한빛출판네트워크

IT/모바일

한 권으로 다지는 머신러닝&딥러닝 with 파이썬

인공지능 핵심 개념과 사용 사례부터 예제로 살펴보는 애플리케이션 개발 방법까지

한빛미디어

번역서

판매중

한 권으로 다지는 머신러닝&딥러닝 with 파이썬
좋아요: 3
  • 저자 : 알베르토 아르타산체스 , 프라틱 조시
  • 역자 : 여인춘
  • 출간일 : 2021-10-21
  • 페이지 : 680쪽
  • ISBN : 9791162244876
  • 물류코드 :10487

합계 : 36,000

도서판매처

  • 인공지능이 처음이라면! 개념과 예제로 머신러닝 탄탄하게 다지기

     

    이 책은 인공지능 관련 핵심 개념부터 머신러닝과 딥러닝까지, 인공지능 구현에 필요한 모든 것을 담았다. 실제 시나리오를 살펴보면서 문제에 따라 어떤 알고리즘을 어떻게 적용하는지 학습한다. 예제는 파이썬과 텐서플로를 사용하며 파이썬 입문자도 쉽게 따라 할 수 있는 코드로 구성되었다. 파이썬 프로그래밍 경험이 있다면 코드를 자유롭게 활용해 원하는 프로그램을 만들어볼 수 있다.

     

    영화 추천 시스템 구축, 주식시장 분석, 객체 추적기 구축 등 흥미로운 예제를 따라 차근차근 학습하고 나면 다양한 인공지능 기술을 이해하고 상황에 맞춰 자신 있게 적용하는 자신을 발견하게 될 것이다. 이미지, 텍스트, 음성 등 다양한 데이터를 이해하는 똑똑한 애플리케이션을 지금 바로 만들어보자.

     

     

    대상 독자

    • 인공지능을 배우고 싶은 누구나
    • 인공지능을 사용해 실제 애플리케이션을 개발하려는 파이썬 개발자


    다루는 내용

    • 인공지능, 머신러닝, 딥러닝이 무엇인지 이해한다.
    • 주요 인공지능 사용 사례를 살펴본다.
    • 머신러닝 파이프라인 구축 방법을 학습한다.
    • 특성 선택과 특성 공학의 기본 개념을 이해한다.
    • 지도 학습과 비지도 학습의 차이점을 이해한다.
    • 인공지능을 개발하는 최신 클라우드 기술과 도구를 살펴본다.
    • 자동 음성 인식 시스템과 챗봇을 만들어본다.
    • 인공지능 알고리즘을 시계열 데이터에 적용한다.

     

    rrrr.jpg

  • [저자] 알베르토 아르타산체스

    데이터 과학자로서 25년이 넘게 여러 포춘 500대 기업과 스타트업에서 컨설팅을 했다. 인공지능과 알고리즘에 관한 폭넓은 경험이 있다. AWS Big Data Specialty와 Machine Learning Specialty를 포함해 여덟 가지 AWS 자격증을 보유하고 있다. AWS 엠버서더이며 다양한 데이터 과학 블로그에 자주 글을 쓴다. 데이터 과학, 빅데이터와 분석, 언더라이팅 최적화, 이상 거래 탐지와 같은 주제로 강연을 한다. 인공지능을 사용한 데이터 레이크 구축에 특히 관심이 있다.

    [저자] 프라틱 조시

    플루토시프트의 창립자이며 인공지능에 관한 책 아홉 권을 집필했다. TEDx, 글로벌 빅데이터 콘퍼런스, 머신러닝 개발자 콘퍼런스, 실리콘밸리 딥러닝 콘퍼런스 등에 초청받아 강연을 했다. 인공지능 외에도 정수론, 암호 기법, 양자컴퓨팅에 흥미가 있다. 가장 큰 목표는 인공지능이 전 세계 수십 억 사람에게 영향을 끼칠 수 있도록 모두에게 접근 가능하게 만드는 것이다.

