추천 검색어

최근 검색어

도서 IT 전문서 데이터베이스/데이터분석
데이터 분석을 위한 머신 러닝 입문
정 가
22,000원
출 간
2018-11-05
지 은 이
하시모토타이이치
옮 긴 이
김은철,유세라,이춘오
I S B N
9791160506013
분 량
260쪽
난 이 도
초급

인공지능+머신 러닝 알고리즘+딥러닝+파이썬 프로그래밍까지!

인공지능+머신 러닝 알고리즘+딥러닝+파이썬 프로그래밍까지!

데이터 분석과 머신 러닝을 한 권에 담았다. 인공지능 프레임워크를 살펴보고 직접 실시간 분석 시스템을 만들어보자. 플루언티드와 노리크라를 연계하여 트위터의 트윗을 실시간으로 집계해 분석해본다. 이어서 주요 머신 러닝 알고리즘과 딥러닝 이론을 폭넓게 살펴보며 파이썬과 텐서플로를 통해 직접 경험해보자. 파이썬으로 IRIS, digits, Boston 데이터셋을 처리하며 구체적인 데이터 분석 과정을 살펴보고, 텐서플로로 MNIST 예제를 실행해보면서 딥러닝 이론을 습득한다.

 

데이터 분석과 머신 러닝을 한 권에 담았다. 인공지능 프레임워크를 살펴보고 직접 실시간 분석 시스템을 만들어보자. 플루언티드와 노리크라를 연계하여 트위터의 트윗을 실시간으로 집계해 분석해본다. 이어서 주요 머신 러닝 알고리즘과 딥러닝 이론을 폭넓게 살펴보며 파이썬과 텐서플로를 통해 직접 경험해보자. 파이썬으로 IRIS, digits, Boston 데이터셋을 처리하며 구체적인 데이터 분석 과정을 살펴보고, 텐서플로로 MNIST 예제를 실행해보면서 딥러닝 이론을 습득한다.

지은이의 말
옮긴이의 말
감수자의 말
이 책의 활용법
실습 후기

1장 인공지능과 머신 러닝
__1.1 인공지능이란?
____1.1.1 현재의 요괴 ‘인공지능’
__1.2 BI는 AI 꿈을 꾸는가?
____1.2.1 비즈니스를 뒷받침하는 AI와 머신 러닝 엔지니어
__1.3 지금의 인공지능=지능?
____1.3.1 인공지능이 데이터 분석을 하는 날
__1.4 마무리

2장 데이터 분석 처리를 위한 기반 기술
__2.1 하둡: 대규모 데이터를 처리하는 인프라
____2.1.1 하둡이란?
____2.1.2 맵리듀스 처리
__2.2 하이브: 하둡에서 더욱 쉽게 데이터를 처리
____2.2.1 하이브란?
__2.3 프레스토: 고속 데이터 처리
____2.3.1 프레스토란?
__2.4 스파크: 더 빠른 분산 처리 환경
____2.4.1 스파크란?
__2.5 하둡과 관련된 기타 미들웨어
____2.5.1 하둡 관련 기타 미들웨어
__2.6 다양한 하둡 디스트리뷰션
____2.6.1 하둡 디스트리뷰션이란?
__2.7 BI 도구: 처리한 데이터를 시각화
____2.7.1 BI 도구란?
____2.7.2 펜타호
____2.7.3 제플린
__2.8 마무리

3장 실시간으로 데이터를 분석한다: 데이터에서 현재를 알 수 있는 기술
__3.1 플루언티드
____3.1.1 데이터를 실시간으로 수집한다
__3.2 노리크라
____3.2.1 데이터를 실시간으로 집계한다
__3.3 사례: 트위터 데이터에서 사람 이름을 실시간으로 집계
____3.3.1 실시간으로 사람 이름을 집계해 보자
____3.3.2 루비 환경 설정
____3.3.3 플루언티드 설치
____3.3.4 트위터 스트리밍 API와의 연계
____3.3.5 플루언티드 MeCab 플러그인 작성
____3.3.6 노리크라 설치
____3.3.7 노리크라와 플루언티드 연동
____3.3.8 노리크라에 키워드 집계용 쿼리 등록
____3.3.9 엘라스틱서치와 키바나로 데이터 시각화하기
____3.3.10 노리크라, 플루언티드, 엘라스틱서치와 키바나의 연동
__3.4 마무리

