로그인정보 입력 영역

아이디

비밀번호

• 2023학년도 상반기 전자책 多대출대회 안내
• 전자책 장기대출 프로그램 안내
• 전자책도서관 리뉴얼 안내

• 홈
• 전자책

책소개

인공지능 분야에 종사한다면 반드시 읽어야 하는
머신러닝 전문가로 이끄는 최고의 실전 지침서

최근의 눈부신 혁신들로 딥러닝은 머신러닝 분야 전체를 뒤흔들고 있습니다. 이제 이 기술을 거의 모르는 프로그래머도 데이터로부터 학습하는 프로그램을 어렵지 않게 작성할 수 있습니다. 이 책은 그 지름길입니다. 구체적인 예, 핵심 이론, 검증된 두 프레임워크(사이킷런, 텐서플로)를 이용해 지능형 시스템을 구축하는 개념과 방법을 확실하게 알려줍니다. 또한, 각 장의 연습문제는 본문에서 익힌 기법을 실전에 응용하는 데 큰 도움이 될 것입니다.

저자소개

머신러닝 컨설턴트. 2013년에서 2016년까지 구글에서 유튜브 동영상 분류팀을 이끌었습니다. 2002년에서 2012년까지 프랑스의 모바일 ISP 선두 주자인 Wifirst를 설립하고 CTO로 일했습니다. 2001년에는 Polyconseil을 설립하고 CTO로 일했습니다. 이 회사는 지금 전기차 공유 서비스인 Autolib’을 운영하고 있습니다.

그 전에는 재무(JP 모건과 소시에테 제네랄), 방위(캐나다 DOD), 의료(수혈) 등 다양한 분야에서 엔지니어로 일했습니다. C++, WiFi, 인터넷 구조에 대한 몇 권의 기술 서적을 썼으며 한 프랑스 공과대학교에서 컴퓨터 과학을 가르쳤습니다.

재미있는 몇 가지 사실: 세 아이에게 손가락으로 이진수 세는 법을 가르쳤습니다(1023까지). 소프트웨어 공학 분야에 들어오기 전에는 미생물학과 진화 유전학을 공부했습니다. 두 번째 점프에서 낙하산이 펼쳐지지 않았습니다.

목차

1부. 머신러닝

1장. 한눈에 보는 머신러닝
1.1 머신러닝이란?
1.2 왜 머신러닝을 사용하는가?
1.3 머신러닝 시스템의 종류
1.4 머신러닝의 주요 도전 과제
1.5 테스트와 검증 
1.6 연습문제

2장. 머신러닝 프로젝트 처음부터 끝까지
2.1 실제 데이터로 작업하기
2.2 큰 그림 보기 
2.3 데이터 가져오기
2.4 데이터 이해를 위한 탐색과 시각화
2.5 머신러닝 알고리즘을 위한 데이터 준비
2.6 모델 선택과 훈련
2.7 모델 세부 튜닝
2.8 론칭, 모니터링, 그리고 시스템 유지 보수
2.9 직접 해보세요!
2.10 연습문제

3장. 분류
3.1 MNIST
3.2 이진 분류기 훈련
3.3 성능 측정
3.4 다중 분류
3.5 에러 분석
3.6 다중 레이블 분류
3.7 다중 출력 분류
3.8 연습문제

4장. 모델 훈련
4.1 선형 회귀
4.2 경사 하강법 
4.3 다항 회귀
4.4 학습 곡선
4.5 규제가 있는 선형 모델
4.6 로지스틱 회귀 
4.7 연습문제

5장. 서포트 벡터 머신
5.1 선형 SVM 분류
5.2 비선형 SVM 분류
5.3 SVM 회귀
5.4 SVM 이론
5.5 연습문제

6장. 결정 트리
6.1 결정 트리 학습과 시각화
6.2 예측하기
6.3 클래스 확률 추정
6.4 CART 훈련 알고리즘
6.5 계산 복잡도 
6.6 지니 불순도 또는 엔트로피?
6.7 규제 매개변수 
6.8 회귀
6.9 불안정성
6.10 연습문제

7장. 앙상블 학습과 랜덤 포레스트
7.1 투표 기반 분류기
7.2 배깅과 페이스팅
7.3 랜덤 패치와 랜덤 서브스페이스
7.4 랜덤 포레스트 
7.5 부스팅
7.6 스태킹
7.7 연습문제

8장. 차원 축소
8.1 차원의 저주 
8.2 차원 축소를 위한 접근 방법
8.3 PCA
8.4 커널 PCA
8.5 LLE
8.6 다른 차원 축소 기법
8.7 연습문제


2부. 신경망과 딥러닝

9장. 텐서플로 시작하기
9.1 설치
9.2 첫 번째 계산 그래프를 만들어 세션에서 실행하기
9.3 계산 그래프 관리
9.4 노드 값의 생애주기
9.5 텐서플로를 이용한 선형 회귀
9.6 경사 하강법 구현
9.7 훈련 알고리즘에 데이터 주입
9.8 모델 저장과 복원
9.9 텐서보드로 그래프와 학습 곡선 시각화하기
9.10 이름 범위
9.11 모듈화
9.12 변수 공유
9.13 연습문제

10장. 인공 신경망 소개
10.1 생물학적 뉴런에서 인공 뉴런까지
10.2 텐서플로의 고수준 API로 다층 퍼셉트론 훈련하기
10.3 텐서플로의 저수준 API로 심층 신경망 훈련하기 
10.4 신경망 하이퍼파라미터 튜닝하기
10.5 연습문제 

11장. 심층 신경망 훈련
11.1 그래디언트 소실과 폭주 문제
11.2 미리 훈련된 층 재사용하기
11.3 고속 옵티마이저
11.4 과대적합을 피하기 위한 규제 방법
11.5 실용적 가이드라인
11.6 연습문제 

12장. 다중 머신과 장치를 위한 분산 텐서플로
12.1 단일 머신의 다중 장치
12.2 다중 머신의 다중 장치
12.3 텐서플로 클러스터에서 신경망 병렬화하기
12.4 연습문제 

13장. 합성곱 신경망
13.1 시각 피질의 구조
13.2 합성곱층 
13.3 풀링층 
13.4 CNN 구조
13.5 연습문제 

14장. 순환 신경망
14.1 순환 뉴런
14.2 텐서플로로 기본 RNN 구성하기
14.3 RNN 훈련하기
14.4 심층 RNN
14.5 LSTM 셀
14.6 GRU 셀
14.7 자연어 처리
14.8 연습문제

15장. 오토인코더
15.1 효율적인 데이터 표현
15.2 과소완전 선형 오토인코더로 PCA 수행하기
15.3 적층 오토인코더
15.4 적층 오토인코더를 사용한 비지도 사전훈련
15.5 잡음제거 오토인코더
15.6 희소 오토인코더
15.7 변이형 오토인코더
15.8 다른 오토인코더들
15.9 연습문제

16장. 강화 학습
16.1 보상을 최적화하기 위한 학습
16.2 정책 탐색
16.3 OpenAI 짐(Gym)
16.4 신경망 정책
16.5 행동 평가: 신용 할당 문제
16.6 정책 그래디언트
16.7 마르코프 결정 과정
16.8 시간차 학습과 Q-러닝
16.9 DQN 알고리즘으로 미스 팩맨 플레이 학습하기
16.10 연습문제 

부록 A. 연습문제 정답
부록 B. 머신러닝 프로젝트 체크리스트
부록 C. SVM 쌍대 문제
부록 D. 자동 미분
부록 E. 유명한 다른 인공 신경망 구조

한줄 서평