    [역자] 여인춘

    텍사스 A&M 대학에서 컴퓨터공학 박사 학위를 취득했다. 삼성전자 DMC 연구소의 수석 연구원으로서 근무했으며, 퇴사 전까지 삼성전자 인공지능 개발 팀에서 일했다. 현재 텍사스 대학에서 Health and Science 교수로 재직 중이며 휴스턴 대학교에서 인공지능 관련 연구를 수행하고 있다. 모바일 프로그래밍, 프로그래밍 언어 등 다양한 분야의 기술 서적을 20여 권 집필하고 번역했다.

  • [1장 인공지능 소개]

    1.1 AI란 무엇인가

    1.2 AI를 왜 공부해야 하는가

    1.3 AI 종류

    1.4 머신러닝의 다섯 가지 그룹

    1.5 튜링 테스트를 사용한 지능 정의

    1.6 기계가 인간처럼 생각하도록 만들기

    1.7 합리적 에이전트 구축

    1.8 일반 문제 해결사

    1.9 지능형 에이전트 구축

    1.10 파이썬 3 설치

    1.11 패키지 설치

    1.12 데이터 로딩

    1.13 정리

     

    [2장 인공지능 사용 사례]

    2.1 대표적인 AI 사용 사례

    2.2 디지털 개인 비서와 챗봇

    2.3 자율 주행 자동차

    2.4 배송과 창고 관리

    2.5 인간의 건강

    2.6 지식 검색

    2.7 추천 시스템

    2.8 스마트 홈

    2.9 게임

    2.10 영화 제작

    2.11 인수 및 거래 분석

    2.12 데이터 정리와 변환

    2.13 정리

     

    [3장 머신러닝 파이프라인]

    3.1 머신러닝 파이프라인이란 무엇인가

    3.2 문제 정의

    3.3 데이터 수집

    3.4 데이터 준비

    3.5 데이터 분리

    3.6 모델 훈련

    3.7 정리


    [4장 특성 선택과 특성 공학]

    4.1 특성 선택

    4.2 특성 공학

    4.3 정리

     

    [5장 지도 학습을 이용한 분류와 회귀]

    5.1 지도 학습 vs. 비지도 학습

    5.2 분류란 무엇인가

    5.3 데이터 전처리

    5.4 레이블 인코딩

    5.5 로지스틱 회귀 분류기

    5.6 나이브 베이즈 분류기

    5.7 컨퓨전 행렬

    5.8 서포트 벡터 머신

    5.9 서포트 벡터 머신을 사용한 소득 데이터 분류

    5.10 회귀란 무엇인가

    5.11 단일 변수 회귀 구축

    5.12 다변수 회귀 분석기 구축

    5.13 서포트 벡터 회귀를 사용해 주택 가격 추정하기

    5.14 정리

     

    [6장 앙상블 학습을 이용한 예측 분석]

    6.1 의사 결정 트리

    6.2 앙상블 학습

    6.3 랜덤 포레스트와 익스트림 랜덤 포레스트

    6.4 클래스 불균형 다루기

    6.5 그리드 검색을 사용해 최적의 훈련 매개변수 찾기

    6.6 상대적인 특성 중요도 계산하기

    6.7 익스트림 랜덤 포레스트 회귀자를 사용해 트래픽 예측하기

    6.8 정리

     

    [7장 비지도 학습을 이용한 패턴 감지]

    7.1 비지도 학습이란

    7.2 K-평균 알고리즘을 사용해 데이터 클러스터링하기

    7.3 가우시안 혼합 모델이란

    7.4 유사도 전파 모델을 사용해 주식시장에서 하위 그룹 찾기

    7.5 쇼핑 패턴에 따라 시장 분할하기

    7.6 정리

     

    [8장 추천 시스템 구축]

    8.1 최근접 이웃 추출

    8.2 K-최근접 이웃 분류기 생성

    8.3 유사성 점수 계산

    8.4 협업 필터링을 사용해 유사한 사용자 찾기

    8.5 영화 추천 시스템 구축

    8.6 정리

     

    [9장 논리 프로그래밍]