4장 머신 러닝 알고리즘: 데이터로 미래를 보는 기술
__4.1 머신 러닝이란?
____4.1.1 레스토랑 예약으로 머신 러닝을 생각한다
__4.2 머신 러닝 알고리즘
____4.2.1 머신 러닝 알고리즘의 개요
____4.2.2 머신 러닝 알고리즘의 종류
__4.3 나이브 베이즈
____4.3.1 나이브 베이즈의 개요
____4.3.2 나이브 베이즈의 이론
____4.3.3 나이브 베이즈의 구체적인 예
____4.3.4 나이브 베이즈의 구현 방법
____4.3.5 나이브 베이즈의 마무리
__4.4 단층 퍼셉트론
____4.4.1 단층 퍼셉트론이란?
____4.4.2 퍼셉트론의 학습 과정
____4.4.3 퍼셉트론의 구현 방법
____4.4.4 퍼셉트론의 문제점
____4.4.5 퍼셉트론의 마무리
__4.5 온라인 학습
____4.5.1 온라인 학습이란?
____4.5.2 퍼셉트론의 온라인 학습 프로그램
____4.5.3 PA 알고리즘
____4.5.4 온라인 학습의 마무리
__4.6 서포트 벡터 머신
____4.6.1 서포트 벡터 머신이란?
____4.6.2 서포트 벡터 머신의 이론
__4.7 선형 회귀
____4.7.1 회귀 알고리즘이란?
__4.8 자기 회귀
____4.8.1 과거 데이터로 목적 함수를 추정하는 방법
__4.9 클러스터링
____4.9.1 클러스터링이란?
__4.10 맵리듀스와 머신 러닝
____4.10.1 대규모 데이터에 머신 러닝 알고리즘 적용
__4.11 머신 러닝 실습
____4.11.1 파이썬 환경 설치
____4.11.2 IRIS 데이터를 사용한 머신 러닝 예제
____4.11.3 digits 데이터를 사용한 머신 러닝 예제
____4.11.4 Boston 데이터를 사용한 머신 러닝 예제
__4.12 마무리

5장 딥러닝
__5.1 단층 퍼셉트론과 친구들
____5.1.1 단층 퍼셉트론 복습하기
____5.1.2 로지스틱 회귀
____5.1.3 다항 로지스틱 회귀
__5.2 신경망
____5.2.1 단층 퍼셉트론과 신경망의 차이점
____5.2.2 신경망
____5.2.3 유닛
____5.2.4 오차 역전파법
____5.2.5 프로그램 예시
____5.2.6 단층 퍼셉트론, 로지스틱 회귀, 다항 로지스틱 회귀, 신경망
__5.3 합성곱 신경망
____5.3.1 합성곱 신경망이란?
____5.3.2 합성곱층
____5.3.3 풀링층
____5.3.4 다층 신경망
____5.3.5 합성곱 신경망 학습
__5.4 재귀형 신경망
____5.4.1 재귀형 신경망이란?
____5.4.2 재귀형 신경망 학습
__5.5 텐서플로
____5.5.1 텐서플로 설치
____5.5.2 다항 로지스틱 회귀
____5.5.3 다층 신경망
____5.5.4 합성곱 신경망
____5.5.5 속편: 합성곱 신경망
__5.6 마무리

용어집

 

지은이의 말 

옮긴이의 말 

감수자의 말 

이 책의 활용법 

실습 후기 

 

1장 인공지능과 머신 러닝 

__1.1 인공지능이란? 

____1.1.1 현재의 요괴 ‘인공지능’ 

__1.2 BI는 AI 꿈을 꾸는가? 

____1.2.1 비즈니스를 뒷받침하는 AI와 머신 러닝 엔지니어 

__1.3 지금의 인공지능=지능? 

____1.3.1 인공지능이 데이터 분석을 하는 날 

__1.4 마무리 

 

