책소개
- 혼자 해도 충분하다! 1:1 과외하듯 배우는 인공지능 자습서 이 책은 수식과 이론으로 중무장한 머신러닝, 딥러닝 책에 지친 ‘독학하는 입문자’가 ‘꼭 필요한 내용을 제대로’ 학습할 수 있도록 구성했다. 구글 머신러닝 전문가(Google ML expert)로 활동하고 있는 저자는 여러 차례의 입문자들과 함께한 머신러닝&딥러닝 스터디와 번역·집필 경험을 통해 ‘무엇을’ ‘어떻게’ 학습해야 할지 모르는 입문자의 막연함을 이해하고, 과외 선생님이 알려주듯 친절하게 핵심적인 내용을 콕콕 집어준다. 컴퓨터 앞에서 [손코딩]을 따라하고, 확인 문제를 풀다 보면 그간 어렵기만 했던 머신러닝과 딥러닝을 개념을 스스로 익힐 수 있을 것이다! - 베타리더가 함께 만든 입문서베타리딩 과정을 통해 입문자에게 적절한 난이도, 분량, 학습 요소 등을 고민하고 반영했다. 어려운 용어와 개념은 한 번 더 풀어 쓰고, 복잡한 설명은 눈에 잘 들어오는 그림으로 풀어 냈다. ‘혼자 공부해본’ 여러 입문자의 마음과 눈높이가 책 곳곳에 반영된 것이 이 책의 가장 큰 장점이다.
저자소개
기계공학을 전공했으나 졸업 후엔 줄곧 코드를 읽고 쓰는 일을 했다. 지금은 ML GDE(Machine Learning Google Developer Expert)로 활동하고 있고, 머신러닝과 딥러닝에 관한 책을 집필하고 번역하면서 소프트웨어와 과학의 경계를 흥미롭게 탐험하고 있다.
『핸즈온 머신러닝 2판』(한빛미디어, 2020)을 포함해서 여러 권의 머신러닝, 딥러닝 책을 우리말로 옮겼고 『Do it! 딥러닝 입문』(이지스퍼블리싱, 2019)을 집필했다.
ML GDE(Machine Learning Google Developer Expert). 기계공학을 전공했지만 졸업 후엔 줄곧 코드를 읽고 쓰는 일을 했다. 블로그(tensorflow.blog)에 글을 쓰고 텐서플로 문서 번역에 기여하면서 소프트웨어와 과학의 경계를 흥미롭게 탐험하고 있다. 『Do it! 딥러닝 입문』(이지스퍼블리싱, 2019)을 집필하고, 『핸즈온 머신러닝(2판)』(한빛미디어, 2020), 『미술관에 GAN 딥러닝 실전 프로젝트』(한빛미디어, 2019), 『파이썬을 활용한 머신러닝 쿡북』(한빛미디어, 2019), 『머신 러닝 교과서 with 파이썬, 사이킷런, 텐서플로』(길벗, 2019), 『파이썬 라이브러리를 활용한 머신러닝』(한빛미디어, 2019), 『케라스 창시자에게 배우는 딥러닝』(길벗, 2018), 『핸즈온 머신러닝』(한빛미디어, 2018), 『텐서플로 첫걸음』(한빛미디어, 2016)을 우리말로 옮겼다.
목차
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 문제Chapter 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 문제Chapter 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 문제Chapter 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 문제Chapter 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 문제Chapter 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 문제Chapter 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 문제Chapter 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 문제Chapter 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
