추가 적립 안내

기술이 어렵다고 어렵게 배워야만 할까?
말로만 듣던 인공지능, 이제라도 배워보려는 '찐초보'를 위한 책!
그리고 그 누구도 포기할 수 없게 만드는 친절한 설명

저자는 여러 인공지능 경진대회에서 얻은 경험을 바탕으로 누구나 쉽게 배울 수 있도록 초심자의 눈높이에 맞춰 머신러닝과 딥러닝을 풀어냈다. '인공지능의 발전을 주도할 기술은 딥러닝이 분명하지만 고전 머신러닝을 간과해서는 진짜 딥러닝을 할 수 없다'는 그의 말마따나, 이 책은 인공지능 프로젝트의 기본부터 시작하여 머신러닝의 주요 알고리즘을 살펴보고, 딥러닝 실습까지 체계적이고 효율적으로 가이드한다. 더불어 이 모든 내용이 너무나 친절하다!

인공지능의 뿌리 머신러닝은 사이킷런으로, 인공지능의 꽃 딥러닝은 파이토치로!
이 책은 초심자도 복잡하게 얽힌 신경망과 알고리즘을 라이브러리를 활용하여 손쉽게 구현할 수 있도록 머신러닝과 딥러닝의 입문 가이드라인을 제공한다.

첫째, 인공지능과 인공지능 프로젝트의 기본 그리고 핵심 라이브러리를 살펴본다.
둘째, 사이킷런으로 머신러닝의 로지스틱 회귀, 서포트 벡터 머신, 클러스터링 등 대표적인 머신러닝의 지도 학습과 비지도 학습 알고리즘을 공부함으로써 인공지능의 기반을 탄탄히 다진다. 그리고 머신러닝 모델을 좀 더 정교하게 만드는 방법들을 알아본다.
셋째, 딥러닝의 원리를 알아보고 전결합, 합성곱, 순환 신경망을 파이토치로 실습한다.
넷째, 앞에서 배운 머신러닝과 딥러닝의 기반이 되는 데이터를 효율적으로 다루는 방법을 알아본다.

딥러닝의 세계에서 파이토치는 직관적 문법과 빠른 속도로 텐서플로를 제치고 딥러닝 연구를 이끌고 있다. 파이토치를 몇 달 써보니 피부가 밝아지고 시력이 좋아졌다는 안드레이 카파시(테슬라 AI 수장). 도대체 파이토치가 뭐길래? 이제는 딥러닝을 파이토치로 파이써닉하게 배워보자.

이 책을 읽은 실무자들의 한마디
파이썬 초보라도 저자의 친절한 설명을 따라가다 보면, 이 책 하나만으로 머신러닝/딥러닝의 기본 개념과 적용 방법을 충분히 커버할 수 있을 것입니다. 코드 조각들을 하나씩 따라 하면서 머신러닝은 사이킷런으로, 딥러닝은 파이토치로 실습하는데, 인공지능이 막연하게 느껴졌던 사람이라면 이 책이 좋은 시작이 될 것입니다. 누군가 '머신러닝/딥러닝을 하고 싶은데 어떻게 시작해야 할지 모르겠다'고 묻는다면, '이 책으로 시작하고, 더 필요한 건 구글링하라'고 답하겠습니다.
- 정지훈, W사 퀀트 연구원

머신러닝과 딥러닝에 입문하기 위해 많은 책을 열었다 덮었습니다. 내 길이 아닌가? 싶기도 했는데 이 책은 이런 초심자의 마음을 잘 헤아려 어려운 내용은 적절하게 추상화하고, 기본적인 내용은 최대한 자세하고 친절하게 설명하고 있습니다. 파이썬의 대표적인 머신러닝 도구인 사이킷런과 최근 사용자가 많아지고 있는 딥러닝 도구인 파이토치를 함께 소개하는 점도 인상적입니다. 기본적인 파이썬 프로그래밍 지식을 갖춘 머신러닝과 딥러닝 입문자에게 좋은 가이드가 될 책으로, 다양한 연구의 발판이 될 것입니다. 머신러닝과 딥러닝이 이토록 쉽고 재밌다는 것을 이 책을 통해 함께 느껴보길 바랍니다.
- 박조은, 오늘코드/네이버 부스트코스 데이터 사이언스 강사