2장 데이터 분석 처리를 위한 기반 기술 

__2.1 하둡: 대규모 데이터를 처리하는 인프라 

____2.1.1 하둡이란? 

____2.1.2 맵리듀스 처리 

__2.2 하이브: 하둡에서 더욱 쉽게 데이터를 처리 

____2.2.1 하이브란? 

__2.3 프레스토: 고속 데이터 처리 

____2.3.1 프레스토란? 

__2.4 스파크: 더 빠른 분산 처리 환경 

____2.4.1 스파크란? 

__2.5 하둡과 관련된 기타 미들웨어 

____2.5.1 하둡 관련 기타 미들웨어 

__2.6 다양한 하둡 디스트리뷰션 

____2.6.1 하둡 디스트리뷰션이란? 

__2.7 BI 도구: 처리한 데이터를 시각화 

____2.7.1 BI 도구란? 

____2.7.2 펜타호 

____2.7.3 제플린 

__2.8 마무리 

 

3장 실시간으로 데이터를 분석한다: 데이터에서 현재를 알 수 있는 기술 

__3.1 플루언티드 

____3.1.1 데이터를 실시간으로 수집한다 

__3.2 노리크라 

____3.2.1 데이터를 실시간으로 집계한다 

__3.3 사례: 트위터 데이터에서 사람 이름을 실시간으로 집계 

____3.3.1 실시간으로 사람 이름을 집계해 보자 

____3.3.2 루비 환경 설정 

____3.3.3 플루언티드 설치 

____3.3.4 트위터 스트리밍 API와의 연계 

____3.3.5 플루언티드 MeCab 플러그인 작성 

____3.3.6 노리크라 설치 

____3.3.7 노리크라와 플루언티드 연동 

____3.3.8 노리크라에 키워드 집계용 쿼리 등록 

____3.3.9 엘라스틱서치와 키바나로 데이터 시각화하기 

____3.3.10 노리크라, 플루언티드, 엘라스틱서치와 키바나의 연동 

__3.4 마무리 

 

4장 머신 러닝 알고리즘: 데이터로 미래를 보는 기술 

__4.1 머신 러닝이란? 

____4.1.1 레스토랑 예약으로 머신 러닝을 생각한다 

__4.2 머신 러닝 알고리즘 

____4.2.1 머신 러닝 알고리즘의 개요 

____4.2.2 머신 러닝 알고리즘의 종류 

__4.3 나이브 베이즈 

____4.3.1 나이브 베이즈의 개요 

____4.3.2 나이브 베이즈의 이론 

____4.3.3 나이브 베이즈의 구체적인 예 

____4.3.4 나이브 베이즈의 구현 방법 

____4.3.5 나이브 베이즈의 마무리 

__4.4 단층 퍼셉트론 

____4.4.1 단층 퍼셉트론이란? 

____4.4.2 퍼셉트론의 학습 과정 

____4.4.3 퍼셉트론의 구현 방법 

____4.4.4 퍼셉트론의 문제점 

____4.4.5 퍼셉트론의 마무리 

__4.5 온라인 학습 

____4.5.1 온라인 학습이란? 

____4.5.2 퍼셉트론의 온라인 학습 프로그램 

____4.5.3 PA 알고리즘 

____4.5.4 온라인 학습의 마무리 

__4.6 서포트 벡터 머신 

____4.6.1 서포트 벡터 머신이란? 

____4.6.2 서포트 벡터 머신의 이론 

__4.7 선형 회귀 

____4.7.1 회귀 알고리즘이란? 

__4.8 자기 회귀 

____4.8.1 과거 데이터로 목적 함수를 추정하는 방법 

__4.9 클러스터링 

____4.9.1 클러스터링이란? 

__4.10 맵리듀스와 머신 러닝 

____4.10.1 대규모 데이터에 머신 러닝 알고리즘 적용 

__4.11 머신 러닝 실습 

____4.11.1 파이썬 환경 설치 

____4.11.2 IRIS 데이터를 사용한 머신 러닝 예제 

____4.11.3 digits 데이터를 사용한 머신 러닝 예제 

____4.11.4 Boston 데이터를 사용한 머신 러닝 예제 

__4.12 마무리 

 

