추가 적립 안내

〈나는 파이썬으로 머신러닝한다 2 약간 매운맛〉

파이썬 문법과 머신러닝 기초 입문 도서 ‘나는 파이썬으로 머신러닝한다 1(순한맛)’에 이은 ‘나는 파이썬으로 머신러닝한다 2(약간 매운맛)’은 머신러닝 알고리즘의 핵심 원리와 실제 적용을 체계적으로 익힐 수 있는 안내서입니다.

2015개정 교육 과정 교과서 집필에 참여한 저자의 교육 경험을 바탕으로 인공지능의 원리를 좀 더 자세히 알고자 하는 분들을 위해 자세한 설명과 그림을 수록하여 학습자뿐만 아니라 학생들을 지도하시는 선생님들에게 도움이 될 수 있도록 내용을 구성하였습니다.

머신러닝 알고리즘의 원리를 학습자의 눈높이에서 이해할 수 있도록 각 PART를 개념 학습 + 실습 학습으로 구성하여 학습자들이 머신러닝 알고리즘에 대한 전반적인 이해를 도울 수 있는 개념과(개념 학습), 활동에 제시된 문제를 해결하기 위해 알고리즘의 주요 용어, 특징(맛보기), 모델 학습에 사용한 머신러닝 알고리즘의 핵심 원리를 깊이 있게 탐구(더 자세히) 할 수 있도록 하였습니다.

〈교재 구성〉

PART 1
〈PART 1〉에서는 ‘분류하는 인공지능’ 영역에서는 레이블이 있는 데이터셋을 학습하여 주어진
데이터를 정해진 몇 가지 클래스로 구별하는 분류(classification)에 대해 배웁니다.

PART 2
〈PART 2〉에서는 ‘묶어 주는 인공지능’ 영역에서는 정답이 주어지지 않은 데이터의 특징들을 분석한 다음, 유사한 성질을 가진 데이터끼리 모아 같은 그룹으로 묶는 군집화(clustering)에 대해 배웁니다.

PART 3
〈PART 3〉에서는 ‘예측하는 인공지능’ 영역에서는 한 개 이상의 독립변수가 연속적인 값을 갖는 종속변수에 영향을 주어 두 변수 사이에 선형 관계를 갖는 선형 회귀 분석과 0과 1처럼 범주형 값을 예측하는 로지스틱 회귀 분석에 대해 배웁니다.


|특장점|
이 책은 3개의 Part로 구성되어 있으며 각 Part에서는 지도학습의 분류, 비지도학습, 지도학습의 회귀를 소개하고 있습니다.

PART 1, 2에서 각각 지도학습의 분류, 비지도학습의 군집과 차원 축소에 대한 다양한 머신러닝 알고리즘의 원리를 학습한 후, PART 3에서 지도학습의 회귀로 마무리합니다. 이를 통해 이후 등장할 딥러닝 모델 학습 방식에 대한 준비 학습까지 마치게 됩니다.

‘개념 학습’에서는 각 PART의 머신러닝 유형과 알고리즘에 대한 전반적인 이해를 도울 수 있도록 하였습니다.

‘맛보기’에서 활동에 제시된 문제를 해결하기 위하여 머신러닝 모델 학습에서 등장하는 알고리즘의 주요 용어, 특징 등을 미리 살펴봅니다.

‘더 자세히’에서는 모델 학습에 사용한 머신러닝 알고리즘의 핵심 원리를 자세히, 깊이 있게 탐구합니다.

Part 1, 2, 3에서 배운 내용을 실습해 볼 수 있는 실습 문제를 수록하였습니다.

하루 1시간 한 달이면 완성하는 학습 플래너를 제공하여 꼭 필요한 내용을 학습하고 스스로 점검할 수 있도록 하였습니다.

이현아(세종과학예술영재학교 교사)
차근차근 따라 하다 보면 다양한 머신러닝의 원리를 익힐 수 있는 책! 이 책은 프로그래밍 실습을 통해 지도학습, 비지도학습의 개념을 공부할 수 있어요. 책을 읽고 나면 내가 해결하고 싶은 문제의 데이터셋을 준비해서 나만의 인공지능을 만들고 싶
어질 거예요.

윤진석(서라벌고등학교 교사)
파이썬으로 인공지능 모델을 만들 때 궁금한 부분이 있었습니다. 대체 이 인공지능 알고리즘이 학습하고 예측하는 원리는 무엇일까? 모델을 만들 때 입력하는 각종 하이퍼파라미터들은 어떤 의미가 있는 걸까? 이 궁금증을 쉽고 명쾌하게 해결해 주는
것이 바로 이 책입니다. 여러분들도 이 책을 읽으며 작가님의 글솜씨에 빠져들어 보세요!

서미란(수일고등학교 교사)
흥미롭고 다양한 예제를 통해 어려운 인공지능 알고리즘의 핵심 지식을 꼼꼼하고 쉽게 설명하고 있습니다. 책에서 안내하는대로 차근차근 실습을 하다 보면 인공지능을 활용한 문제 해결의 원리와 방법을 자연스럽게 익힐 수 있도록 구성되어 있습니다. 노코딩 인공지능 실습을 해 본 경험이 있는 사람들이 파이썬을 활용한 인공지능 데이터 분석에 도전할 때 좋은 안내가 될 수 있을 것입니다. 가르치는 교사와 배우는 학생 모두에게 좋은 길잡이가 되어주길 기대해 봅니다.

이태화(LAH 대표)
막연히 어렵다고 생각할 수 있는 인공지능을 직관적으로 설명하고 있습니다. 어려울 수 있는 내용을 쉽게 이해할 수 있는 비유와 그림부터 코드, 시각화, 나아가서 튜닝까지, 인공지능에 필요한 모든 단계를 쉽게 따라갈 수 있습니다. 더 나아가 데이터를 다루는 모든 코드에 ‘해석’이 있어, 학습하는 독자뿐만 아니라 이 책을 교재로 쓰는 독자까지 명쾌하게 인공지능을 이해할 수 있습니다.

준비 학습
1. 머신러닝 학습 플래너
2. 실습 환경 소개

Part 1. 분류하는 인공지능
정답을 예측하는 지도학습
1. 어떤 종류의 펭귄일까?(k-Nearest Neighbors)
2. 너는 어느 별이야?(Decision Tree)
3. 어떤 영화가 흥행할까?(Random Forest)
4. 어떤 장르의 음악일까? (Support Vector Machine)

Part 2. 묶어 주는 인공지능
같은 것끼리 묶어 주는 비지도학습
1. 품종 정보가 없는 붓꽃을 어떻게 분할할까?(k-means)
2. 고차원의 데이터를 저차원으로 줄일 수 있을까?(Principal Component Analysis)

Part 3. 예측하는 인공지능
값을 예측하는 인공지능
1. 광고 플랫폼에 따른 판매량을 예측해 볼까?(Linear Regression)
2. 스팸일까 아닐까?(Logistic Regression)


부록
실습 노트
찾아보기