추가 적립 안내

제4차 산업혁명의 시대에 들면서 인공지능 기술은 산업과 우리 생활에 이르기까지 다양하게 활용되고 있다. 이제 우리 주변의 식당이나 호텔에서 로봇이 서빙을 시작하고 있으며, 일상적으로 로봇이 배달하는 피자를 먹을 날도 멀지 않은 것 같다. ‘인공지능’이란 용어도 그만큼 친숙하게 느껴지고 있다. 그러면, 인공지능은 어떻게 구현되는 것일까?

최근, 인공지능을 구현하는 한 방법인 머신러닝이 크게 활용되고 있다. 머신러닝은 사람들이 지식과 경험을 통해 학습하고 답을 찾듯이, 빅데이터를 기반으로 패턴을 분석하고 학습하며 문제에 대한 답을 준다. 머신러닝은 이미 여러 분야에서 사람보다 우수한 결과를 낳고 있다. 이미지 인식과 얼굴 인식은 물론, 의료 이미지 판독을 통한 진단도 인공지능을 더 신뢰하게 되었고, 인공지능이 작곡도 하며 영화 시나리오도 창착하고 있다. 이제 인공지능과 공존해야 할 세상이 되었다.

빅데이터 분석을 위한 머신러닝을 이해하는 것은 인공지능을 잘 활용하며 이 시대를 살아가는 경쟁력의 한 요인이기도 하다. 이 책은 머신러닝의 여러 기법들에 대한 기초적인 원리와 활용 방법을 익힐 수 있도록 만들어졌다. 데이터로 학습한다는 것은 어떤 의미일까? 데이터로 학습하는 방법에는 어떤 것이 있을까? 학습된 모형들은 어떤 일을 할 수 있을까? 이 책을 통해 이런 질문에 대한 답을 얻길 기대한다.

이 책이 나오기까지 오랫동안 인내로 기다리며 많은 조언을 주신 생능출판사의 김민수 이사님과 독자들에게 좋은 책을 보여드리고자 헌신적으로 정성을 쏟으신 편집부의 김민보 차장님께 감사드린다.

학습 내용과 절차

학습 내용은 1장의 ‘데이터 분석과 머신러닝 개요’로 시작하여 2장~13장까지의 빅데이터 분석을 위한 12가지 머신러닝 기법들로 구성하였다. 각 장에서는 차원축소, 군집화, 연관분석, 분류분석, 회귀분석에 대한 대표적인 분석 알고리즘을 소개하였으며, 9장부터는 인공신경망을 이해하는 퍼셉트론을 시작으로 딥러닝을 단계적으로 소개하였다.

1장
- 데이터 분석과 머신러닝 개요
2장
- 분석 알고리즘: 주성분 분석
- 분석유형 예시: 차원축소
3장
- 분석 알고리즘: K-평균 군집분석
- 분석유형 예시: 군집화
4장
- 분석 알고리즘: Apriori 알고리즘
- 분석유형 예시: 연관분석
5장
- 분석 알고리즘: K-최근접 이웃 알고리즘
- 분석유형 예시: 분류분석, 회귀분석
6장
- 분석 알고리즘: 서포트 벡터 머신
- 분석유형 예시: 분류분석 (회귀분석은 제외함)
7장
- 분석 알고리즘: C5.0(의사결정나무 분석)
- 분석유형 예시: 분류분석
8장
- 분석 알고리즘: 경사하강법
- 분석유형 예시: 회귀분석
9장
- 분석 알고리즘: 인공신경망과 퍼셉트론
- 분석유형 예시: 분류분석, 회귀분석
10장
- 분석 알고리즘: 다층 퍼셉트론과 딥러닝
- 분석유형 예시: 분류분석, 회귀분석
11장
- 분석 알고리즘: 딥러닝: 회귀분석
- 분석유형 예시: 회귀분석
12장
- 분석 알고리즘: 딥러닝: 분류분석
- 분석유형 예시: 분류분석
13장
- 분석 알고리즘: 합성곱 신경망과 이미지 분류
- 분석유형 예시: 분류분석
부록
- Colab의 한글 폰트 설치 및 그래프 출력

2장부터 소개하는 각 장의 학습 단계는 머신러닝 기법들의 기본 원리를 이해하고, 예시를 통해 활용 방법을 익히며, 파이썬 패키지 또는 머신러닝 관련 기관에서 제공하는 토이 데이터 세트(toy datasets)를 활용하는 학습 과정으로 설계되어 있다. 그 과정은 ‘개요 ▶ 기본 원리 ▶ 예제 분석 ▶ 파이썬 기반 예제 실습 ▶ 파이썬 기반 토이 데이터 세트 실습 ▶ 요약’ 순이며, 각 장이 끝날 때마다 ‘연습문제’와 ‘응용문제’를 통해 이해 여부를 파악하고 응용 능력을 키울 수 있도록 하였다.

1. 개요 (1절) ▶ 2. 기본 원리 (2절) ▶ 3. 예제 분석 (3절) ▶ 4. 파이썬 기반 예제 실습 (4절) ▶ 5. 파이썬 기반 토이 데이터 세트 실습 (5절) ▶ 6. 요약 ▶ 7. 연습문제 ▶ 8. 응용문제

학습 절차는 다음과 같다. 먼저, 1장에서 데이터 분석 개요와 구글 Colab의 개발 환경을 파악할 필요가 있다. 그림 왼쪽에 있는 2~7장은 순서에 관계없이 흥미 있는 주제를 적절히 선택하면 될 것이다. 한편, 그림 오른 쪽에 있는 8장의 경사하강법은 회귀분석의 원리를 설명하고 있으나, 인공신경망 학습의 기본 원리가 되기 때문에 잘 익혀둘 필요가 있다. 이어서 인공 신경망의 학습모형을 단계적으로 설명하는 9장부터 13장까지 순서대로 학습하길 권한다.