5장 딥러닝 

__5.1 단층 퍼셉트론과 친구들 

____5.1.1 단층 퍼셉트론 복습하기 

____5.1.2 로지스틱 회귀 

____5.1.3 다항 로지스틱 회귀 

__5.2 신경망 

____5.2.1 단층 퍼셉트론과 신경망의 차이점 

____5.2.2 신경망 

____5.2.3 유닛 

____5.2.4 오차 역전파법 

____5.2.5 프로그램 예시 

____5.2.6 단층 퍼셉트론, 로지스틱 회귀, 다항 로지스틱 회귀, 신경망 

__5.3 합성곱 신경망 

____5.3.1 합성곱 신경망이란? 

____5.3.2 합성곱층 

____5.3.3 풀링층 

____5.3.4 다층 신경망 

____5.3.5 합성곱 신경망 학습 

__5.4 재귀형 신경망 

____5.4.1 재귀형 신경망이란? 

____5.4.2 재귀형 신경망 학습 

__5.5 텐서플로 

____5.5.1 텐서플로 설치 

____5.5.2 다항 로지스틱 회귀 

____5.5.3 다층 신경망 

____5.5.4 합성곱 신경망 

____5.5.5 속편: 합성곱 신경망 

__5.6 마무리 

 

용어집 

찾아보기

ㆍ지은이 하시모토타이이치
지은이 소개
도쿄공업대학대학원 정보이공학연구과 계산공학 전공 박사과정 수료. 도쿄공업대학 조수(조교), 특임준교수. 9년 간 교직에 있으면서 텍스트 마이닝 관련 연구 및 학내외의 정보시스템을 개발하고 관리. 그 후 글리 주식회사에 근무. 사용자 부정 투고 검지 및 처리, 데이터 분석 기반의 소프트웨어 개발에 종사. 2014년부터 LINE 주식회사에 근무. 전문 영역은 자연어 처리, 정보 검색, 데이터 마이닝. 현재는 LINE 주식회사에서 데이터 분석 시스템 및 머신 러닝 인프라를 개발하고 운용하는 팀의 매니저를 담당. 정보처리학회, 인공지능학회, 언어처리학회 회원.

ㆍ옮긴이 김은철
옮긴이 소개
㈜아이티에스 대표이며, AWS 기반한 IoT 실시간 서비스를 개발해 운영 중이다.일본법인 ㈜아이티에스 대표 및 엘피에이아카데미 전임강사(C, C++, MFC, Network, Database)였고, 한화S&C㈜에서 근무했다. 저서로는 예제가 가득한 C 언어 길라잡이, 초보자를 위한 C 언어 300제, 윈도우 프로그래밍 플러스, 역서로는 유니티5 교과서, 예제로 배우는 핵심 패턴 안드로이드 프로그래밍, 아이폰 프로그래밍 UIKit 핵심 바이블, PHP 7 예비학교, 예제가 가득한 Java/JavaScript/Android/iOS 프로그래밍 외 다수가 있다. 최근에는 블록체인, 인공지능 관련 사업을 하고 있다(ceo@k2apps.kr).

ㆍ옮긴이 유세라
옮긴이 소개
한국을 거쳐 일본에서 IT 엔지니어로 활동했으며, 현재는 (주)컴온히어 IT 기업 대표로 스마트 앱, 모바일 앱 사업을 하고 있으며, 일본 전문 서적 번역가로도 활동하고있다. 역서로는 모두의 알고리즘, PHP 7 예비학교, 딥러닝 워크북, 머신 러닝 부트캠프 with 파이썬, 예제로 배우는 핵심 패턴 안드로이드 프로그래밍, 아이폰 프로그래밍 UIKit 핵심 바이블, 예제로 배우는 아이폰 프로그래밍 핵심 바이블, 스위프트로 만드는 실전강좌! 아이폰 앱 프로그래밍, 유니티 게임 프로그래밍 바이블, 가장 쉬운 파이썬 입문교실, 수학으로 배우는 파이썬, 게임으로 배우는 파이썬 등이 있다.

ㆍ옮긴이 이춘오
옮긴이 소개
KAIST 정보통신공학과 학사 및 박사 학위를 취득하고, 삼성전자에서 빅데이터 플랫폼 엔지니어로 근무했으며, 현재는 SK 플래닛의 데이터 과학자로 재직 중이다. 11번가의 다양한 데이터를 바탕으로 각종 예측 모델을 구축하고 데이터 기반 서비스를 개발하는 업무를 하고 있다.

필요한 자료를 선택하세요.

추천도서