한빛미디어

요즘 PyTorch나 TensorFlow같은 딥러닝 프레임워크들이 큰 인기를 끌면서, 많은 입문자들이

딥러닝으로 머신러닝을 입문하고 있다. 과거의 다양한 머신러닝 기법들과 비교하여, 딥러닝

은 이론적인 이해가 수월하고 (물론 신경망의 특성과 연산 종류, Optimizer등 최적화를 위한

방법들을 제대로 이해하기 위해서는 수학적/통계학적 배경지식이 많이 요구된다) 상황이 잘

갖춰졌을때 성능이 더 뛰어나기 때문에, 딥러닝을 요술방망이처럼 생각하는 사람들도 많이

증가하고있다.

하지만, 현실의 문제들을 해결할 때는 상항에 따라 제약사항들이 있고, 그 안에서 문제를 해결

해야하므로, 모든 문제들을 하나의 기법으로 해결할 수는 없다. 그렇기때문에 이책을 읽어보는

것을 추천한다. 머신러닝을 실제 문제에 적용하는 것이 머신러닝에서 가장 어려운 부분이다. 이

책을 읽으면서 다양한 알고리즘들을 Scikit-learn을 통해서 학습하고, 그 과정에서 현실의 문제

들에 대해 머신러닝을 적용할 수 있는 기반을 다질 수 있다.

이 책은 파이썬 라이브러리인 Scikit-learn을 이용하여 다양한 머신러닝 알고리즘들을 설명

한다. 크게 설명하는 부분은 아래의 세가지다

  1. 머신러닝 알고리즘

  2. 피쳐 엔지니어링 및 모델 최적화

  3. 머신러닝 파이프라인

머신러닝 알고리즘들은 데이터에 타겟 값이 주어지는 지도학습과 그렇지 않은 비지도 학습으로

나누어 설명을 한다. 지도학습의 알고리즘들의 모델 복잡도에 따른 일반화와 적합에 대한 개념

을 자세히 설명하며, 비지도 학습에서는 데이터 전처리기법과 전처리된 데이터에서 특성을 인식

하는 알고리즘들을 설명한다. 

이를 통해서 독자는 자신이 해결하려는 문제를 모델링하고, 어떤 알고리즘을 이용할 수 있

는지에 대한 기초를 다지게 된다. 그리고 그 해결과정에서 피쳐 엔지니어링과 모델 최적화를

통해 더 나은 결과를 얻는 방법들을 알게되며, 최종적으로 머신러닝 파이프라인을 구축하여

실제 복잡한 문제를 다양한 알고리즘들로 풀어낼 수 있는 방법을 배울 수 있다.

이 책은 입문서로 매우 적절하며, 이 책을 읽은 이후에 흥미에 따라 머신러닝 알고리즘들을

직접 구현해보거나, 실제 문제에 적용해보는 것도 재밌는 과정이 될 것이다. 또한 머신러닝

관련 연구를 위해서 배경지식을 쌓기에도 매우 적절한 책이다.