핸즈온 머신러닝 : 사이킷런, 케라스, 텐서플로 2로 완벽 이해하는 머신러닝, 딥러닝 이론 & 실무 (3판)

핸즈온 머신러닝 : 사이킷런, 케라스, 텐서플로 2로 완벽 이해하는 머신러닝, 딥러닝 이론 & 실무 (3판)

$60.27
Login to use WishlistCompare
Ask a Question
Vendor: 한빛미디어 - 오렐리앙 제롱
Type: 자료구조/알고리즘
SKU: 9791169211475
Categories: ALL BOOKS 컴퓨터/인터넷 컴퓨터/인터넷_컴퓨터공학
Tags: 컴퓨터/인터넷_컴퓨터공학 핸즈온머신러닝사이킷런케라스텐서플로2로완벽이해하는머신러닝딥러닝이론실무3판
Description
실무 밀착형 예제부터 스테이블 디퓨전 등 최신 머신러닝 트렌드까지
주요 인공 지능 콘퍼런스에서 전문가들이 소개한 최고의 실전 지침서
** 독자의 편의를 고려한 분권(1권, 2권)
** 최신 라이브러리 버전으로 전체 코드 업데이트
** 〈연습문제 + 해답〉, 〈머신러닝 프로젝트 체크리스트〉 수록
수학에 『수학의 정석』이 있다면 인공 지능에는 『핸즈온 머신러닝』이 있다!
1판과 2판의 피드백을 적극 반영해 한층 더 업그레이드된 『핸즈온 머신러닝』이 3판으로 돌아왔습니다. ‘실제로 머신러닝을 구현하면서 학습한다’는 목표를 더욱 효과적으로 달성할 수 있도록 복잡한 주제를 구조화하고 난이도에 따라 순차적으로 학습할 수 있게 개선했습니다. 또한 누구나 쉽게 이해할 수 있도록 기존 설명을 더 친절하고 명확하게 다듬고 보완했습니다. 마지막으로, 빠르게 발전하는 분야인 만큼 전체 코드 버전과 기술 트렌드를 최신 정보로 업데이트했습니다(하단의 ‘출판사 리뷰’에서 3판의 업데이트 내용을 확인할 수 있습니다).
머신러닝을 전혀 모르는 입문자도 온라인으로 제공되는 주피터 노트북을 활용해 손쉽게 실습할 수 있습니다. 여기에 박해선 역자의 친절한 추가 설명까지 더해져 답답함 없이 수월하게 학습할 수 있습니다.

저자

오렐리앙제롱

저자:오렐리앙제롱(AurelienGeron)
머신러닝컨설턴트입니다.2013년에서2016년까지구글에서유튜브동영상분류팀을이끌었습니다.2002년에서2012년까지프랑스의모바일ISP선두주자인위퍼스트Wifirst를설립하고CTO로일했습니다.2001년에는폴리콘셀Polyconseil을설립하고CTO로일했습니다.이회사는지금전기차공유서비스인오토립Autolib′을운영하고있습니다.그전에는재무(J.P.모건과소시에테제네랄SocieteGenerale),방위(캐나다국방부),의료(수혈)등다양한분야에서엔지니어로일했습니다.C++,WiFi,인터넷구조에관한기술서적몇권을집필했으며프랑스의한공과대학에서컴퓨터과학을가르쳤습니다.

역자:박해선
기계공학을전공했지만졸업후엔줄곧코드를읽고쓰는일을했습니다.블로그(tensorflow.blog)에글을쓰고머신러닝과딥러닝에관한책을집필,번역하면서소프트웨어와과학의경계를흥미롭게탐험하고있습니다.『챗GPT로대화하는기술』(한빛미디어,2023),『혼자공부하는머신러닝+딥러닝』(한빛미디어,2020),『혼자공부하는데이터분석with파이썬』(한빛미디어,2023),『Doit!딥러닝입문』(이지스퍼블리싱,2019)을집필했습니다.『트랜스포머를활용한자연어처리』(한빛미디어,2022),『케라스창시자에게배우는딥러닝개정2판』(길벗,2022),『개발자를위한머신러닝&딥러닝』(한빛미디어,2022),『XGBoost와사이킷런을활용한그레이디언트부스팅』(한빛미디어,2022),『구글브레인팀에게배우는딥러닝withTensorFlow.js』(길벗,2022),『파이썬라이브러리를활용한머신러닝(번역개정2판)』(한빛미디어,2022),『머신러닝파워드애플리케이션』(한빛미디어,2021),『파이토치로배우는자연어처리』(한빛미디어,2021),『머신러닝교과서with파이썬,사이킷런,텐서플로(개정3판)』(길벗,2021)을비롯해여러권의책을우리말로옮겼습니다.