머신러닝은 높은 진입장벽 때문에 처음 접하는 이들이 이해하기 쉽지 않습니다. 무엇을, 또 무엇부터 공부해야 하는지에 대한 가이드라인이 없기 때문이죠. 이 책은 그런 분들을 위한 가이드라인을 제시합니다. 책에서 제공하는 가이드라인을 잘 따라가다 보면, 빠르게 변화하는 머신러닝의 트렌드를 무리 없이 습득하는 자신의 모습을 보게 될 수 있을 겁니다.
- 노경준, 현대자동차 연구원

인공지능이 뭐야? 어떻게 하는 거야? 라는 궁금증이 있는 분들께 이처럼 쉽게 설명해주는 책이 있었던가요? 설명도 친절하고, 코드도 친절하고, 더불어 내용도 알찹니다. 일전에 이 책의 저자를 포함한 동호회 분들께 데이터 분석 관련 세미나를 한 적이 있었는데, 이 책으로 보답받는 기분입니다. 이 책이 또 다른 누군가에게 영감이 되기를 기원해봅니다.
- 박완상, 삼성전자/SE그룹 엔지니어

Chapter 01 처음 시작하는 인공지능 프로젝트
_1.1 인공지능 이해하기
__1.1.1 인공지능의 종류
__1.1.2 지도 학습, 비지도 학습, 강화 학습
_1.2 머신러닝으로 붓꽃 품종 분류하기
__1.2.1 프로젝트의 목표
__1.2.2 실습 환경
__1.2.3 데이터 살펴보기
__1.2.4 K-최근접 이웃 이해하기
__1.2.5 처음 만드는 머신러닝 모델
__1.2.6 프로젝트 개선하기
_1.3 핵심 라이브러리 익히기
__1.3.1 넘파이
__1.3.2 판다스
__1.3.3 맷플롯립

Chapter 02 사이킷런을 활용한 머신러닝
_2.1 지도 학습 알고리즘
__2.1.1 분류와 회귀
__2.1.2 선형 회귀
__2.1.3 로지스틱 회귀
__2.1.4 서포트 벡터 머신
__2.1.5 결정 트리
__2.1.6 나이브 베이즈 분류
__2.1.7 요약
_2.2 비지도 학습 알고리즘
__2.2.1 특성 추출
__2.2.2 클러스터링
_2.3 더 나은 모델 만들기
__2.3.1 모델 성능 평가하기
__2.3.2 최적의 하이퍼파라미터 찾기
__2.3.3 파이프라인 구성하기
__2.3.4 여러 모델 결합하기
__2.3.5 모델 저장하고 불러오기

Chapter 03 파이토치를 활용한 딥러닝
_3.1 딥러닝의 원리
__3.1.1 인공 신경망과 퍼셉트론
__3.1.2 심층 신경망
_3.2 파이토치 시작하기
__3.2.1 선형 회귀
__3.2.2 로지스틱 회귀
__3.2.3 클래스로 모델 정의하기
__3.2.4 배치 학습
__3.2.5 모델 저장하고 불러오기
_3.3 전결합 신경망
__3.3.1 손글씨 이미지 분류하기
__3.3.2 과적합 줄이기
_3.4 합성곱 신경망
__3.4.1 합성곱 신경망의 개념
__3.4.2 합성곱 신경망 분석하기
__3.4.3 이미지 분류 실전 프로젝트
_3.5 순환 신경망
__3.5.1 순환 신경망의 이해
__3.5.2 RNN 실습
__3.5.3 LSTM 실습

Chapter 04 데이터 다루기
_4.1 수치 데이터
__4.1.1 데이터 범위 조정하기
__4.1.2 누락된 값 다루기
_4.2 문자열 데이터
__4.2.1 토큰화
__4.2.2 정규 표현식
_4.3 이미지 데이터
__4.3.1 이미지 불러오기
__4.3.2 이미지 크기 바꾸기
__4.3.3 이미지 자르기
__4.3.4 이미지 저장하기