이 책은 머신러닝 모델을 “이해하는 것”에서 끝나지 않고, “웹 서비스로 완성하는 것”까지 연결해주는 실전형 가이드입니다. 복잡한 수식 중심의 설명을 최소화하고, 모델의 핵심 원리와 구현 흐름을 기반으로 누구나 직접 결과물을 만들 수 있도록 구성되어 있습니다.
먼저 머신러닝 개발 환경 구축과 전체 프로젝트 흐름을 소개하며, 이후 각 장에서는 선형회귀, 로지스틱 회귀, 의사결정트리, 랜덤포레스트, SVM 등 대표적인 알고리즘을 단계적으로 학습합니다. 각 모델은 단순 개념 설명에 그치지 않고, 데이터 준비 → 모델 생성 → 학습 → 평가 → 저장 및 로드 → 실제 활용까지 전 과정을 실습으로 경험할 수 있도록 구성되어 있습니다.
특히 이 책의 핵심 강점은 “웹 서비스까지 완성하는 구조”입니다. 각 장마다 PostgreSQL 데이터베이스 연동과 FastAPI 기반 API 서버 구축을 통해, 학습한 모델을 실제 서비스 형태로 구현합니다. 주택 가격 예측, 고객 이탈 분석, 판매량 예측, 금융 이상 탐지, 이메일 스팸 분류 등 다양한 실전 사례를 통해 머신러닝이 어떻게 비즈니스 문제 해결에 활용되는지 구체적으로 이해할 수 있습니다.
또한 단순한 코드 예제를 넘어, 실시간 예측 시스템과 대시보드 구성까지 포함되어 있어 백엔드와 데이터, AI 모델을 하나로 연결하는 경험을 제공합니다. 이를 통해 독자는 단순한 모델링 능력을 넘어, 실제 서비스 개발 역량까지 함께 갖출 수 있습니다.
이 책은 머신러닝을 처음 접하는 입문자부터, 이론을 넘어 실무 적용을 목표로 하는 개발자까지 모두를 위한 교재입니다. “모델을 만드는 것”을 넘어 “서비스를 만드는 것”을 목표로 한다면, 이 책은 가장 현실적인 학습 경로를 제시해 줄 것입니다.

1장 머신러닝 개발 환경 및 모델 개요
1.1 머신러닝 개발 환경 개요
1.2 개발 환경 구축
1.3 머신러닝 프로젝트
1.4 머신러닝 웹 서비스 개발


2장 선형회귀(Linear Regression) 기반 주택 가격 예측 시스템
2.1 기본 개념과 모델 이해
2.2 Python 실습 – 기초 모델 구현
2.3 실전 데이터셋 기반 프로젝트
2.4 PostgreSQL 연동 실전 - 주택 가격 예측
2.5 FastAPI 서비스 구축 - 주택 가격 예측


3장 로지스틱 회귀 (Logistic Regression) 기반 고객 이탈 예측 시스템
3.1 기본 개념과 모델 이해
3.2 Python 실습 – 기초 모델 구현
3.3 실전 데이터셋 기반 프로젝트
3.4 PostgreSQL 연동 실전 - 고객 이탈 예측
3.5 FastAPI 서비스 구축 - 고객 이탈 예측


4장 의사결정트리(Decision Tree Regression) 기반 예측 시스템
4.1 기본 개념과 모델 이해
4.2 Python 실습 — DecisionTreeRegressor 구현
4.3 실전 데이터셋 기반 프로젝트
4.4 PostgreSQL 연동 — 판매량 예측 시스템
4.5 FastAPI 서비스 — 판매량 예측 및 시각화 UI


5장 랜덤포레스트(Random Forest) 기반 금융 이상 탐지 시스템
5.1 기본 개념과 모델 이해
5.2 Python 실습 — RandomForest 모델 구현
5.3 실전 데이터셋 기반 프로젝트
5.4 PostgreSQL 연동 — 금융 이상 탐지 시스템
5.5 FastAPI 서비스 — 실시간 이상 탐지 및 Bootstrap 대시보드


6장 서포트 벡터 머신(SVM) 기반 이메일 스팸 분류 시스템
6.1 기본 개념과 모델 이해
6.2 Python 실습 — SVC / SVR 구현
6.3 실전 데이터셋 기반 프로젝트
6.4 PostgreSQL 연동 — 이메일 스팸 분류 시스템
6.5 FastAPI 서비스 — 이메일 스팸 분류 서비스