한빛미디어

 

 

 

0. 소개

 

인공지능 알고리즘인 머신러닝과 딥러닝에 대해 잘 정리되어 있는 책입니다.

 

쉽게 쓰여져 있어 인공지능에 입문하기에 좋은 책입니다. 

 

인공지능이라는 분야 자체가 가져다주는 무게감으로 인해 입문하기가 어려웠던 독자들에게 도움이 될 것 같습니다.

 

또한, 핸즈 온 머신러닝의 번역을 맡으신 박해선 번역가님이 번역을 맡으신 것도 이 책의 큰 장점 중 하나입니다.

1. 구성

 

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 ▶️인경 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

 

 

2. 대상 독자

 

머신러닝과 딥러닝에 대해 궁금하신 분, 인공지능에 입문하고 싶으신 분들에게 이 책을 추천합니다.

 

 

한빛미디어 '나는 리뷰어다' 활동을 위해서 책을 제공받아 작성된 서평입니다.