혼자 공부하는 머신러닝+딥러닝 / 박해선 (USED)

<책 소개>

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 번역ㆍ집필 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 입문서

베타리딩 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.

<작가정보>

박해선

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.

<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 문제

Chapter 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 문제

Chapter 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 문제

Chapter 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 문제

Chapter 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 문제

Chapter 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 문제

Chapter 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 ▶ 인공 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 문제

Chapter 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 문제

Chapter 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