길벗·이지톡

도서 IT전문서/IT입문서 프로그래밍/오픈소스

파이썬 예제로 배우는 필수 알고리즘!

현실 세계의 문제를 해결하는 40가지 알고리즘을 배우면서

프로그래머라면 꼭 갖춰야 할 알고리즘 응용력과 문제 해결력을 높이자!

 

현대 사회에서 개발자와 프로그래머가 갖추어야 하는 필수 소양은 알고리즘을 이용한 문제 해결 능력이다. 이 책은 문제의 성격에 따라 적합한 알고리즘을 소개하고 그 작동 원리를 설명한다. 특히 현실 세계의 문제를 해결하는 40여 개 알고리즘을 보여주면서 그 작동 원리를 이해시키고 파이썬으로 직접 구현해 본다.

 

목차

1부 기초와 핵심 알고리즘

 

1장 알고리즘 기초

1.1 알고리즘 정의하기

__1.1.1 알고리즘의 단계

1.2 알고리즘의 로직 표현하기

__1.2.1 의사코드 이해하기

__1.2.2 스니펫 사용하기

__1.2.3 실행 계획 생성하기

1.3 파이썬 패키지 살펴보기

__1.3.1 파이썬 패키지

__1.3.2 주피터 노트북으로 파이썬 사용하기

1.4 알고리즘 설계 기법 이해하기

__1.4.1 데이터 차원

__1.4.2 연산 차원

1.5 성능 분석하기

__1.5.1 공간 복잡도 분석

__1.5.2 시간 복잡도 분석

__1.5.3 성능 추정

__1.5.4 알고리즘 선택

__1.5.5 빅오 표기법

1.6 알고리즘 검증하기

__1.6.1 결정론적, 비결정론적 알고리즘과 최적, 근사 알고리즘

__1.6.2 해석 가능성

1.7 요약

 

2장 알고리즘에 사용되는 자료 구조

2.1 파이썬 자료 구조 파악하기

__2.1.1 리스트

__2.1.2 튜플

__2.1.3 딕셔너리

__2.1.4 세트

__2.1.5 데이터프레임

__2.1.6 행렬

2.2 추상화 자료 유형 파악하기

__2.2.1 벡터

__2.2.2 스택

__2.2.3 큐

__2.2.4 스택과 큐에 대한 기본 아이디어

__2.2.5 트리

2.3 요약

 

3장 정렬과 검색 알고리즘

3.1 정렬 알고리즘 이해하기

__3.1.1 파이썬에서 변수 바꾸기

__3.1.2 버블 정렬

__3.1.3 삽입 정렬

__3.1.4 병합 정렬

__3.1.5 셸 정렬

__3.1.6 선택 정렬

3.2 검색 알고리즘 이해하기

__3.2.1 선형 검색

__3.2.2 이진 검색

__3.2.3 보간 검색

3.3 활용 사례 - 이민관리청에 접수된 서류 조회하기

3.4 요약

 

4장 알고리즘 설계

4.1 알고리즘 설계의 기본 개념 살펴보기

__4.1.1 관점 1 - 설계한 알고리즘이 우리가 기대하는 결과를 출력하는가?

__4.1.2 관점 2 - 설계한 알고리즘이 결과를 얻을 수 있는 최적의 방법인가?

__4.1.3 관점 3 - 설계한 알고리즘이 규모가 더 큰 데이터셋을 다룰 수 있는가?

4.2 알고리즘 설계 전략 이해하기

__4.2.1 분할 및 정복 전략 이해하기

__4.2.2 동적 계획법 이해하기

__4.2.3 탐욕 알고리즘 이해하기

4.3 활용 사례 - 외판원 문제 해결하기

__4.3.1 무차별 대입 전략 사용하기

__4.3.2 탐욕 알고리즘 사용하기

4.4 페이지랭크 알고리즘 이해하기

__4.4.1 문제 정의하기

__4.4.2 페이지랭크 알고리즘 구현하기

4.5 선형 계획법 이해하기

__4.5.1 선형 계획법 문제 정의하기

4.6 활용 사례 - 선형 계획법을 활용해 용량 계획하기

4.7 요약

 

5장 그래프 알고리즘

5.1 그래프 표현 이해하기

__5.1.1 그래프 유형

__5.1.2 특수한 유형의 엣지

__5.1.3 에고 중심 네트워크

__5.1.4 소셜 네트워크 분석

5.2 네트워크 분석 이론 살펴보기

__5.2.1 최단 경로

__5.2.2 삼각형

__5.2.3 밀도

__5.2.4 중심성 지표 이해하기

__5.2.5 파이썬으로 중심성 지표 계산하기

5.3 그래프 순회 이해하기

__5.3.1 너비 우선 검색

__5.3.2 깊이 우선 검색

5.4 활용 사례 - 사기 범죄 분석하기

__5.4.1 간단한 사기 분석 방법

__5.4.2 감시탑 사기 분석 방법

5.5 요약

 

