1개요
__4.2데이터형
__4.3식별자의표기
__4.4값의할당
__4.5형변환
__4.6열컨테이너인덱싱
__4.7논리연산자
__4.8문구성
__4.9모듈가져오기
__4.10조건문
__4.11수학함수
__4.12조건반복문
__4.13컨테이너형일반연산
__4.14리스트연산
__4.15딕셔너리연산
__4.16집합연산
__4.17함수정의
__4.18문자열연산
__4.19포맷구성하기

5장.패키지이해
__5.1개요
__5.2배열생성
__5.3배열연산
__5.4배열요소값정하기
__5.5다차원배열
__5.6배열조각내기
__5.7팬시인덱싱
__5.8배열생성자
__5.9배열의추가(행또는열)
__5.10배열의축과계산
__5.11배열의방송

6장.판다스패키지이해
__6.1개요
__6.2데이터구조
__6.3부분데이터구성
__6.4데이터요약
__6.5신규열생성
__6.6결측값처리
__6.7데이터결합
__6.8그룹화
__6.9모양변경

7장.Matplotlib패키지이해
__7.1개요
__7.2데이터준비
__7.3그래프준비
__7.4그래프생성
__7.5그래프수정
__7.6그래프저장
__7.7그래프보여주기및초기화

8장.scikit-learn패키지이해
__8.1개요
__8.2데이터불러오기
__8.3데이터분할
__8.4모델적합및평가
__8.5모수추정값
__8.6비지도학습의예

9장.케라스패키지이해
__9.1개요
__9.2다층신경망구현
__9.3심층신경망구현

10장.표기법

11장.모델평가와선택
__11.1개요
__11.2훈련데이터
__11.3모델적합도의측정
__11.4편향-분산균형

12장.선형회귀에의한머신러닝구조에대한이해
__12.1개요
__12.2가설함수와비용함수
__12.3알고리즘
__12.4비용함수의원천

13장.분류문제와로지스틱회귀분석
__13.1개요
__13.2선형회귀대로지스틱회귀
__13.3비용함수
__13.4로그-오즈
__13.5연결함수
__13.6분류문제에서의모델평가
__13.7소프트맥스회귀
__13.8예제

14장.모델선택및정규화
__14.1개요
__14.2교차검증
__14.3변수선택
__14.4정규화과정과변수선택
__14.5예제

15장.분류와회귀나무
__15.1개요
__15.2회귀나무
__15.3최적회귀나무의선택
__15.4분류나무
__15.5나무의몇가지이슈
__15.6예제

16장.랜덤포레스트
__16.1개요
__16.2배깅
__16.3OOB오차
__16.4변수중요도
__16.5랜덤포레스트알고리즘
__16.6랜덤포레스트에서의변수중요도
__16.7예제

17장.그래디언트부스팅
__17.1개요
__17.2부스팅
__17.3ADABOOST.M1
__17.4부스팅과가법모델
__17.5전진순차방식가법모델링
__17.6지수손실함수와적응부스팅
__17.7부스팅의확장
__17.8부스팅의초모수조정
__17.9부스팅의정규화
__17.10예제

18장.서포트벡터머신
__18.1개요
__18.2로지스틱회귀와초평면
__18.3표기법
__18.4마진과최적마진분류기(optimalmarginclassifier)
__18.5라그랑지쌍대성
__18.6라그랑지쌍대성을이용한최대마진분류기
__18.7커널
__18.8정규화와비분리경우
__18.9여유변수(slackvariable)와초모수C
__18.10비용함수
__18.11서포트벡터머신의모수추정
__18.12예제:커널함수로분리가능한경우(하드마진)
__18.13예제:커널함수로분리가불가능한경우(소프트마진)
__18.14예제:선형이외의커널함수적용
__18.15초모수의결정
__18.16예제:[BANK]데이터적용

19장.다층신경망
__19.1개요
__19.2표기법
__19.3전진패스
__19.4활성함수
__19.5전진패스의예시
__19.6후진패스
__19.7후진패스의예시
__19.8초깃값주기
__19.9기울기소멸문제
__19.10입력변수의표준화
__19.11과적합문제
__19.12예제:[BANK]데이터적용

20장.합성곱신경망
__20.1개요
__20.2합성곱층
__20.3결합층
__20.4완전연결층
__20.5합성곱신경망아키텍처의예시
__20.6모수의추정
__20.7예제:[DIGITS]데이터적용(다층신경망)
__20.8예제:[DIGITS]데이터적용(합성곱신경망)

