추가 적립 안내

쉽고 간단한 예제를 이용한 빅데이터분석 및 인공지능 실습!
빅데이터 분석을 위한 Numpy, Pandas 기능과 그래프 툴인 Matplot 기능 활용!

이 책은 파이썬의 기초를 익히고 빅데이터 분석과 인공지능의 기초지식을 확립하기 위해 기본이론과 다양한 실습예제들로 공부하는 개론서이다. 인공지능을 수행하기 위해서는 빅데이터가 입력으로 주어지며 이를 가공하여 분석할 수 있는 빅데이터 분석기술이 필요하다. 이를 위해 현재 각광을 받고 있는 구글의 주피터 노트북(Jupyter Notebook)환경에서 넘파이(Numpy)와 판다스(Pandas)를 사용할 수 있는 파이썬(Python)을 실습을 통해 익힌다.

파이썬의 기초부터 기계학습과 딥러닝까지!

이 책은 인공지능을 공부하고 싶어 하는 초보자를 위한 개론서로서 파이썬의 기초에서 시작하여 빅데이터 분석과 인공지능 입문까지의 내용을 모두 담고 있다. 기본 이론과 다양한 예제 중심의 학습 방법으로 책을 구성하였으며, Part 1에서는 파이썬 기초를, Part 2에서는 빅데이터 분석을, Part 3에서는 인공지능과 기계학습을 중점적으로 다루었다.

개정2판에서 추가 및 업데이트 된 내용
■ 데이터 파일(csv)을 학습과 테스트에 사용할 수 있도록 준비하는 전처리 코드 추가
■ csv 파일을 Pandas로 변환 시 발생하는 유니코드 오류 처리
■ 공공데이터를 활용한 다양한 머신러닝 실습 예제 추가
■ 머신러닝 모델(결정트리, k-NN, SVM)의 회귀 방식에 대한 설명 보완

빅데이터와 인공지능 학습에 대한 솔직하고 강력한 대안!

인공지능에 대한 책들이 무수히 쏟아져 나오고 있는 현실에서 이 책은 꼭 필요한 내용만 간추려 내용을 이어나간다. 빅데이터와 인공지능을 이해하기 위한 도구로서 파이썬을 채택하여 풀어나가고 있는데, 이것은 파이썬의 접근성과 활용성을 생각할 때 적합한 결정이었다고 본다. 책 전체의 구성은 세 개의 파트, 즉 파이썬, 빅데이터 분석 그리고 인공지능으로 되어 있는데 특히 빅데이터 분석 부분과 인공지능의 내용이 너무 어렵지 않게 예제를 들어 잘 설명하고 있는 것은 눈여겨 볼 대목이다. 특히 Numpy, Pandas, Matplot의 기능을 적절히 활용한 것은 책의 볼륨을 생각할 때 놀라운 시도이지만 이것이 단순한 설명으로 끝나는 것이 아닌 예제와 맞물린 하나의 툴(tool)로서 독자들로 하여금 자연스럽게 학습할 수 있게 하고 있다.

인공지능은 전통적인 인공지능에서 출발하여 현재는 크게 기계학습과 딥러닝으로 나뉘며 기존 산업 구조 전반에 걸쳐 빠른 속도로 제4차 산업혁명을 이끌고 있는 기술이다. 자신이 원하는 빅데이터를 인터넷에서 쉽게 구할 수 있으며 간단한 명령문으로 그래프 등의 결과를 얻을 수 있을 뿐만 아니라 기계학습의 짧은 코드를 통하여 예측된 결과를 볼 수 있는 것만으로도 큰 흥미와 재미를 가져볼 수 있을 것이다.

[part 1 파이썬의 기초]

Chapter 01 파이썬의 기초
1.1 파이썬 설치

Chapter 02 변수와 입출력함수
2.1 데이터형과 변수
2.2 변수의 연산
2.3 입출력함수

Chapter 03 조건문과 반복문
3.1 조건문
3.2 반복문
3.3 break/continue

Chapter 04 함수
4.1 사용자 정의 함수
4.2 함수의 응용

Chapter 05 문자열과 배열
5.1 문자열
5.2 배열의 종류

Chapter 06 객체지향 프로그래밍
6.1 파이썬의 객체
6.2 클래스로 객체 만들기
6.3 생성자
6.4 데이터형 객체의 개념
6.5 다양하고 편리한 기능들
6.6 빈도수

[Part 2 빅데이터 분석]

Chapter 07 빅데이터 분석을 위한 환경 및 기능
7.1 빅데이터 분석 개요
7.2 개발환경 구축

Chapter 08 빅데이터 분석 초기 예제
8.1 DNA 프로젝트

Chapter 09 통계와 수학적 기능을 위한 Numpy
9.1 Numpy의 설치
9.2 Numpy의 기초

Chapter 10 빅데이터 분석을 위한 Plot 기능
10.1 Matplot의 기초
10.2 Numpy를 이용한 Plot 기능

Chapter 11 데이터프레임 처리를 위한 Pandas
11.1 Pandas의 기초

Chapter 12 빅데이터 가공 및 분석
12.1 빅데이터의 가공
12.2 Binning/Normalization
12.3 Data Formatting

Chapter 13 빅데이터 분석 과제
13.1 NetworkX
13.2 GPS를 이용한 철새 이동 파악

[Part 3 인공지능]

Chapter 14 기계학습의 기본 개념
14.1 기계학습의 단계
14.2 트리 분류자의 시각화

Chapter 15 기계학습 모델(Machine Learning Models)
15.1 지도학습의 개요
15.2 지도학습의 구조 및 방식
15.3 지도학습 모델의 종류
15.4 비지도학습의 개요 및 구조
15.5 과제

Chapter 16 딥러닝
16.1 딥러닝의 개요
16.2 문제 유형별 딥러닝 모델
16.3 딥러닝 모델의 성능
16.4 이미지와 시계열 처리모델