[특징] 하나, 탄탄한 학습 설계 : ‘입문자 맞춤형 7단계 구성’을 따라가며 체계적으로 반복 학습한다 이 책은 머신러닝과 딥러닝의 핵심 내용을 7단계에 걸쳐 반복 학습하면서 자연스럽게 머릿속에 기억되도록 구성했다. 모든 절에서 [핵심 키워드]와 [시작하기 전에]를 통해 각 절의 주제에 대한 대표 개념을 워밍업한 후, 이론과 실습을 거쳐 마무리에서는 [핵심 포인트]와 [확인 문제]로 한번에 복습한다. ‘혼자 공부할 수 있는’ 커리큘럼을 그대로 믿고 끝까지 따라가다 보면 인공지능 공부가 난생 처음인 입문자도 무리 없이 책을 끝까지 마칠 수 있다! 둘, 파이썬만 안다면 프로젝트별 ‘손코딩’으로 머신러닝과 인공지능을 제대로 익힌다 파이썬 기초 지식이 있는 독자라면 이론 설명은 두 눈과 머리로 술술 읽으며 넘어가고, 직접 손코딩하며 실전 감각을 익히도록 엄선된 프로젝트 실습 예제를 담았다. 반복 학습과 연습이 가장 필수적인 입문자도, 실전형 코드로 연습하면서 책에 담긴 코드를 ‘나의 코드’로 만들 수 있다. 7장부터 시작하는 딥러닝은 머신러닝 중 4장 내용을 반복 학습한 다음에 익히도록 한다. 셋, ‘혼공’의 힘을 실어줄 동영상 강의, 학습 사이트 지원 http://hongong.hanbit.co.kr 책으로만 학습하기엔 여전히 어려운 입문자를 위해 저자 직강 동영상도 지원한다. 또 학습을 하며 궁금한 사항은 언제든 질문할 수 있도록 학습 사이트를 제공한다. 저자가 질문 하나하나 직접 답변하고 있으며, 관련 최신 기술과 정보도 공유한다. 게다가 혼자 공부하는 그 길에 함께 공부하기를 원하는 사람들의 모임인 혼공 학습단을 운영하여 마지막까지 포기하지 않고 독자가 완주할 수 있도록 최대한 지원하고 있다. 넷, 언제 어디서든 가볍게 볼 수 있는 혼공 필수 [용어 노트] 제공 꼭 기억해야 할 핵심 개념과 용어만 따로 정리한 [용어 노트]를 제공한다. 처음 프로그래밍에 입문하는 사람에게 낯선 용어가 어렵듯이 머신러닝과 딥러닝을 처음 접하는 사람에게도 낯선 용어가 진입 장벽이 된다는 것을 베타리더를 통해 확인했고, 어려운 것이 아니라 익숙하지 않아서 헷갈리는 것이므로 잘 생각나지 않을 때는 언제든 부담 없이 펼쳐보자. 제시된 용어 외에도 새로운 용어를 추가하면서 자신만의 용어 노트를 완성해가는 것도 또 다른 재미가 될 것이다. 다섯, 스토리텔링 속 주인공과 함께 독자도 성장 낯설고 어렵기만 한 이론을 풀기 위해서 한빛 마켓에 입사한 신입사원이 업무에서 머신러닝, 딥러닝을 어떻게 활용하는지를 스토리텔링으로 풀었다. 앱에 새로운 기능을 더해가는 신입사원의 이야기를 통해 독자도 함께 머신러닝, 딥러닝을 학습할 수 있도록 구성했다. 각 절의 끝에는 [문제해결 과정]을 두어 신입사원이 어떤 과정을 통해 문제를 해결했는지 간략하게 정리한다. 7. 먼저 읽은 베타리더들의 한 마디 ? 이 책 하나만 있어도 충분히 인공지능 기초를 다질 수 있다고 자신있게 얘기할 수 있습니다. _이동훈 님 ? 기초 개념과 핵심 키워드, 복습을 도와주는 마무리, 확인 문제 등 내용이 알차서 머신러닝과 딥러닝을 처음 시작하는 입문자에게 많은 도움이 될 것 같아 추천합니다. _이석곤 님 ? 책 속의 주인공이 문제를 해결하며 머신러닝 개발자로 성장하는 과정을 통해 머신러닝을 어떻게 활용할지 자연스럽게 습득할 수 있습니다. _김윤태 님 ? 컴퓨터 설정부터 차근차근 알려주는 책이라 좋았습니다. 의료나 산업, 경영 등에도 접목할 수 있으리라 기대합니다. _김현수 님 ? 일상 비즈니스를 사례로 들고 쉬운 알고리즘을 활용해 머신러닝의 개념을 익힐 수 있습니다. 