목차

[1부머신러닝]
1장한눈에보는머신러닝
1.1머신러닝이란?
1.2왜머신러닝을사용하나요?
1.3애플리케이션사례
1.4머신러닝시스템의종류
_1.4.1훈련지도방식
__지도학습
__비지도학습
__준비도학습
__자기지도학습
__강화학습
_1.4.2배치학습과온라인학습
__배치학습
__온라인학습
_1.4.3사례기반학습과모델기반학습
__사례기반학습
__모델기반학습
1.5머신러닝의주요도전과제
_1.5.1충분하지않은양의훈련데이터
_1.5.2대표성없는훈련데이터
_1.5.3낮은품질의데이터
_1.5.4관련없는특성
_1.5.5훈련데이터과대적합
_1.5.6훈련데이터과소적합
_1.5.7핵심요약
1.6테스트와검증
_1.6.1하이퍼파라미터튜닝과모델선택
_1.6.2데이터불일치
연습문제
2장머신러닝프로젝트처음부터끝까지
2.1실제데이터로작업하기
2.2큰그림보기
_2.2.1문제정의
_2.2.2성능측정지표선택
_2.2.3가정검사
2.3데이터가져오기
_2.3.1구글코랩을사용하여예제코드실행하기
_2.3.2코드와데이터저장하기
_2.3.3대화식환경의편리함과위험
_2.3.4책의코드와노트북의코드
_2.3.5데이터다운로드
_2.3.6데이터구조훑어보기
_2.3.7테스트세트만들기
2.4데이터이해를위한탐색과시각화
_2.4.1지리적데이터시각화하기
_2.4.2상관관계조사하기
_2.4.3특성조합으로실험하기
2.5머신러닝알고리즘을위한데이터준비
_2.5.1데이터정제
_2.5.2텍스트와범주형특성다루기
_2.5.3특성스케일과변환
_2.5.4사용자정의변환기
_2.5.5변환파이프라인
2.6모델선택과훈련
_2.6.1훈련세트에서훈련하고평가하기
_2.6.2교차검증으로평가하기
2.7모델미세튜닝
_2.7.1그리드서치
_2.7.2랜덤서치
_2.7.3앙상블방법
_2.7.4최상의모델과오차분석
_2.7.5테스트세트로시스템평가하기
2.8론칭,모니터링,시스템유지보수
2.9직접해보세요!
연습문제
3장분류
3.1MNIST
3.2이진분류기훈련
3.3성능측정
_3.3.1교차검증을사용한정확도측정
_3.3.2오차행렬
_3.3.3정밀도와재현율
_3.3.4정밀도/재현율트레이드오프
_3.3.5ROC곡선
3.4다중분류
3.5오류분석
3.6다중레이블분류
3.7다중출력분류
연습문제
4장모델훈련
4.1선형회귀
_4.1.1정규방정식
_4.1.2계산복잡도
4.2경사하강법
_4.2.1배치경사하강법
_4.2.2확률적경사하강법
_4.2.3미니배치경사하강법
4.3다항회귀
4.4학습곡선
4.5규제가있는선형모델
_4.5.1릿지회귀
_4.5.2라쏘회귀
_4.5.3엘라스틱넷
_4.5.4조기종료
4.6로지스틱회귀
_4.6.1확률추정
_4.6.2훈련과비용함수
_4.6.3결정경계
_4.6.4소프트맥스회귀
연습문제
5장서포트벡터머신
5.1선형SVM분류
_5.1.1소프트마진분류
5.2비선형SVM분류
_5.2.1다항식커널
_5.2.2유사도특성
_5.2.3가우스RBF커널
_5.2.4계산복잡도
5.3SVM회귀
5.4SVM이론
5.5쌍대문제
_5.5.1커널SVM
연습문제
6장결정트리
6.1결정트리학습과시각화
6.2예측
6.3클래스확률추정
6.4CART훈련알고리즘
6.5계산복잡도
6.6지니불순도또는엔트로피?
6.7규제매개변수
6.8회귀
6.9축방향에대한민감성
6.10결정트리의분산문제
연습문제
7장앙상블학습과랜덤포레스트
7.1투표기반분류기
7.2배깅과페이스팅
_7.2.1사이킷런의배깅과페이스팅
_7.2.2OOB평가
7.3랜덤패치와랜덤서브스페이스
7.4랜덤포레스트
_7.4.1엑스트라트리
_7.4.2특성중요도
7.5부스팅
7.5.1AdaBoost
_7.5.2그레이디언트부스팅
_7.5.3히스토그램기반그레이디언트부스팅
_7.6스태킹
연습문제
8장차원축소
8.1차원의저주
8.2차원축소를위한접근법
_8.2.1투영
_8.2.2매니폴드학습
8.3주성분분석
_8.3.1분산보존
_8.3.2주성분
_8.3.3d차원으로투영하기
_8.3.4사이킷런사용하기
_8.3.5설명된분산의비율
_8.3.6적절한차원수선택
_8.3.7압축을위한PCA
_8.3.8랜덤PCA
_8.3.9점진적PCA
8.4랜덤투영
8.5지역선형임베딩
8.6다른차원축소기법
연습문제
9장비지도학습
9.1군집
_9.1.1k-평균
__k-평균알고리즘
__센트로이드초기화방법
__k-평균속도개선과미니배치k-평균
__최적의클러스터개수찾기
_9.1.2k-평균의한계
_9.1.3군집을사용한이미지분할
_9.1.4군집을사용한준지도학습
_9.1.5DBSCAN
_9.1.6다른군집알고리즘
9.2가우스혼합
_9.2.1가우스혼합을사용한이상치탐지
_9.2.2클러스터개수선택
_9.2.3베이즈가우스혼합모델
_9.2.4이상치탐지와특이치탐지를위한알고리즘
연습문제

