핸즈온 비지도 학습 (텐서플로, 케라스, 사이킷런을 활용한 알고리즘과 방법론, AI 활용 사례)

안쿠르A.파텔

프린스턴대학교의우드로윌슨스쿨을졸업했고존A.라킨(JohnA.Larkin)기념상을수상했습니다.JP모건(JPMorgan)에서애널리스트로경력을시작한후세계최대글로벌매크로헤지펀드회사인브리지워터어소시에이츠(BridgewaterAssociates)에서최고신흥시장국가신용거래자가됐으며,이후머신러닝기반헤지펀드회사인R-스퀘어드매크로(R-SquaredMacro)를설립했습니다.비지도학습기법을응용한기술분야에서세계적으로알려진이스라엘인공지능회사세타레이(ThetaRay)의뉴욕지사에서데이터사이언스팀을이끌기도했습니다.
현재는세븐파크데이터(7ParkData)의데이터사이언스팀팀장입니다.대안데이터를사용해헤지펀드나법인회사를위한데이터상품과기업고객을대상으로자연어처리(NLP),이상징후탐지,클러스터링,시계열예측등을제공하는머신러닝서비스(MLaaS)를개발합니다.

CHAPTER0서문
0.1머신러닝의역사
0.2인공지능의귀환,왜지금인가?
0.3응용인공지능의출현
0.4지난20년간응용인공지능주요성과
0.5좁은인공지능부터범용인공지능까지
0.6목표와접근방식
0.7이책의구성
0.8예제다운로드안내

PART1비지도학습개요

CHAPTER1머신러닝생태계와비지도학습
1.1머신러닝기본용어이해하기
1.2규칙기반과머신러닝비교하기
1.3지도학습과비지도학습비교하기
1.4비지도학습을사용해머신러닝솔루션개선하기
1.5지도학습알고리즘자세히살펴보기
1.6비지도학습알고리즘자세히살펴보기
1.7비지도학습을활용한강화학습
1.8준지도학습
1.9비지도학습의성공적인응용사례
1.10마치며

CHAPTER2머신러닝프로젝트AtoZ
2.1환경설정
2.2데이터개요
2.3데이터준비하기
2.4모델준비하기
2.5머신러닝모델(1)
2.6평가지표
2.7.머신러닝모델(2)
2.8테스트데이터셋으로4가지모델평가하기
2.9앙상블
2.10최종모델선택하기
2.11프로덕션파이프라인
2.12마치며

PART2사이킷런을사용한비지도학습모델

CHAPTER3차원축소
3.1차원축소에대한동기부여
3.2차원축소알고리즘
3.3PCA
3.4SVD
3.5랜덤투영
3.6Isomap
3.7MDS
3.8LLE
3.9t-SNE
3.10사전학습
3.11ICA
3.12마치며

CHAPTER4이상치탐지
4.1신용카드사기탐지
4.2일반PCA를활용한이상치탐지
4.3희소PCA를활용한이상치탐지
4.4커널PCA를활용한이상치탐지
4.5GRP를활용한이상치탐지
4.6SRP를활용한이상치탐지
4.7비선형이상치탐지
4.8사전학습을활용한이상치탐지
4.9ICA를활용한이상치탐지
4.10테스트셋으로이상치탐지성능평가
4.11마치며

CHAPTER5클러스터링
5.1MNIST데이터셋
5.2클러스터링알고리즘
5.3k-평균
5.4계층적클러스터링
5.5DBSCAN개요
5.6마치며

CHAPTER6그룹세분화
6.1랜딩클럽데이터
6.2군집적합도검정
6.3k-평균클러스터링응용프로그램
6.4계층적클러스터링응용프로그램
6.5HDBSCAN응용프로그램
6.6마치며

PART3텐서플로와케라스를사용한비지도학습모델

CHAPTER7오토인코더
7.1신경망
7.2오토인코더:인코더와디코더
7.3과소완전오토인코더
7.4과대완전오토인코더
7.5고밀도vs희소오토인코더
7.6노이즈제거오토인코더
7.7변분오토인코더
7.8마치며

CHAPTER8핸즈온오토인코더
8.1데이터준비
8.2오토인코더의구성요소
8.3활성화함수
8.4첫번째오토인코더
8.5선형활성화함수로구성된2-계층과소완전오토인코더
8.6비선형오토인코더
8.7선형활성화함수로구성된과대완전오토인코더
8.8선형활성화함수와드롭아웃으로구성된과대완전오토인코더
8.9선형활성화함수로구성된희소과대완전오토인코더
8.10선형활성화함수와드롭아웃으로구성된희소과대완전오토인코더
8.11노이즈데이터셋생성
8.12노이즈제거오토인코더
8.13마치며

