0점 (0명)
좋아요 : 20
세련된 웹 2.0 서비스 구축을 위한 집단지성 프로그래밍!
이 책은 참여 중심의 인터넷 서비스에서 생성한 방대한 데이터를 이용하는 웹 2.0 서비스 구축 방법을 알려준다. 기계학습과 통계의 세계로 독자를 인도하여 매일 수집되는 사용자 데이터로부터 사용성, 마케팅, 개인성향, 행태분석에 대한 결론을 끌어내는 방법을 보여준다. 또한 웹 사이트, 블로그, 위키, 기타 특수 애플리케이션에서 바로 사용할 수 있는 깔끔하게 정리한 알고리즘을 코드와 함께 제공한다.
이 책의 주요 내용
- 온라인 소매상이 제품 또는 미디어를 추천할 때 사용하는 협업 필터링 기법
- 대용량 데이터에 내재된 유사 아이템 묶음을 검출할 때 사용하는 군집 기법
- 특정 문제에 대한 수백만 개의 해결책 중 최선책을 찾을 때 사용하는 최적화 알고리즘
- 단어유형 및 기타 특성을 이용한 문서분류 기술인 베이지안 필터링 기법
- 온라인 데이트 사이트에서 짝짓기에 사용되는 SVM 기술
- 문제 해결에 사용되는 유전자 프로그래밍
추천평
"이 책은 처음 AI 알고리즘과 사용법을 익히는 개발자에게 최고의 학습서다. 또한 나처럼 오랫동안 AI를 접해온 사람도 알고 있는 지식을 다시 돌아보는 데 최고다."
- 댄 러셀, 최고기술리더, 구글.
"토비의 책은 복잡한 기계학습 알고리즘 문제를 현재 웹에서 나타나는 상호작용 분석에 바로 적용할 수 있게 이해하기 쉬운 예제로 다뤘다. 2년 전에 출간했으면 결실 없이 헤맸던 아까운 내 시간을 많이 절약했을 좋은 책이다."
- 팀 월터스, CTO, Collective Intellect.
"집단지성 프로그래밍은 방대한 데이터를 처리하는데 필요한 계산 기법들을 친절하게 집대성한 주옥같은 책이다. 특히, 이 책에서 소개한 기술들은 인터넷상의 격리된 데이터 섬들에서 가치 있는 것을 찾는데 적용할 수 있다. 여러분이 인터넷 개발자라면 이 책을 꼭 소장 바란다."
- 파울 티마, 선임 소프트웨어 엔지니어, 구글
1장. 집단지성 소개
1.1 집단지성이란?
1.2 기계학습이란?
1.3 기계학습의 한계
1.4 실제 예
1.5 기계학습의 다른 사례
2장. 추천시스템 만들기
2.1 협업 필터링
2.2 선호 정보 수집
2.3 유사 사용자 찾기
2.4 항목 추천
2.5 제품 매칭
2.6 딜리셔스 링크 추천 기능 만들기
2.7 항목 기반 필터링
2.8 무비렌즈(MovieLens) 데이터 세트 이용하기
2.9 사용자 기반과 항목 기반 필터링
2.10 함께 풀어보기
3장. 군집 발견
3.1 감독 대 무감독 학습
3.2 단어 벡터
3.3 계층적 군집화
3.4 계통도 출력
3.5 세로줄 군집화
3.6 k평균 군집화
3.7 선호도 군집
3.8 2차원으로 데이터 보기
3.9 군집 가능한 다른 것들
3.10 함께 풀어보기
4장. 검색과 랭킹
4.1 검색엔진이란?
4.2 단순 크롤러
4.3 색인하기
4.4 검색하기
4.5 내용 기반 랭킹
4.6 유입 링크 사용하기
4.7 클릭 학습
4.8 함께 풀어보기
5장. 최적화
5.1 단체 여행
5.2 해답 표현하기
5.3 비용 함수
5.4 무작위 검색
5.5 언덕등반
5.6 시뮬레이티드 어닐링
5.7 유전자 알고리즘
5.8 비행편 검색 실제
5.9 선호도 최적화
5.10 네트워크 시각화
5.11 다른 가능성들
5.12 함께 풀어보기
6장. 문서 필터링
6.1 스팸 필터링
6.2 문서와 단어
6.3 분류기 훈련시키기
6.4 확률 계산
6.5 기본 분류기
6.6 피셔 방식
6.7 학습 정보 저장
6.8 블로그 피드 필터링
6.9 향상된 특성 검출법
6.10 Akismet 사용하기
6.11 다른 기법들
6.12 함께 풀어보기
7장. 의사결정트리
7.1 가입 유형 추정
7.2 의사결정트리 소개
7.3 트리 학습
7.4 최적 단편 선정
7.5 재귀적으로 트리 만들기
7.6 트리 출력하기
7.7 새로운 관찰 분류하기
7.8 트리 가지치기
7.9 손상된 데이터 다루기
7.10 숫자 결과 다루기
7.11 주택 가격 모델링
7.12 "인기도" 모델링
7.13 의사결정트리 활용 시점
7.14 함께 풀어보기
8장. 가격 모델링
8.1 예제 데이터 세트 만들기
8.2 kNN
8.3 물품 가중치
8.4 교차검증
8.5 이질 변수
8.6 축척 최적화
8.7 불균등 분포
8.8 실 데이터 - 이베이 API
8.9 적절한 kNN 활용 방법
8.10 함께 풀어보기
9장. 고급 분류 기법: 커널 기법과 SVM
9.1 중매 데이터 세트
9.2 데이터를 다루는 어려움
9.3 기본 선형 분류
9.4 분류 데이터의 특성
9.5 데이터 축척 조정
9.6 커널 기법 이해
9.7 지지벡터머신
9.8 LIBSVM 사용
9.9 페이스북 매칭
9.10 함께 풀어보기
10장. 독립 특성 발견
10.1 뉴스 코퍼스
10.2 이전 방식들
10.3 비음수 행렬 인수분해
10.4 결과 출력하기
10.5 주식시장 데이터 사용하기
10.6 함께 풀어보기
11장. 진화지성
11.1 유전자 프로그래밍이란?
11.2 프로그램을 트리로 표현하기
11.3 초기 개체군 만들기
11.4 해답 검증하기
11.5 프로그램 돌연변이 시키기
11.6 교배하기
11.7 환경 구축하기
11.8 간단한 게임
11.9 다른 가능성들
11.10 함께 풀어보기
12장. 알고리즘 요약
12.1 베이지안 분류기
12.3 신경망
12.4 지지벡터머신
12.5 KNN
12.6 군집화
12.7 다차원 비례 축소법
12.8 비음수 행렬 인수분해
12.9 최적화
부록 A. 외부 라이브러리
부록 B. 수학 공식
자료 다운로드시 유의사항
▶ 부록/자료 관련 FAQ
| 자료명 | 등록일 | 다운로드 |
|---|---|---|
 예제소스 |
2020-11-13 | 다운로드 |
-
\22,000
만들면서 배우는 기계 학습: 생각을 만드는 빅데이터 기술
오다카 토모히로
오탈자 등록