[2부신경망과딥러닝]
10장케라스를사용한인공신경망소개
10.1생물학적뉴런에서인공뉴런까지
_10.1.1생물학적뉴런
_10.1.2뉴런을사용한논리연산
_10.1.3퍼셉트론
_10.1.4다층퍼셉트론과역전파
_10.1.5회귀를위한다층퍼셉트론
_10.1.6분류를위한다층퍼셉트론
10.2케라스로다층퍼셉트론구현하기
_10.2.1시퀀셜API로이미지분류기만들기
__케라스로데이터셋적재하기
__시퀀셜API로모델만들기
__모델컴파일
__모델훈련과평가
__모델로예측만들기
_10.2.2시퀀셜API로회귀용다층퍼셉트론만들기
_10.2.3함수형API로복잡한모델만들기
_10.2.4서브클래싱API로동적모델만들기
_10.2.5모델저장과복원하기
_10.2.6콜백사용하기
_10.2.7텐서보드로시각화하기
10.3신경망하이퍼파라미터튜닝하기
_10.3.1은닉층개수
_10.3.2은닉층의뉴런개수
_10.3.3학습률,배치크기그리고다른하이퍼파라미터
연습문제
11장심층신경망훈련
11.1그레이디언트소실과폭주문제
_11.1.1글로럿과He초기화
_11.1.2고급활성화함수
__LeakyReLU
__ELU와SELU
__GELU,Swish,Mish
_11.1.3배치정규화
__케라스로배치정규화구현하기
_11.1.4그레이디언트클리핑
11.2사전훈련된층재사용하기
_11.2.1케라스를사용한전이학습
_11.2.2비지도사전훈련
_11.2.3보조작업에서사전훈련
11.3고속옵티마이저
_11.3.1모멘텀최적화
_11.3.2네스테로프가속경사
_11.3.3AdaGrad
_11.3.4RMSProp
_11.3.5Adam
_11.3.6AdaMax
_11.3.7Nadam
_11.3.8AdamW
_11.3.9학습률스케줄링
11.4규제를사용해과대적합피하기
_11.4.1l1과l2규제
_11.4.2드롭아웃
_11.4.3몬테카를로드롭아웃
_11.4.4맥스-노름규제
11.5요약및실용적인가이드라인
연습문제
12장텐서플로를사용한사용자정의모델과훈련
12.1텐서플로훑어보기
12.2넘파이처럼텐서플로사용하기
_12.2.1텐서와연산
_12.2.2텐서와넘파이
_12.2.3타입변환
_12.2.4변수
_12.2.5다른데이터구조
12.3사용자정의모델과훈련알고리즘
_12.3.1사용자정의손실함수
_12.3.2사용자정의요소를가진모델을저장하고로드하기
_12.3.3활성화함수,초기화,규제,제한을커스터마이징하기
_12.3.4사용자정의지표
_12.3.5사용자정의층
_12.3.6사용자정의모델
_12.3.7모델구성요소에기반한손실과지표
_12.3.8자동미분으로그레이디언트계산하기
_12.3.9사용자정의훈련반복
12.4텐서플로함수와그래프
_12.4.1오토그래프와트레이싱
_12.4.2텐서플로함수사용법
연습문제
13장텐서플로를사용한데이터적재와전처리
13.1데이터API
_13.1.1연쇄변환
_13.1.2데이터셔플링
_13.1.3여러파일에서한줄씩번갈아읽기
_13.1.4데이터전처리
_13.1.5데이터적재와전처리합치기
_13.1.6프리페치
_13.1.7케라스와데이터셋사용하기
13.2TFRecord포맷
_13.2.1압축된TFRecord파일
_13.2.2프로토콜버퍼개요
_13.2.3텐서플로프로토콜버퍼
_13.2.4Example프로토콜버퍼읽고파싱하기
_13.2.5SequenceExample프로토콜버퍼로리스트의리스트다루기
13.3케라스의전처리층
_13.3.1Normalization층
_13.3.2Discretization층
_13.3.3CategoryEncoding층
_13.3.4StringLookup층
_13.3.5Hashing층
_13.3.6임베딩을사용해범주형특성인코딩하기
_13.3.7텍스트전처리
_13.3.8사전훈련된언어모델구성요소사용하기
_13.3.9이미지전처리층
13.5텐서플로데이터셋프로젝트
연습문제
14장합성곱신경망을사용한컴퓨터비전
14.1시각피질구조
14.2합성곱층
_14.2.1필터
_14.2.2여러가지특성맵쌓기
_14.2.3케라스로합성곱층구현하기
_14.2.4메모리요구사항