CHAPTER9준지도학습
9.1데이터준비
9.2지도학습모델
9.3비지도학습모델
9.4준지도학습모델
9.5지도학습과비지도학습의강력함
9.6마치며

PART4텐서플로와케라스를사용한심층비지도학습

CHAPTER10RBM을사용한추천시스템
10.1볼츠만머신
10.2추천시스템
10.3무비렌즈데이터셋
10.4행렬인수분해
10.5RBM을사용한협업필터링
10.6마치며

CHAPTER11DBN을사용한피처추출
11.1심층신뢰신경망자세히살펴보기
11.2MNIST이미지분류하기
11.3RBM
11.4DBN을위한세RBM훈련
11.5전체DBN
11.6비지도학습이지도학습을개선하는방법
11.7LightGBM을사용한이미지분류기
11.8마치며

CHAPTER12GAN
12.1GAN의개념
12.2DCGAN
12.3CNN
12.4DCGAN으로돌아가기
12.5MNISTDCGAN실행
12.6마치며

CHAPTER13시계열클러스터링
13.1심전도데이터
13.2시계열클러스터링접근방법
13.3ECGFiveDays데이터셋에서k-Shape을사용한시계열클러스터링
13.4ECG5000데이터셋에서k-Shape을사용한시계열클러스터링
13.5ECG5000데이터셋에서k-평균을사용한시계열클러스터링
13.6ECG5000데이터셋에서HDBSCAN을사용한시계열클러스터링
13.7시계열클러스터링알고리즘비교
13.8마치며

CHAPTER14결론
14.1지도학습
14.2비지도학습
14.3강화학습
14.4오늘날가장유망한비지도학습분야
14.5비지도학습의미래
14.6마치며

비지도학습이필요한이유는무엇일까?
세상은빠르게변하고있습니다.대부분산업에서데이터분석결과의실시간처리와적용이기본이되고있으며데이터수집속도또한빨라졌습니다.그에따라데이터품질을높이기위해발빠르게대응하는한편데이터에내재된패턴을잘파악해깊이있는비즈니스통찰력을얻는일은더욱중요해졌습니다.한편,최근많은기업이데이터분석을통해경쟁우위를확보하려하는만큼예측문제도차츰그대상의범위를좁혀가고있습니다.레이블데이터의부족은심화되고,동시에이종데이터간결합의필요성은더욱증가했습니다.비지도학습은데이터분석가입장에서이러한문제에대응할수있는매우유용한기법입니다.
이책은사기탐지영역뿐아니라이커머스와같이고객을다차원으로이해하고분석한결과를실시간으로빠르게적용해야하는도메인에서도유용한주제를다룹니다.특히컴퓨팅리소스제약이나성능한계를극복하기위한차원축소기법과지도및비지도학습을혼합해소량의레이블데이터만으로도예측할수있는준지도학습,원본데이터의확률분포를학습해새로운데이터에대한추론에활용할수있는생성적비지도학습등은앞서언급한이종데이터간의결합요구나레이블데이터의부족과같은현실세계에서의한계점을극복하는데매우유용한방법입니다.
이책은이러한방법들의이론을설명할뿐만아니라,현실세계에있을법한이야기를활용하여실전머신러닝기법을적용해볼수있게안내합니다.독자들은소설책을읽듯이편하게직접예제를따라해보며공부할수있을것입니다.
대상독자
● 데이터분석관련업무담당자(주니어~시니어)
● 실무에머신러닝을적용하려는개발자
주요내용
● 다양한머신러닝접근방법의장단점(지도학습,비지도학습,강화학습)
● 머신러닝프로젝트의전반적인설정및관리
● 차원감소알고리즘,군집화알고리즘활용
● 오토인코더로자동피처엔지니어링및피처선택
● 지도및비지도학습알고리즘결합으로준지도학습솔루션개발
● 볼츠만머신을사용하여영화추천시스템구축
● 생성적적대신경망(GAN)과심층신뢰신경망(DBN)을사용한합성이미지생성
● 시계열데이터에대한군집화수행
● 최신비지도학습성공사례및향후전망