21장.순환신경망
__21.1개요
__21.2기본순환신경망
__21.3모수의추정
__21.4후진패스예제
__21.5장단기기억신경망
__21.6LSTM예시

22장.특이값분해
__22.1개요
__22.2정의
__22.3분해행렬의계산
__22.4특이값분해계산
__22.5특이값분해예제:추천시스템

23장.주성분분석
__23.1개요
__23.2정의
__23.3주성분의계산
__23.4주성분을이용한차원축소
__23.5주성분의기학학적의미
__23.6주성분의계산예제
__23.7주성분을이용한분석(예:MNIST손글씨숫자데이터)

24장.연관분석
__24.1개요
__24.2표기법
__24.3지지도,신뢰도그리고향상도
__24.4APRIORI알고리즘
__24.5APRIORI알고리즘예시
__24.6APRIORI알고리즘의문제
__24.7예제

25장.군집분석
__25.1개요
__25.2표기법
__25.3k-평균군집화
__25.4k-평균군집화알고리즘
__25.5k-평균군집화알고리즘예시
__25.6격차통계량을이용한k의선택
__25.7격차통계량계산예제
__25.8실루엣값을이용한군집의평가
__25.9실루엣값계산예제

참고문헌

★이책에서다루는내용★

■머신러닝구현언어인파이썬의기본구조
■파이썬편집기인파이참
■머신러닝기본패키지인넘파이,판다스,맷플롯립
■머신러닝패키지인사이킷런,케라스
■범용또는가장활용이많은머신러닝알고리즘
■알고리즘의이해를높이기위한적절한수식도입및구현
■알고리즘마다적절한예와예제

★이책의대상독자★

■머신러닝에입문하는데필요한내용을종합적으로이해하고자하는독자
■머신러닝에입문했으나좀더상세한알고리즘을알고한걸음더나아가고자하는독자
■머신러닝을구현언어의코드와함께이해하고자하는개발자
■머신러닝알고리즘을현장에서바로적용하고자하는데이터과학자

★이책의구성★

이책은크게두부분으로구성돼있다.머신러닝언어인파이썬언어및주요패키지에대한설명,그리고각각의알고리즘에관한내용이다.
파이썬언어와머신러닝기본패키지인사이킷런(scikit-learn),케라스(Keras)에대한이해가있다면바로10장부터시작해도무방하다.
파이썬언어와패키지에서꼭필요하다고생각하는언어의기본구조,넘파이(NumPy),판다스(Pandas),맷플롯립(matplotlib),사이킷런,케라스를수록했다.또한각패키지의설명은꼭필요한클래스와메소드위주로설명했다.물론이후의머신러닝알고리즘의예제에서는해당장에서다루지않는다른클래스와메소드를사용하기도하지만전반적인이해를돕도록하는것에초점을뒀다.
10장.‘표기법’,11장.‘모델평가와선택‘과12장.‘선형회귀에의한머신러닝구조에대한이해’는머신러닝이해를위한개요라할수있어,꼭숙지했으면하며이후다른장은개별적으로필요할때살펴봐도무방하다.
머신러닝알고리즘중에서가장많이활용되는로지스틱회귀,결정나무,나무기반의앙상블모델인랜덤포레스트,그래디언트부스팅,서포트벡터머신,다층신경망,합성곱신경망,순환신경망을수록했으며비지도학습모델인특이값분해,주성분분석,연관분석및군집분석을수록했다.
각머신러닝알고리즘에서는핵심이되는알고리즘구조를수식과함께다루며,이를구현한예제도수록했다.알고리즘내용에서너무많은사전지식이필요한경우에는일정부분을하나의사실로인정하고그이후의내용을다룬다.예를들어"특이값분해"에서임의의행렬은무조건UDVT로분해되는데,분해되는과정부터이를설명하기에는수학적인내용의깊이도깊고사전지식이많다.이런이유에서"분해가된다는것"을하나의사실로인정하고이후의내용을진행하겠다.
신경망기법에서는가급적핵심이되는역전파(backpropagation)또는후진패스과정을간단하나마예제와수식으로설명했다.
가급적이한권으로머신러닝의전반적인구조와구현을설명하고자했다.이의도가제대로잘전달됐으면한다.