상세정보
미리보기
한 권으로 다지는 머신러닝&딥러닝 with 파이썬
- 저자
- 알베르토 아르타산체스,프라틱 조시 저/여인춘 역
- 출판사
- 한빛미디어
- 출판일
- 2021-11-09
- 등록일
- 2021-12-28
- 파일포맷
- PDF
- 파일크기
- 10MB
- 공급사
- YES24
- 지원기기
-
PC
PHONE
TABLET
프로그램 수동설치
뷰어프로그램 설치 안내
책소개
인공지능이 처음이라면! 개념과 예제로 머신러닝 탄탄하게 다지기『한 권으로 다지는 머신러닝&딥러닝 with 파이썬』은 인공지능 관련 핵심 개념부터 머신러닝과 딥러닝까지, 인공지능 구현에 필요한 모든 것을 담았다. 실제 시나리오를 살펴보면서 문제에 따라 어떤 알고리즘을 어떻게 적용하는지 학습한다. 예제는 파이썬과 텐서플로를 사용하며 파이썬 입문자도 쉽게 따라 할 수 있는 코드로 구성되었다. 파이썬 프로그래밍 경험이 있다면 코드를 자유롭게 활용해 원하는 프로그램을 만들어볼 수 있다.영화 추천 시스템 구축, 주식시장 분석, 객체 추적기 구축 등 흥미로운 예제를 따라 차근차근 학습하고 나면 다양한 인공지능 기술을 이해하고 상황에 맞춰 자신 있게 적용하는 자신을 발견하게 될 것이다. 이미지, 텍스트, 음성 등 다양한 데이터를 이해하는 똑똑한 애플리케이션을 지금 바로 만들어보자.
저자소개
데이터 과학자로서 25년이 넘게 여러 포춘 500대 기업과 스타트업에서 컨설팅을 했다. 인공지능과 알고리즘에 관한 폭넓은 경험이 있다. AWS Big Data Specialty와 Machine Learning Specialty를 포함해 여덟 가지 AWS 자격증을 보유하고 있다. AWS 엠버서더이며 다양한 데이터 과학 블로그에 자주 글을 쓴다. 데이터 과학, 빅데이터와 분석, 언더라이팅 최적화, 이상 거래 탐지와 같은 주제로 강연을 한다. 인공지능을 사용한 데이터 레이크 구축에 특히 관심이 있다.
목차
[1장 인공지능 소개]1.1 AI란 무엇인가1.2 AI를 왜 공부해야 하는가1.3 AI 종류1.4 머신러닝의 다섯 가지 그룹1.5 튜링 테스트를 사용한 지능 정의1.6 기계가 인간처럼 생각하도록 만들기1.7 합리적 에이전트 구축1.8 일반 문제 해결사1.9 지능형 에이전트 구축1.10 파이썬 3 설치1.11 패키지 설치1.12 데이터 로딩1.13 정리[2장 인공지능 사용 사례]2.1 대표적인 AI 사용 사례2.2 디지털 개인 비서와 챗봇2.3 자율 주행 자동차2.4 배송과 창고 관리2.5 인간의 건강2.6 지식 검색2.7 추천 시스템2.8 스마트 홈2.9 게임2.10 영화 제작2.11 인수 및 거래 분석2.12 데이터 정리와 변환 2.13 정리[3장 머신러닝 파이프라인]3.1 머신러닝 파이프라인이란 무엇인가3.2 문제 정의3.3 데이터 수집3.4 데이터 준비3.5 데이터 분리3.6 모델 훈련3.7 정리[4장 특성 선택과 특성 공학]4.1 특성 선택4.2 특성 공학4.3 정리[5장 지도 학습을 이용한 분류와 회귀]5.1 지도 학습 vs. 비지도 학습5.2 분류란 무엇인가5.3 데이터 전처리5.4 레이블 인코딩5.5 로지스틱 회귀 분류기5.6 나이브 베이즈 분류기5.7 컨퓨전 행렬5.8 서포트 벡터 머신5.9 서포트 벡터 머신을 사용한 소득 데이터 분류5.10 회귀란 무엇인가5.11 단일 변수 회귀 구축5.12 다변수 회귀 분석기 구축5.13 서포트 벡터 회귀를 사용해 주택 가격 추정하기5.14 정리[6장 앙상블 학습을 이용한 예측 분석]6.1 의사 결정 트리6.2 앙상블 학습6.3 랜덤 포레스트와 익스트림 랜덤 포레스트6.4 클래스 불균형 다루기6.5 그리드 검색을 사용해 최적의 훈련 매개변수 찾기6.6 상대적인 특성 중요도 계산하기6.7 익스트림 랜덤 포레스트 회귀자를 사용해 트래픽 예측하기6.8 정리[7장 비지도 학습을 이용한 패턴 감지]7.1 비지도 학습이란7.2 K-평균 알고리즘을 사용해 데이터 클러스터링하기7.3 가우시안 혼합 모델이란7.4 유사도 전파 모델을 사용해 주식시장에서 하위 그룹 찾기7.5 쇼핑 패턴에 따라 시장 분할하기7.6 정리[8장 추천 시스템 구축]8.1 최근접 이웃 추출8.2 K-최근접 이웃 분류기 생성8.3 유사성 점수 계산8.4 협업 필터링을 사용해 유사한 사용자 찾기8.5 영화 추천 시스템 구축8.6 정리[9장 논리 프로그래밍]9.1 논리 프로그래밍이란 무엇인가9.2 논리 프로그래밍 구성 요소 이해9.3 논리 프로그래밍을 사용한 문제 해결9.4 파이썬 패키지 설치9.5 