2부 머신러닝 알고리즘

 

6장 비지도 학습 알고리즘

6.1 비지도 학습 이해하기

__6.1.1 데이터 마이닝 사이클에서의 비지도 학습

__6.1.2 비지도 학습의 최신 연구 트렌드

__6.1.3 비지도 학습의 활용 사례

6.2 클러스터링 알고리즘 이해하기

__6.2.1 유사도 측정하기

__6.2.2 계층적 클러스터링 알고리즘

__6.2.3 클러스터 평가하기

__6.2.4 클러스터링의 활용 사례

6.3 차원 축소 알고리즘 이해하기

__6.3.1 주성분 분석

__6.3.2 주성분 분석의 한계

6.4 연관 규칙 마이닝 이해하기

__6.4.1 연관 규칙 마이닝의 활용 사례

__6.4.2 장바구니 분석

__6.4.3 연관 규칙

__6.4.4 평가 척도

__6.4.5 연관 규칙 마이닝 알고리즘

6.5 활용 사례 - 비슷한 트윗끼리 클러스터링하기

__6.5.1 토픽 모델링

__6.5.2 클러스터링

6.6 이상 탐지 알고리즘 이해하기

__6.6.1 클러스터링 알고리즘

__6.6.2 밀도 기반 이상 탐지 알고리즘

__6.6.3 서포트 벡터 머신 알고리즘

6.7 요약

 

7장 전통적인 지도 학습 알고리즘

7.1 지도 학습 이해하기

__7.1.1 지도 학습 구조 소개

__7.1.2 지도 학습의 필요 조건

__7.1.3 분류 모델과 회귀 모델 비교하기

7.2 분류 알고리즘 이해하기

__7.2.1 분류 문제 소개

__7.2.2 분류 모델 평가하기

__7.2.3 분류 모델 구축 단계

__7.2.4 결정 트리 분류 알고리즘

__7.2.5 앙상블 알고리즘

__7.2.6 로지스틱 회귀 알고리즘

__7.2.7 서포트 벡터 머신 알고리즘

__7.2.8 나이브 베이즈 알고리즘

__7.2.9 분류 알고리즘 비교하기

7.3 회귀 알고리즘 이해하기

__7.3.1 회귀 문제 소개

__7.3.2 선형 회귀 알고리즘

__7.3.3 회귀 트리 알고리즘

__7.3.4 그레이디언트 부스팅 회귀 알고리즘

__7.3.5 회귀 알고리즘 비교하기

7.4 활용 사례 - 날씨 예측하기

7.5 요약

 

8장 뉴럴 네트워크 알고리즘

8.1 뉴럴 네트워크 이해하기

8.2 뉴럴 네트워크의 발전 살펴보기

8.3 뉴럴 네트워크 훈련하기

__8.3.1 뉴럴 네트워크 구조

__8.3.2 경사하강법

__8.3.3 활성화 함수

8.4 도구와 프레임워크 살펴보기

__8.4.1 케라스

__8.4.2 텐서플로 사용하기

__8.4.3 뉴럴 네트워크의 종류

8.5 전이 학습 이해하기

8.6 활용 사례 - 딥러닝으로 부정 탐지하기

__8.6.1 방법론

8.7 요약

 

9장 자연어 처리 알고리즘

9.1 자연어 처리 살펴보기

__9.1.1 자연어 처리 용어 이해하기

__9.1.2 자연어 처리 툴킷

9.2 백오브워즈 기반 자연어 처리 이해하기

9.3 단어 임베딩 살펴보기

__9.3.1 단어의 이웃

__9.3.2 단어 임베딩의 특징

9.4 자연어 처리에 리커런트 뉴럴 네트워크 사용하기

9.5 자연어 처리를 이용해 감성 분석하기

9.6 활용 사례 - 영화 리뷰 감성 분석하기

9.7 요약

 

10장 추천 엔진

10.1 추천 엔진 살펴보기

10.2 추천 엔진 종류 살펴보기

__10.2.1 콘텐츠 기반 추천 엔진

__10.2.2 협업 필터링 추천 엔진

__10.2.3 하이브리드 추천 엔진

10.3 추천 엔진의 한계점 이해하기

__10.3.1 콜드 스타트 문제

__10.3.2 메타 데이터

__10.3.3 데이터 희소성 문제

__10.3.4 사회적 영향력으로 인한 편향

__10.3.5 제한된 데이터

10.4 활용 분야 살펴보기

10.5 활용 사례 - 추천 엔진으로 영화 추천하기

10.6 요약

3부 고급 기법

 

