머리말

 

이 책을 집필하게 된 계기는 머신러닝 수업 후 복습을 위한 설명 노트의 필요성에서 시작되었습니다. 수업에서 배운 내용을 집에서 다시 복습할 때, 어려운 부분 없이 쉽게 점검하고 정리할 수 있도록 설명하는 것이 목표였습니다.

이 책은 머신러닝을 처음 접하는 분들에게 시작의 첫걸음을 제공하는 입문서입니다. 산업현장에서 다시 공부를 시작하는 직장인, 머신러닝을 처음 배우는 대학생, 그리고 비전공자이지만 자신의 전공 분야에 머신러닝을 접목하고자 하는 분들께 특히 추천합니다.

책에서는 머신러닝의 핵심이 되는 필수 이론을 차례대로 설명하며, 실습을 함께 구성하여 머신러닝에 대한 개념을 보다 쉽게 이해할 수 있도록 하였습니다. 머신러닝은 단순히 알고리즘을 암기하는 것이 아니라, 정확하게 이해해야 실무에서 활용할 수 있는 기술입니다. 따라서 최대한 쉽게, 그리고 편안하게 읽고 따라할 수 있도록 내용을 구성하였습니다.

이 책을 끝까지 공부하면 누구나 자신만의 머신러닝 모델을 만들고 실행할 수 있습니다. 한 걸음 한 걸음 차근히 따라가다 “아, 머신러닝이 이런 거구나!”라는 깨달음과 성취감을 느낄 수 있기를 바랍니다.

 

최선을 다해 집필하였지만, 부족한 부분이 있을 수 있습니다. 이에 대한 수정사항과 프로그램 파일은 자유아카데미 홈페이지(www.freeaca.com) 자료실을 통해 제공할 예정이니 참고하시기 바랍니다.

마지막으로, 좋은 책을 만들 수 있도록 지원해 주신 자유아카데미에 깊이 감사드리며, 부록 및 CASE STUDY 작업을 함께해 준 서울여자대학교 AIX(AI to Everything) Lab 연구원들께도 진심으로 감사의 마음을 전합니다.

[목 차]
  

01 시작하기
1 책의 내용 미리보기
2 책의 구성 살펴보기
3 이 책은 누구를 위한 책인가?
4 머신러닝을 위한 준비물: 파이썬(Python)

02 머신러닝 개요
1 머신러닝이란?
2 머신러닝의 작동 원리
3 머신러닝 프로세스

03 회귀
1 선형회귀모델링
2 선형회귀모델 평가하기
3 다른 특징들도 고려하기
4 회귀모델의 응용 사례
5 회귀모델 프로세스 이해하기

04 회귀모델 실습: 집 가격 예측하기
1 문제 정의하기
2 라이브러리 불러오기
3 데이터 수집하기
4 데이터 탐색하기
5 모델링하기

05 지도학습과 분류
1 분류기로 배우는 지도학습
2 선형분류기
3 결정경계
4 모델 평가하기
5 분류모델 프로세스 이해하기

06 지도학습/분류 실습: 레스토랑 리뷰 분류하기
1 문제 정의하기
2 라이브러리 불러오기
3 데이터 수집하기
4 데이터 탐색하기
5 전처리하기
6 모델링하기
7 성능 평가하기

07 비지도학습/클러스터링
1 문서 검색
2 문서 유사도 검색을 위한 방법론
3 유사한 문서 검색하기
4 클러스터링 모델
5 클러스터링 프로세스 이해하기

08 비지도학습/클러스터링 실습: 쇼핑몰 고객 그룹핑하기
1 문제 정의하기
2 라이브러리 불러오기
3 데이터 수집하기
4 데이터 탐색하기
5 전처리하기
6 모델링하기

09 추천
1 상품추천
2 개인화
3 분류 방법에 의한 추천시스템
4 협업 필터링에 의한 추천시스템
5 행렬 분해 기반의 추천시스템
6 추천시스템 평가하기
7 추천시스템 프로세스 이해하기

10 추천 실습: 사용자 맞춤 영화 추천하기
1 문제 정의하기
2 라이브러리 불러오기
3 데이터 수집하기
4 데이터 탐색하기
5 전처리하기
6 모델링하기

11 Case Studies
Case Study 1: 야구장 관중 수 예측하기
1 문제 정의하기
2 라이브러리 불러오기
3 데이터 수집하기
4 데이터 탐색하기
5 데이터 전처리
6 모델링하기
7 모델 예측 결과 및 성능 평가
Case Study 2: 전기 에너지 소비량 예측
1 문제 정의하기
2 라이브러리 불러오기
3 데이터 수집하기
4 데이터 탐색하기
5 데이터 전처리
6 모델링하기
7 모델 예측 결과 및 성능 평가

부록 299
1 결정 트리(Decision Tree)
2 랜덤 포레스트(Random Forest)
3 에이다 부스트(Adaptive Boosting, AdaBoost)
4 그래디언트 부스팅 머신(Gradient Boosting Machine, GBM)
5 XGBoost(eXtreme Gradient Boosting)
6 LightGBM(Light Gradient Boosting Machine)