수학적 표현 일치9.6 소수 검증9.7 가계도 구문 분석9.8 지도 분석9.9 퍼즐 솔버 구축9.10 정리[10장 휴리스틱 검색 기술]10.1 휴리스틱 검색은 인공지능인가10.2 휴리스틱 검색이란 무엇인가10.3 제약 충족 문제10.4 로컬 검색 기술10.5 탐욕 검색을 사용한 문자열 구성10.6 제약 충족 문제 해결하기10.7 영역 색상 문제 해결하기10.8 8-퍼즐 솔버 구축하기10.9 미로 찾기 구축하기 10.10 정리[11장 유전 알고리즘과 유전 프로그래밍]11.1 진화주의자 그룹11.2 진화와 유전 알고리즘11.3 유전 알고리즘의 기본 개념11.4 사전 정의된 매개변수로 비트 패턴 생성하기 11.5 진화 시각화하기11.6 심볼 회귀 문제 해결하기11.7 지능형 로봇 컨트롤러 구축하기11.8 유전 프로그래밍 사용 사례11.9 정리[12장 클라우드를 이용한 인공지능]12.1 기업이 클라우드로 마이그레이션하는 이유12.2 최상위 클라우드 제공 업체12.3 아마존 웹 서비스12.4 마이크로소프트 애저12.5 구글 클라우드 플랫폼12.6 정리[13장 인공지능을 이용한 게임 개발]13.1 게임에서 검색 알고리즘 사용하기13.2 조합 검색13.3 easyAI 라이브러리 설치13.4 마지막 동전 남기기 게임을 하는 봇 만들기13.5 틱택토 게임을 하는 봇 만들기13.6 커넥트포 게임을 하는 두 봇 만들기13.7 헥사폰 게임을 하는 두 봇 만들기13.8 정리[14장 음성 인식 구축]14.1 음성 신호 작업14.2 오디오 신호 시각화하기14.3 오디오 신호를 주파수 영역으로 변환하기14.4 오디오 신호 생성하기14.5 음악을 생성하기 위한 톤 합성하기14.6 음성 특성 추출하기 14.7 음성 인식하기14.8 정리[15장 자연어 처리]15.1 패키지 소개 및 설치15.2 텍스트 데이터 토큰화15.3 형태소 분석을 사용해 단어를 기본 형식으로 변환하기15.4 기본형화를 사용해 단어를 기본 형식으로 변환하기15.5 텍스트 데이터를 청크로 나누기15.6 단어 가방 모델을 사용해 용어의 빈도 추출하기15.7 카테고리 예측기 구축15.8 성별 식별자 구축15.9 감정 분석기 구축15.10 잠재 디리클레 할당을 사용한 주제 모델링15.11 정리[16장 챗봇]16.1 챗봇의 미래16.2 오늘날의 챗봇16.3 챗봇 기본 개념16.4 잘 설계된 챗봇 16.5 챗봇 플랫폼16.6 다이얼로그플로우를 사용한 챗봇 개발16.7 정리[17장 시퀀스 데이터와 시계열 분석]17.1 시퀀스 데이터 이해 17.2 판다스로 시계열 데이터 처리하기17.3 시계열 데이터 슬라이싱하기17.4 시계열 데이터에 작업 수행하기17.5 시계열 데이터에서 통계 추출하기17.6 은닉 마르코프 모델을 사용해 데이터 생성하기17.7 조건부 랜덤 필드로 알파벳 시퀀스 식별하기17.8 주식시장 분석하기17.9 정리[18장 이미지 인식]18.1 이미지 인식의 중요성18.2 OpenCV18.3 프레임 차이18.4 색 공간을 사용한 객체 추적 18.5 배경 삭제를 사용한 객체 추적18.6 캠시프트 알고리즘을 사용한 대화형 객체 추적기 구축18.7 광학 흐름 기반 추적18.8 얼굴 감지 및 추적18.9 눈 감지 및 추적18.10 정리[19장 신경망]19.1 신경망 소개19.2 퍼셉트론 기반 분류기 구축19.3 단일 계층 신경망 구축19.4 다층 신경망 구축19.5 벡터 양자화기 구축 19.6 순환 신경망을 사용한 시퀀스 데이터 분석19.7 광학 문자 인식 데이터베이스에서 문자 시각화하기19.8 광학 문자 인식 엔진 구축19.9 정리[20장 합성곱 신경망을 이용한 딥러닝]20.1 합성곱 신경망 기초 20.2 합성곱 신경망 아키텍처20.3 합성곱 신경망 계층 유형20.4 퍼셉트론 기반 선형 회귀 구축20.5 단일 계층 신경망을 사용한 이미지 분류기 구축20.6 합성곱 신경망을 사용한 이미지 분류 구축20.7 정리[21장 순환 신경망과 기타 딥러닝 모델]21.1 순환 신경망 기초21.2 순환 신경망 아키텍처21.3 언어 모델링 사용 사례21.4 순환 신경망 훈련21.5 정리[22장 강화 학습 - 지능형 에이전트 생성]22.1 학습의 의미 이해22.2 강화 학습 vs. 지도 학습22.3 강화 학습 사례22.4 강화 학습 구성 요소22.5 환경 구축22.6 학습 에이전트 구축 22.7 정리[23장 인공지능과 빅데이터]23.1 빅데이터 기초23.2 빅데이터의 세 가지 V23.3 빅데이터와 머신러닝23.4 NoSQL 데이터베이스23.5 정리
