한빛출판네트워크

머신러닝의 새로운 시대를 여는 AutoML  

머신러닝 한계를 넘어, AutoML로 정확하고 빠른 모델을 만들어보자

* AutoML의 핵심을 담은 AutoKeras 창시자의 집필서

* ML 전문가의 비밀 노트: ML 핵심 개념부터 ML 자동화를 위한 최적화 알고리즘까지

AutoML의 발전으로 머신러닝에 대한 전문 지식이 없어도 하이퍼파라미터 튜닝과 모델 최적화를 간편하게 수행할 수 있게 되었습니다. 특히, AutoKeras와 KerasTuner와 같은 도구들은 이러한 기능을 제공하며, 다양한 작업에 맞게 머신러닝 모델을 빠르게 조정할 수 있도록 도와줍니다. AutoML을 통해 머신러닝을 더욱 쉽게 활용하고 업무 성과를 향상시킬 수 있으므로, 이러한 도구들을 배우고 활용하는 것이 중요합니다.

이 책은 AutoML의 기본 개념과 알고리즘, 도구를 소개하고, AutoML 도구를 활용하여 머신러닝 모델을 학습시키는 방법을 설명합니다. 또한, 실제 사례를 통해 AutoML의 적용 방법을 보여주며, 머신러닝을 처음 접하는 독자도 쉽게 이해할 수 있도록 구성되어 있습니다. 다양한 분야에서 머신러닝을 활용하여 머신러닝 전문가로 성장하고자 하는 모든 사람에게 유용한 학습 자료가 될 것입니다.

누구를 위한 책 인가요?

• 머신러닝 엔지니어: AutoML 개념을 탄탄히 다지고 실무에서 활용 방법과 심화 주제를 익히고 싶은 분
• AutoML 도구에 관심 있는 프로젝트 관리자 및 개발자: AutoKeras와 KerasTuner를 활용하여 프로젝트의 효율성을 높이고 싶은 분
• 데이터 과학자 및 분석가: 머신러닝 모델의 개발과 최적화 방법을 찾고 있는 분
• 학계 연구자: 최신 AutoML 연구와 기술에 관심이 있고 기존 연구와 다른 관점으로 AutoML에 접근하고 싶은 분

단계별로 AutoML의 기본 개념부터 고급 주제까지 체계적으로 학습할 수 있습니다. 각 장의 내용을 순차적으로 따라가면서 실제 예제와 함께 실습하면 AutoML의 전반적인 지식과 활용 능력을 향상시킬 수 있을 것입니다.

[PART 1: AutoML 기초]

• 머신러닝과 AutoML 이해하기: AutoML의 기본 개념에 익숙하지 않다면 1장에서 AutoML의 핵심 철학과 장점을 확인해보세요
• 머신러닝 프로젝트의 흐름 알아보기: 2장에서는 머신러닝 프로젝트를 계획하고 구성할 때 도움이 되는 전반적인 흐름을 파악할 수 있습니다.
• 딥러닝 시작하기: 3장은 기본 모델로 실제 문제를 해결하는 방법을 학습할 수 있어, 딥러닝에 익숙하지 않은 독자에게 특히 더 유용하게 작용합니다.

• 실제 머신러닝 문제 해결하기: 4장에서는 AutoKeras를 활용한 실제 문제를 해결하는 방법을 배웁니다. 실무에서 자주 마주치는 문제를 어떻게 해결하는지 경험해보세요.
• 고급 파이프라인 구성하기: 5장에서는 파이프라인의 세부 조정 및 최적화 방법을 배웁니다. 심화 단계의 AutoML 활용법을 익히고자 하는 독자에게 추천합니다.
• 사용자 정의 탐색 활용하기: 6장에서는 사용자 정의 탐색 기법을 통해 더욱 세밀한 모델 튜닝 방법을 배웁니다.

[PART 3: AutoML의 고급 주제]

• 다양한 검색 기법 탐구하기: 7장에서는 다양한 검색 기법을 통해 최적의 모델을 찾는 전략을 배웁니다.
• AutoML의 확장성 활용하기: 8장에서는 대규모 데이터셋 처리 및 병렬 처리 방법 등 AutoML의 확장성을 최대한 활용하는 방법을 배웁니다.
• 전체 내용 복습 및 미래 전망 알아보기: 9장에서는 지금까지 학습한 내용을 복습하고, AutoML의 미래 발전 방향에 대해 알아봅니다.

[부록]

• 실습 환경 구축하기: 부록 A에서는 코드 실습을 위한 환경 설정 방법을 소개합니다. 실제로 코드를 실행하며 학습하고자 하는 독자에게 유용합니다.
• 실제 예제로 실력 키우기: 부록 B에서는 다양한 데이터 유형에 대한 분류 예제를 통해 실제로 학습한 내용을 적용해보는 기회를 얻을 수 있습니다.