1장 데이터 분석과 머신러닝 개요 ▶ [ 2장 주성분 분석 / 3장 K-평균 군집화 / 4장 Apriori 알고리즘 / 5장 K-최근접 이웃 알고리즘 / 6장 서포트 벡터 머신 / 7장 C5.0(의사결정나무 분석) ] ▶ 8장 경사하강법 ▶ 9장 인공신경망과 퍼셉트론 ▶ 10장 다층 퍼셉트론과 딥러닝 ▶ 11장 딥러닝: 회귀분석 ▶ 12장 딥러닝: 분류분석 ▶ 13장 합성곱 신경망과 이미지 분류

머리말
학습 내용과 절차

Chapter 1 데이터 분석과 머신러닝 개요
1.1 인공지능과 데이터 분석
1.2 머신러닝 기법
1.3 머신러닝 개발 환경

Chapter 2 주성분분석
2.1 차원축소 개요
2.2 주성분분석의 기본 원리
2.3 주성분분석 예시
2.4 파이썬 기반 분석
2.5 응용: 붓꽃의 차원축소
요약
연습문제
응용문제: 보스톤 주택가격의 차원축소

Chapter 3 K-평균 군집화
3.1 군집화 개요
3.2 K-평균 군집화의 기본 원리
3.3 K-평균 군집화의 예시
3.4 파이썬 기반 분석
3.5 응용: 붓꽃의 군집화
요약
연습문제
응용문제: 자동차 모델의 군집화

Chapter 4 Apriori 알고리즘
4.1 연관분석 개요
4.2 Apriori 알고리즘의 기본 원리
4.3 Apriori 알고리즘의 예시
4.4 파이썬 기반 분석
4.5 응용: 온라인 유통 상품의 연관성 분석
요약
연습문제
응용문제: ‘Adult’ 인구 조사 데이터 분석

Chapter 5 K-최근접 이웃 알고리즘
5.1 KNN 개요
5.2 KNN 기본 원리
5.3 KNN의 예시
5.4 파이썬 기반 분류
5.5 파이썬 기반 회귀
5.6 응용: 유방암 진단
요약
연습문제
응용문제: 붓꽃 종의 분류

Chapter 6 서포트 벡터 머신
6.1 SVM 개요
6.2 SVM의 기본 원리
6.3 SVM의 예시
6.4 파이썬 기반 분류
6.5 응용: 유방암 진단
요약
연습문제
응용문제: 붓꽃 종의 분류

Chapter 7 C5.0
7.1 의사결정나무 분석 개요
7.2 C5.0의 기본원리
7.3 C5.0의 예시
7.4 파이썬 기반 분석
7.5 응용: 붓꽃 종의 분류
요약
연습문제
응용문제: 유방암 진단

Chapter 8 경사하강법
8.1 경사하강법 개요
8.2 경사하강법의 기본 원리
8.3 경사하강법의 예시
8.4 파이썬 기반 분석
8.5 응용: 당노병 진단(단순회귀)
요약
연습문제
응용문제: 당뇨병 진단(다중 회귀분석)

Chapter 9 인공신경망과 퍼셉트론
9.1 인공신경망의 개요
9.2 퍼셉트론의 기본 원리
9.3 퍼셉트론의 예시
9.4 파이썬 기반 분석
9.5 응용: 붓꽃의 분류
요약
연습문제
응용문제 1: AND / XOR 연산의 분류문제
응용문제 2: 이진 분류

Chapter 10 다층 퍼셉트론과 딥러닝
10.1 딥러닝 개요
10.2 다층 퍼셉트론과 XOR 예시
10.3 역전파 기본 원리
10.4 파이썬 기반 XOR 연산
10.5 파이썬 기반 비선형 함수의 회귀분석
요약
연습문제
응용문제 1: 이진 분류
응용문제 2: 비선형 함수의 회귀분석

Chapter 11 딥러닝: 회귀분석
11.1 회귀분석 예시: 보스톤 주택가격 예측
11.2 딥러닝 모형 개요
11.3 파이썬 기반 분석
11.4 과적합과 드롭아웃 모형
요약
연습문제
응용문제 1: 당뇨병 진단
응용문제 2: 와인 평가

Chapter 12 딥러닝: 분류분석
12.1 분류문제 예시: MINST 손글씨 분류
12.2 딥러닝 모형 개요
12.3 파이썬 기반 분석
12.4 과적합과 드롭아웃 모형
요약
연습문제
응용문제 1: 붓꽃의 종 분류
응용문제 2: 패선 MNIST 이미지 분류
응용문제 3: 와인 분류

Chapter 13 합성곱 신경망의 이미지 분류
13.1 합성곱 신경망의 개요
13.2 합성곱 신경망의 모형 구조와 기본 원리
13.3 파이썬 기반 분석
요약
연습문제
응용문제: 패선 MNIST 이미지 분류

부록
참고문헌
찾아보기