11장 데이터 알고리즘

11.1 데이터 알고리즘 살펴보기

__11.1.1 데이터 분류

11.2 데이터 저장 알고리즘 이해하기

__11.2.1 데이터 저장 전략 이해하기

11.3 데이터 스트리밍 알고리즘 이해하기

__11.3.1 스트리밍 활용 분야

11.4 데이터 압축 알고리즘 이해하기

__11.4.1 무손실 압축 알고리즘

11.5 활용 사례 - 트위터 실시간 감성 분석하기

11.6 요약

 

12장 암호화

12.1 암호화 살펴보기

__12.1.1 가장 약한 연결고리의 중요성 이해하기

__12.1.2 기본 용어

__12.1.3 보안 요구사항 이해하기

__12.1.4 기본적인 암호 설계 이해하기

12.2 암호화 기법의 종류 이해하기

__12.2.1 암호화 해시 함수 사용하기

__12.2.2 대칭 암호화

__12.2.3 비대칭 암호화

12.3 활용 사례 - 머신러닝 모델 배포와 관련한 보안 이슈 살펴보기

__12.3.1 중간자 공격

__12.3.2 위장 공격

__12.3.3 데이터와 모델 암호화

12.4 요약

 

13장 대규모 알고리즘

13.1 대규모 알고리즘 살펴보기

__13.1.1 대규모 알고리즘 정의

__13.1.2 기본 용어

13.2 병렬 알고리즘 설계 이해하기

__13.2.1 암달의 법칙

__13.2.2 작업 세분성

__13.2.3 부하 분산

__13.2.4 국지성 이슈

__13.2.5 파이썬에서 병렬 프로세싱 실행하기

13.3 멀티 자원 프로세싱 전략 이해하기

__13.3.1 컴퓨팅 통합 장치 아키텍처

__13.3.2 클러스터 컴퓨팅

__13.3.3 혼합 방법

13.4 요약

 

14장 실질적 고려사항

14.1 실질적 고려사항 살펴보기

__14.1.1 AI 트위터 봇의 슬픈 사연

14.2 알고리즘의 해석 가능성 이해하기

__14.2.1 머신러닝 알고리즘과 해석 가능성

14.3 알고리즘의 윤리 이해하기

__14.3.1 학습 알고리즘이 가진 문제

__14.3.2 윤리적 고려사항 이해하기

14.4 모델의 편향 줄이기

14.5 NP-난해 문제 다루기

__14.5.1 문제를 단순화하기

__14.5.2 널리 알려진 다른 해결책을 수정해 사용하기

__14.5.3 확률적 모델 사용하기

14.6 알고리즘을 사용해야 할 때

__14.6.1 활용 사례 - 검은 백조 이벤트

14.7 요약

 

찾아보기

 

더보기접기

저자&기여자

ㆍ지은이 임란 아마드

소개
구글(Google) 인증 인스트럭터로, 지난 수년간 구글과 러닝 트리(Learning Tree)에서 파이썬, 빅데이터, 머신러닝, 딥러닝을 가르치고 있다. 클라우드 컴퓨팅 환경에서 자원 할당을 최적화할 수 있는 새로운 선형 프로그래밍 기반 알고리즘인 ATSRA라는 알고리즘을 제안하여 박사 학위를 받았다. 이후 캐나다 연방 정부 소속 고등 분석 연구소에서 진행하는 머신러닝 프로젝트에서 이민 절차를 자동화하는 알고리즘을 개발하는 데 힘썼으며, 복잡한 머신러닝 모델을 학습할 때 GPU를 최적으로 사용하는 알고리즘을 개발하고 있다.

ㆍ옮긴이 황준식

소개
경영학과를 졸업한 후 뒤늦게 수학과 프로그래밍의 매력에 빠진 데이터 분석가로, 현재 넥슨코리아에서 데이터 분석가로 일하고 있다. 수학적인 모형으로 현상을 정의하고 의사결정에 대한 결과를 측정할 수 있는 데이터 과학에 큰 재미를 느끼고 있다. 최근에는 머신 러닝을 사용한 이상행동 탐지나 강화학습 분야에 관심을 기울이고 있다. 주위에서 발견하는 크고 작은 호기심을 데이터로 접근해보는 개인 블로그인 jsideas.net을 운영하고 있다.

연관 프로그램

아래 프로그램은 길벗출판사가 제공하는 것이 아닙니다.
무료로 사용할 수 있는 정보를 안내해 드리니, 지원이 필요하면 해당 프로그렘 제작사로 문의해 주세요.