Python 3학년 머신러닝의 구조 - 체험으로 배우고! 대화 형식으로 공부!
모리 요시나오 (지은이),김성훈 (옮긴이)성안당2023-09-20
인공지능의 인기로 학습 필요성이 높아진 머신러닝 입문서. 인공지능 머신러닝을 실습해볼 수 있는 데이터세트는 이미 많이 공개되어 있다. 이 책의 장점은 이런 데이터세트를 실행하기 위한 파이썬 라이브러리를 포함하여 설치되는 배포판 아나콘다 설치 방법부터 파이썬 웹 인터프리터인 구글 코랩과 주피터 노트북(주피터랩)으로 누구나 실행할 수 있도록 그림과 설명으로 자세하고 쉽게 안내한다는 점이다.
머신러닝의 주요 개념으로 많이 인용되는 회귀, 분석, 클러스터링 같이 구부하기 어려운 개념도 척척 잡아주고, 파이썬 개발 환경의 차이는 물론이고 예를 들면 ‘분류’를 공부할 때 결정 트리와 랜덤 포레스트를 이용했을 때 정확도 차이 등 개념과 활용 면에서 비교해서 공부하기 어려운 부분을 완전히 이해해서 쉽게 설명하는 디테일이 훌륭하다.
목차
들어가며
이 책의 예제 테스트 환경
이 책의 대상 독자와 3학년 시리즈에 대하여
이 책을 읽는 방법
예제 파일과 회원 특전 PDF 다운로드 방법
제1장 머신러닝 준비
LESSON 01 머신러닝이 뭘까?
머신러닝이란?
데이터 분석과 머신러닝의 차이
LESSON 02 나눈다는 것은 이해한다는 것
머신러닝 알고리즘으로 하는 것은 ‘선을 그리는 일’
잘 나누기 위해서는 의미가 있는 특징량이 중요하다
LESSON 머신러닝을 준비하자
Colab Notebook 준비하기
Windows에 Jupyter Notebook 설치하기
macOS에 Jupyter Notebook 설치하기
제2장 샘플 데이터를 살펴보자
LESSON 04 scikit-learn 샘플 데이터 세트
붓꽃 품종 데이터 세트
LESSON 05 샘플 데이터 세트를 자동으로 생성하자
분류용 데이터 세트 자동 생성(클러스터)
분류용 데이터 세트 자동 생성(초승달)
분류용 데이터 세트 자동 생성(2중원)
분류용 데이터 세트 자동 생성(동심원)
회귀용 데이터 세트 자동 생성
제3장 머신러닝 과정을 이해하자
LESSON 06 데이터를 준비한다
LESSON 07 데이터를 학습용과 테스트용으로 나눈다
LESSON 08 모델을 선택해서 학습한다
LESSON 09 모델을 테스트한다
LESSON 10 새로운 값을 넘겨주고 예측한다
LESSON 11 분류 상태를 시각화한다
제4장 머신러닝의 다양한 알고리즘
LESSON 12 회귀: 선형 회귀
어떤 알고리즘일가?
모델 사용법
시험해보자
LESSON 13 분류: 로지스틱 회귀
어떤 알고리즘일까?
모델 사용법
시험해보자
LESSON 14 분류: SVM(서포트 벡터 머신)
모델 사용법
시험해보자
LESSON 15 분류: 결정 트리
어떤 알고리즘일가?
모델 사용법
시험해보자
LESSON 16 분류: 랜덤 포레스트
어떤 알고리즘일가?
모델 사용법
시험해보자
LESSON 17 k-NN(k 최근접 이웃법)
어떤 알고리즘일가?
모델 사용법
시험해보자
LESSON 16 클러스터링 k-means(k 평균법)
어떤 알고리즘일가?
모델 사용법
시험해보자
제5장 치노 다시 한 번! 이미지로 숫자를 예측하자
LESSON 19 데이터를 준비한다
새 노트북을 만든다
LESSON 20 학습 데이터를 준비한다
LESSON 21 학습하게 한다
LESSON 22 예측하게 한다
[Colab Notebook에서 업로드하는 경우]
[Jupyter Notebook에서 업로드하는 경우]
이미지를 읽고 숫자를 예측한다
LESSON 23 비지도 학습을 이용해 데이터를 표시해 보자
LESSON 24 앞으로 무엇을 공부하면 좋을까
찾아보기