출판사 서평

초보자와전문가모두를만족시킨전세계1위베스트셀러

이책은이론과실습을아우르며머신러닝과딥러닝모두를관통하는큰그림을그릴수있도록돕습니다.특히도식을활용한설명과최신버전의실무밀착형코드예제를통해손쉽게모델을훈련하고신경망을구축하는방법을익힐수있습니다.또한장마다제공되는연습문제를풀면서배운내용을복습하고자신의프로젝트에적용해볼수있습니다.파이썬프로그래밍경험이있다면바로시작해보세요.누구나머신러닝전문가가될수있습니다!

3판에서업데이트된내용

-코드전체를최신라이브러리버전으로업데이트
-상세한모델선택가이드라인
-사이킷런과케라스의새로운기능
·사이킷런:특성이름추적,히스토그램기반그레이디언트부스팅,레이블전파등
·케라스:전처리층,데이터증식층등
-2판에없는라이브러리추가
·하이퍼파라미터튜닝을위한케라스튜너라이브러리
·자연어처리를위한허깅페이스의트랜스포머스라이브러리
-확산모델(스테이블디퓨전)
-컴퓨터비전,자연어처리분야의최신트렌드와구현

누구를위한책인가요?

-기초지식은있지만실무경험이적은초보자
-실무능력을향상시키고싶은중급자
-머신러닝을프로젝트에활용하고싶은개발자와엔지니어
-머신러닝연구나데이터분석작업을하는데이터과학자와연구자

이책의장점

-복잡한이론을나열하지않고실용적인예제를통해자세히설명합니다.
-직접실습해보면서실무문제해결능력을기르고자신만의포트폴리오를완성할수있습니다.
-여러가지머신러닝및딥러닝모델과도구,라이브러리에관한지식을확장할수있습니다.
-스테이블디퓨전을비롯한최신컴퓨터비전,자연어처리,강화학습트렌드를반영했습니다.