추가 적립 안내

□ 컴퓨터가 인간의 사고를 복제하여 정보를 처리하는 방식은 체스 경기에서부터 노래 경연대회 우승자를 뽑는 것까지 모든 면에서 인간의 능력을 빠르게 추월하고 있다.
□ 현재의 컴퓨터는 업무를 수행하기 위해 인간의 ‘명령 입력’을 엄격하게 기다릴 필요가 없으며 기계학습 분야에서는 오히려 데이터의 입력을 요구하고 있다.
인간에 의한 데이터 입력으로부터 컴퓨터는 스스로 의사결정을 할 수 있을 뿐만 아니라 사실상 인간이 하는 것처럼 행동을 취할 수 있다.
그러나 그것이 기계라는 것을 감안하면 기계는 스스로 문제를 해결하기 위해 더 많은 시나리오를 고려하고 훨씬 더 복잡한 계산을 실행해야 한다.
□ 결코 시도해보지 않았던 복잡한 문제를 해결하는 기계의 능력, 이것이 데이터 과학자와 기계학습 엔지니어를 가장 흥분시키는 요소이다.
□ 〈데이터분석을 위한 기계학습〉은 이 분야에 입문하는 초보자에게 이상적이며 안성맞춤이다.

【본서의 특징】
‘데이터분석을 위한 기계학습’은 수학적 표현을 가급적 줄이면서 파이썬을 이용하여 기계학습 모델을 구축하는 전 과정을 간단하게 설명하는 입문서입니다. 처음 기계학습을 배우고자 하는 독자라면 이 책은 매우 적절한 선택이라고 할 수 있습니다.
기존의 입문서에 비해 이 책이 가지고 있는 세 가지 장점은 먼저 기계학습에서 최대의 관심사인 과대적합과 과소적합을 설명하는 제9장 편중과 분산으로 이 책에서 가장 돋보이는 부분입니다. 과대적합과 과소적합을 편중과 분산의 개념으로 정의하고 이런 현상들이 발생하는 이유를 잘 그려진 도표로 설명하면서 해소법을 제시하고 있습니다.
둘째로 이 책은 완성도가 높은 파이썬 코드를 샘플로 제공하고 있어 복사하여 재사용하고 실행해보는 것이 가능합니다. 이 책을 읽는 독자도 원한다면 자신만의 기계학습 모델링에 이용해보기를 권합니다.
셋째로 저자는 책 말미에 추가로 읽을거리를 제시하고 무료로 다운로드 가능한 데이터세트를 소개해주고 있습니다. 이것은 기계학습에 조금이라도 관심이 생긴 독자들이 추가로 학습하면 좋을 내용으로 독자들은 자신에게 적합한 것을 선택하여 학습을 계속하길 바랍니다. 기계학습 모델링을 학습하는 동안 부딪히는 어려움 중 하나가 분석할만한 데이터세트를 무료로 얻는 것인데 저자는 좋은 데이터 소스를 알려주고 있어 책의 저술을 설계할 때부터 세심한 노력을 기울였음을 느낄 수 있습니다.

■Chapter 1 서론
■Chapter 2 기계학습이란 무엇인가?
■Chapter 3 기계학습의 범주
■Chapter 4 기계학습 도구
■Chapter 5 데이터 정제
■Chapter 6 데이터 설정
■Chapter 7 회귀분석
■Chapter 8 군집화
■Chapter 9 편중과 분산
■Chapter 10 인공 신경망
■Chapter 11 의사결정나무
■Chapter 12 앙상블 모델링
■Chapter 13 개발 환경
■Chapter 14 파이썬으로 모델 구축하기
■Chapter 15 모델 최적화

추가적인 학습자료 / 데이터세트 다운로드하기