추가 적립 안내

비즈니스 관점에서 풀어 쓴 파이썬 머신러닝 지침서

본서는 파이썬을 전혀 모르는 사람도, 프로그래밍을 전혀 해보지 않은 사람도 단계적으로 (step by step) 따라하다 보면 파이썬 기반의 머신러닝을 용이하게 다룰 수 있도록 도와주는 이론서이자 실무 지침서입니다. 컴퓨터공학이나 수학적인 관점에서 집필된 머신러닝 교재들과는 달리 머신러닝은 비즈니스를 위한 도구일 뿐이라는 관점에서 접근합니다. 이 책의 주요 특징은 다음과 같습니다.
ㆍ머신러닝을 활용하기 위한 관점에서 꼭 필요한 이론만을 추출하여 정리하였습니다.
ㆍ전통적인 머신러닝 모형부터 최신 고성능 머신러닝 모형까지 대부분의 머신러닝 모형들을 다루었습니다.
ㆍ책에서 다루는 모든 이론에 대해 100% 파이썬 실습을 제공합니다.
ㆍ모든 파이썬 코드에 대한 상세하고 친절한 설명을 제공합니다.
ㆍ모든 실습 주제는 현실적인 비즈니스 문제에 초점을 맞추었습니다.
ㆍ실습용 데이터는 기업의 실제 마케팅 및 CRM 데이터를 기반으로 추출되었습니다.

chaper 01 머신러닝 기초

1.1 머신러닝 개념
[1] 인공지능과 머신러닝, 딥러닝
[2] 머신러닝의 정의

1.2 머신러닝 모형의 분류
[1] 지도학습 모형
[2] 비지도학습 모형

1.3 머신러닝의 과정
[1] 문제 정의
[2] 데이터의 수집
[3] 데이터 처리
[4] 모형 학습
[5] 성능 평가

chapter 02 파이썬 기초

2.1 파이썬 소개
[1] 왜 파이썬인가?
[2] Anaconda python 실습 환경 구축

2.2 파이썬 프로그램 기초
[1] 파이썬의 자료형
[2] 파이썬 제어문

2.3 데이터 분석을 위한 파이썬 라이브러리
[1] 통계분석을 위한 라이브러리
[2] Numpy
[3] Pandas

2.4 분석을 위한 데이터 준비
[1] 실습용 데이터 다운로드
[2] 분석 데이터 설명
[3] 데이터 불러오기

chapter 03 모형 평가와 성능 향상

3.1 모형 평가
[1] 성능 평가 지표
[2] 교차검증

3.2 성능 향상
[1] 변수 선택
[2] 데이터 밸런싱
[3] 그리드 서치

chapter 04 선형 회귀모형

4.1 개요
[1] 정의
[2] 모형
[3] 특징

4.2 주요 모형
[1] 표준 선형 회귀모형
[2] 릿지 선형 회귀모형
[3] 라쏘 선형 회귀모형

4.3 실습
[1] 표준 선형 회귀모형 실습
[2] 릿지 선형 회귀모형 실습
[3] 라쏘 선형 회귀모형 실습

chapter 05 로지스틱 회귀분석

5.1 개요
[1] 정의
[2] 모형
[3] 특징

5.2 주요 이론
[1] 오즈, 오즈비, 로짓변환
[2] 비용 함수
[3] 소프트맥스 함수

5.3 실습
[1] 이항 분류 예측 실습
[2] 다항 분류 예측 실습

chapter 06 K-최근접 이웃

6.1 개요
[1] 정의
[2] 모형
[3] 특징

6.2 주요 이론
[1] 유클리드 거리
[2] 맨하탄 거리

6.3 실습
[1] 분류 예측 실습
[2] 수치 예측 실습

chapter 07 의사결정나무

7.1 개요
[1] 정의
[2] 모형
[3] 특징

7.2 주요 이론
[1] 분할기준
[2] 정지기준과 가지치기
[3] 대표 알고리즘

7.3 실습
[1] 분류 예측 실습
[2] 수치 예측 실습

7.4 모형 성능 비교
[1] 분류 예측 모형 성능 비교
[2] 수치 예측 모형 성능 비교

chapter 08 서포트 벡터 머신

8.1 개요
[1] 정의
[2] 모형
[3] 특징

8.2 주요 이론
[1] 선형 SVM
[2] 비선형 SVM
[3] 회귀 SVM

8.3 실습
[1] 분류 예측 실습
[2] 수치 예측 실습

chapter 09 나이브 베이즈

9.1 베이즈 정리

9.2 나이브 베이즈 개요
[1] 정의
[2] 모형
[3] 특징
[4] 유형

9.3 실습
[1] 가우시안 나이브 베이즈 실습
[2] 베르누이 나이브 베이즈 실습
[3] 다항분포 나이브 베이즈 실습

chapter 10 인공신경망

10.1 개요
[1] 정의
[2] 모형
[3] 특징

10.2 주요 이론
[1] 퍼셉트론
[2] 오차 역전파법

10.3 실습
[1] 분류 예측 실습
[2] 수치 예측 실습

chapter 11 딥러닝

11.1 개요

11.2 주요 모형
[1] 심층 신경망
[2] 합성곱 신경망
[3] 순환 신경망

11.3 실습
[1] Keras 라이브러리
[2] 심층 신경망 실습
[3] 합성곱 신경망 실습
[4] 순환 신경망 실습
[3] 다항분포 나이브 베이즈 실습

chapter 12 앙상블 모형

12.1 개요
[1] 정의
[2] 모형
[3] 특징

12.2 주요 모형
[1] 보팅 앙상블
[2] 배깅 앙상블
[3] 부스팅 앙상블

12.3 실습
[1] 보팅 앙상블 실습
[2] 랜덤 포레스트 실습
[3] 그래디언트 부스팅 실습

12.4 앙상블 모형의 성능 비교
[1] 분류 예측 모형 성능 비교
[2] 수치 예측 모형 성능 비교

chapter 13 군집분석

13.1 개요
[1] 정의
[2] 모형
[3] 특징
[4] 군집의 품질 평가

13.2 주요 모형
[1] 계층적 군집분석
[2] 비계층적 군집분석
[3] 밀도 기반 군집분석

13.3 실습
[1] 계층적 군집분석 실습
[2] K-평균 군집분석 실습
[3] DBSAN 실습
[4] 군집분석 기법 간의 품질 비교와 군집
프로파일링

chapter 14 연관규칙 분석

14.1 개요
[1] 정의
[2] 특징

14.2 주요 이론
[1] 지지도, 신뢰도, 향상도
[2] Apriori 알고리즘

14.3 실습
[1] 장바구니 분석을 통한 교차판매 규칙
생성

chaper 15 협업 필터링

15.1 개요
[1] 추천 시스템과 협업 필터링
[2] 협업 필터링 유형
[3] 특징

15.2 주요 모형
[1] 사용자 기반 협업 필터링
[2] 아이템 기반 협업 필터링
[3] 잠재요인 모델 기반 협업 필터링

15.3 실습
[1] Surprise 라이브러리
[2] 사용자 기반 협업 필터링 실습
[3] 아이템 기반 협업 필터링 실습
[4] 잠재요인 모델 기반 협업 필터링 실습

chapter 16 텍스트 마이닝

16.1 개요
[1] 정의
[2] 분석 프로세스

16.2 웹 스크래핑
[1] 정의
[2] 실습

16.3 빈도 분석
[1] 정의
[2] 실습

16.4 버즈 분석
[1] 정의
[2] 실습

16.5 토픽 모델링
[1] 정의
[2] 실습