코랩을 활용한 덕에 초보자에게 진입 장벽을 낮춰줍니다. _허민 님 ? “조금 더 공부하고 싶다”란 생각을 가질 수 있게 해준 책이라 더욱 고맙게 느껴집니다. _도혜리 님 ? 이론을 충실하게 설명하면서도 이론을 체감할 수 있는 코드의 배치도 아주 절묘합니다. 독학으로 딥러닝 실무를 익히기 위한 책을 한 권만 고르라면 이 책이지 않을까요? _ 임지순 님 [누구를 위한 책인가요?] ? 인공지능, 머신러닝, 딥러닝 학습의 필요성을 인지하고 파이썬 정도의 기초 프로그래밍 언어를 입문한 독자 ? 머신러닝, 딥러닝에 관심은 있지만 너무 어려운 내용으로 시도가 힘들었던 독자 ? 개념만 어렴풋이 아는 데 그쳐버리거나 여전히 각 의미가 헷갈려 제대로 낮은 단계부터 다시 배우려는 독자

Chapter 01 나의 첫 머신러닝 ▶ 이 생선의 이름은 무엇인가요? __ 01-1 인공지능과 머신러닝, 딥러닝 ▶ 인공지능과 머신러닝, 딥러닝은 무엇일까요? ____ 인공지능이란 ____ 머신러닝이란 ____ 딥러닝이란 ____ 키워드로 끝내는 핵심 포인트 ____ 이 책에서 배울 것은 __ 01-2 코랩과 주피터 노트북 ▶ 코랩과 주피터 노트북으로 손코딩 준비하기 ____ 구글 코랩 ____ 텍스트 셀 ____ 코드 셀 ____ 노트북 ____ 키워드로 끝내는 핵심 포인트 ____ 표로 정리하는 툴바와 마크다운 ____ 확인 문제 __ 01-3 마켓과 머신러닝 ▶ 마켓을 예로 들어 머신러닝을 설명합니다. ____ 생선 분류 문제 ____ 첫 번째 머신러닝 프로그램 ____ [문제해결 과정] 도미와 빙어 분류 ____ 키워드로 끝내는 핵심 포인트 ____ 핵심 패키지와 함수 ____ 확인 문제 Chapter 02 데이터 다루기 ▶ 수상한 생선을 조심하라! __ 02-1 훈련 세트와 테스트 세트 ▶ 모델을 훈련 시키는 훈련 세트와 검증하는 테스트 세트로 나누어 학습하기 ____ 지도 학습과 비지도 학습 ____ 훈련 세트와 테스트 세트 ____ 샘플링 편향 ____ 넘파이 ____ 두 번째 머신러닝 프로그램 ____ [문제해결 과정] 훈련 모델 평가 ____ 키워드로 끝내는 핵심 포인트 ____ 핵심 패키지와 함수 ____ 확인 문제 __ 02-2 데이터 전처리 ▶ 정교한 결과 도출을 위한 데이터 전처리 알아보기 ____ 넘파이로 데이터 준비하기 ____ 사이킷런으로 훈련 세트와 테스트 세트 나누기 ____ 수상한 도미 한 마리 ____ 기준을 맞춰라 ____ 전처리 데이터로 모델 훈련하기 ____ [문제해결 과정] 스케일이 다른 특성 처리 ____ 키워드로 끝나는 핵심 포인트 ____ 핵심 패키지와 함수 ____ 확인 문제 Chapter 03 회귀 알고리즘과 모델 규제 ▶ 농어의 무게를 예측하라! __ 03-1 k-최근접 이웃 회귀 ▶ 회귀 문제를 이해하고 k-최근접 이웃 알고리즘으로 풀어 보기 ____ k-최근접 이웃 회귀 ____ 데이터 준비 ____ 결정계수(R2) ____ 과대적합 vs 과소적합 ____ [문제해결 과정] 회귀 문제 다루기 ____ 키워드로 끝내는 핵심 포인트 ____ 핵심 패키지와 함수 ____ 확인 문제 __ 03-2 선형 회귀 ▶ 사이킷런으로 선형 회귀 모델 만들어 보기 ____ k-최근접 이웃의 한계 ____ 선형 회귀 ____ 다항 회귀 ____ [문제해결 과정] 선형 회귀로 훈련 세트 범위 밖의 샘플 예측 ____ 키워드로 끝내는 핵심 포인트 ____ 핵심 패키지와 함수 ____ 확인 문제 __ 03-3 특성 공학과 규제 ▶ 특성 공학과 규제 알아보기 ____ 다중 회귀 ____ 데이터 준비 ____ 사이킷런의 변환기 ____ 다중 회귀 모델 훈련하기 ____ 규제 ____ 릿지 회귀 ____ 라쏘 회귀 ____ [문제해결 과정] 모델의 과대적합을 제어하기 ____ 키워드로 끝내는 핵심 포인트 ____ 핵심 패키지와 함수 ____ 확인 문제 Chapter 04 다양한 분류 알고리즘 ▶ 럭키백의 확률을 계산하라! __ 04-1 로지스틱 회귀 ▶ 로지스틱 회귀 알고리즘을 배우고 이진 분류 문제에서 클래스 확률 예측하기 ____ 럭키백의 확률 ____ 로지스틱 회귀 ____ [문제해결 과정] 로지스틱 회귀로 확률 예측 ____ 키워드로 끝내는 핵심 포인트 ____ 핵심 패키지와 함수 ____ 확인 문제 __ 04-2 확률적 경사 하강법 ▶ 경사 하강법 알고리즘을 이해하고 대량의 데이터에서 분류 모델을 훈련하기 ____ 점진적인 학습 ____ SGDClassifier ____ 에포크와 과대/과소적합 ____ [문제해결 과정] 점진적 학습을 위한 확률적 경사 하강법 ____ 키워드로 끝내는 핵심 포인트 ____ 핵심 패키지와 함수 ____ 확인 문제 Chapter 05 트리 알고리즘 ▶ 화이트 와인을 찾아라! __ 05-1 결정 트리 ▶ 결정 트리 알고리즘을 사용해 새로운 분류 문제 다루기 ____ 로지스틱 회귀로 와인 분류하기 ____ 결정 트리 ____ [문제해결 과정] 이해하기 쉬운 결정 트리 모델 ____ 키워드로 끝내는 핵심 포인트 ____ 핵심 패키지와 함수 ____ 확인 문제 __ 05-2 교차 검증과 그리드 서치 ▶ 검증 세트가 필요한 이유를 이해하고 교차 검증해 보기 ____ 검증 세트 ____ 교차 검증 ____ 하이퍼파라미터 튜닝 ____ [문제해결 과정] 최적의 모델을 위한 하이퍼파라미터 탐색 ____ 키워드로 끝내는 핵심 포인트 ____ 핵심 패키지와 함수 ____ 확인 문제 __ 05-3 트리의 앙상블 ▶ 앙상블 학습을 알고 실습해 보기 ____ 정형 데이터와 비정형 데이터 ____ 랜덤 포레스트 ____ 엑스트라 트리 ____ 그레이디언트 부스팅 ____ 히스토그램 기반 그레이디언트 부스팅 ____ [문제해결 과정] 앙상블 학습을 통한 성능 향상 ____ 키워드로 끝내는 핵심 포인트 ____ 핵심 패키지와 함수 ____ 확인 문제 Chapter 06 비지도 학습 ▶ 비슷한 과일끼리 모으자! __ 06-1 군집 알고리즘 ▶ 흑백 이미지 분류 방법과 비지도 학습, 군집 알고리즘 이해하기 ____ 과일 사진 데이터 준비하기 ____ 픽셀값 분석하기 ____ 평균값과 가까운 사진 고르기 ____ [문제해결 과정] 비슷한 샘플끼리 모으기 ____ 키워드로 끝내는 핵심 포인트 ____ 확인 문제 __ 06-2 k-평균 ▶ k-평균 알고리즘 작동 방식을 이해하고 비지도 학습 모델 만들기 ____ k-평균 알고리즘 소개 ____ KMeans 클래스 ____ 클러스터 중심 ____ 최적의 k 찾기 ____ [문제해결 과정] 과일을 자동으로 분류하기 ____ 키워드로 끝내는 핵심 포인트 ____ 핵심 패키지와 함수 ____ 확인 문제 __ 06-3 주성분 분석 ▶ 차원을 알고 차원 축소 알고리즘 PC 모델 만들기 ____ 차원과 차원 축소 ____ 주성분 분석 소개 ____ PCA 클래스 ____ 원본 데이터 재구성 ____ 설명된 분산 ____ 다른 알고리즘과 함께 사용하기 ____ [문제해결 과정] 주성분 분석으로 차원 축소 ____ 키워드로 끝내는 핵심 포인트 ____ 핵심 패키지와 함수 ____ 확인 문제 Chapter 07 딥러닝을 시작합니다 ▶ 패션 럭키백을 판매합니다! __ 07-1 인공 신경망 ▶ 텐서플로로 간단한 인공 신경망 모델 만들기 ____ 패션 MNIST ____ 로지스틱 회귀로 패션 아이템 분류하기 ____ 인공 신경망 ____ 인공 신경망으로 모델 만들기 ____ 인공 신경망으로 패션 아이템 분류하기 ____ [문제해결 과정] 인공 신경망 모델로 성능 향상 ____ 키워드로 끝내는 핵심 포인트 ____ 핵심 패키지와 함수 ____ 확인 문제 __ 07-2 심층 신경망 ▶ 인공 신경망에 층을 추가하여 심층 신경망 만들어 보기 ____ 2개의 층 ____ 심층 신경망 만들기 ____ 층을 추가하는 다른 방법 ____ 렐루 활성화 함수 ____ 옵티마이저 ____ [문제해결 과정] 케라스 API를 활용한 심층 신경망 ____ 키워드로 끝내는 핵심 포인트 ____ 핵심 패키지와 함수 ____ 확인 문제 __ 07-3 신경망 모델 훈련 ▶ 인공 신경망 모델 훈련의 모범 사례 학습하기 ____ 손실 곡선 ____ 검증 손실 ____ 드롭아웃 ____ 모델 저장과 복원 ____ 콜백 ____ [문제해결 과정] 최상의 신경망 모델 얻기 ____ 키워드로 끝내는 핵심 포인트 ____ 핵심 패키지와 함수 ____ 확인 문제 Chapter 08 이미지를 위한 인공 신경망 ▶ 패션 럭키백의 정확도를 높입니다! __ 08-1 합성곱 신경망의 구성 요소 ▶ 합성곱 신경망의 개념과 동작 원리를 배우고 간단한 실습하기 ____ 합성곱 ____ 케라스 합성곱 층 ____ 합성곱 신경망의 전체 구조 ____ [문제해결 과정] 합성곱 층과 풀링 층 이해하기 ____ 키워드로 끝내는 핵심 포인트 ____ 확인 문제 __ 08-2 합성곱 신경망을 사용한 이미지 분류 ▶ 케라스 API로 합성곱 신경망 모델 만들기 ____ 패션 MNIST 데이터 불러오기 ____ 합성곱 신경망 만들기 ____ 모델 컴파일과 훈련 ____ [문제해결 과정] 케라스 API로 합성곱 신경망 구현 ____ 키워드로 끝내는 핵심 포인트 ____ 핵심 패키지와 함수 ____ 확인 문제 __ 08-3 합성곱 신경망의 시각화 ▶ 신경망이 이미지에서 학습하는 게 무엇인지 이해하기 ____ 가중치 시각화 ____ 함수형 API ____ 특성 맵 시각화 ____ [문제해결 과정] ____ 시각화로 이해하는 합성곱 신경망 ____ 키워드로 끝내는 핵심 포인트 ____ 핵심 패키지와 함수 ____ 확인 문제 Chapter 09 텍스트를 위한 인공 신경망 ▶ 한빛 마켓의 댓글을 분석하라! __ 09-1 순차 데이터와 순환 신경망 ▶ 순차 데이터의 특징과 개념 이해하기 ____ 순차 데이터 ____ 순환 신경망 ____ 셀의 가중치와 입출력 ____ [문제해결 과정] 순환 신경망으로 순환 데이터 처리 ____ 키워드로 끝내는 핵심 포인트 ____ 확인 문제 __ 09-2 순환 신경망으로 IMDB 리뷰 분류하기 ▶ 텐서플로 순환 신경망으로 영화 리뷰 분류하기 ____ IMDB 리뷰 데이터셋 ____ 순환 신경망 만들기 ____ 순환 신경망 훈련하기 ____ 단어 임베딩을 사용하기 ____ [문제해결 과정] 케라스 API로 순환 신경망 구현 ____ 키워드로 끝내는 핵심 포인트 ____ 핵심 패키지와 함수 ____ 확인 문제 __ 09-3 LSTM과 GRU 셀 ▶ 순환 신경망의 중요 기술을 사용해 모델 만들어 보기 ____ LSTM 구조 ____ LSTM 신경망 훈련하기 ____ 순환층에 드롭아웃 적용하기 ____ 2개의 층을 연결하기 ____ GRU 구조 ____ GRU 신경망 훈련하기 ____ [문제해결 과정] LSTM과 GRU 셀로 훈련 ____ 키워드로 끝내는 핵심 포인트 ____ 핵심 패키지와 함수 ____ 확인 문제 __ 부록 A 한발 더 나아가기 __ 부록 B 에필로그 ____ 정답 및 해설 ____ 찾아보기