    9.1 논리 프로그래밍이란 무엇인가

    9.2 논리 프로그래밍 구성 요소 이해

    9.3 논리 프로그래밍을 사용한 문제 해결

    9.4 파이썬 패키지 설치

    9.5 수학적 표현 일치

    9.6 소수 검증

    9.7 가계도 구문 분석

    9.8 지도 분석

    9.9 퍼즐 솔버 구축

    9.10 정리

     

    [10장 휴리스틱 검색 기술]

    10.1 휴리스틱 검색은 인공지능인가

    10.2 휴리스틱 검색이란 무엇인가

    10.3 제약 충족 문제

    10.4 로컬 검색 기술

    10.5 탐욕 검색을 사용한 문자열 구성

    10.6 제약 충족 문제 해결하기

    10.7 영역 색상 문제 해결하기

    10.8 8-퍼즐 솔버 구축하기

    10.9 미로 찾기 구축하기

    10.10 정리

     

    [11장 유전 알고리즘과 유전 프로그래밍]

    11.1 진화주의자 그룹

    11.2 진화와 유전 알고리즘

    11.3 유전 알고리즘의 기본 개념

    11.4 사전 정의된 매개변수로 비트 패턴 생성하기

    11.5 진화 시각화하기

    11.6 심볼 회귀 문제 해결하기

    11.7 지능형 로봇 컨트롤러 구축하기

    11.8 유전 프로그래밍 사용 사례

    11.9 정리

     

    [12장 클라우드를 이용한 인공지능]

    12.1 기업이 클라우드로 마이그레이션하는 이유

    12.2 최상위 클라우드 제공 업체

    12.3 아마존 웹 서비스

    12.4 마이크로소프트 애저

    12.5 구글 클라우드 플랫폼

    12.6 정리

     

    [13장 인공지능을 이용한 게임 개발]

    13.1 게임에서 검색 알고리즘 사용하기

    13.2 조합 검색

    13.3 easyAI 라이브러리 설치

    13.4 마지막 동전 남기기 게임을 하는 봇 만들기

    13.5 틱택토 게임을 하는 봇 만들기

    13.6 커넥트포 게임을 하는 두 봇 만들기

    13.7 헥사폰 게임을 하는 두 봇 만들기

    13.8 정리

     

    [14장 음성 인식 구축]

    14.1 음성 신호 작업

    14.2 오디오 신호 시각화하기

    14.3 오디오 신호를 주파수 영역으로 변환하기

    14.4 오디오 신호 생성하기

    14.5 음악을 생성하기 위한 톤 합성하기

    14.6 음성 특성 추출하기

    14.7 음성 인식하기

    14.8 정리

     

    [15장 자연어 처리]

    15.1 패키지 소개 및 설치

    15.2 텍스트 데이터 토큰화

    15.3 형태소 분석을 사용해 단어를 기본 형식으로 변환하기

    15.4 기본형화를 사용해 단어를 기본 형식으로 변환하기

    15.5 텍스트 데이터를 청크로 나누기

    15.6 단어 가방 모델을 사용해 용어의 빈도 추출하기

    15.7 카테고리 예측기 구축

    15.8 성별 식별자 구축

    15.9 감정 분석기 구축

    15.10 잠재 디리클레 할당을 사용한 주제 모델링

    15.11 정리

     

    [16장 챗봇]

    16.1 챗봇의 미래

    16.2 오늘날의 챗봇

    16.3 챗봇 기본 개념

    16.4 잘 설계된 챗봇

    16.5 챗봇 플랫폼

    16.6 다이얼로그플로우를 사용한 챗봇 개발

    16.7 정리

     

    [17장 시퀀스 데이터와 시계열 분석]

    17.1 시퀀스 데이터 이해

    17.2 판다스로 시계열 데이터 처리하기

    17.3 시계열 데이터 슬라이싱하기

    17.4 시계열 데이터에 작업 수행하기

    17.5 시계열 데이터에서 통계 추출하기

    17.6 은닉 마르코프 모델을 사용해 데이터 생성하기

    17.7 조건부 랜덤 필드로 알파벳 시퀀스 식별하기

    17.8 주식시장 분석하기

    17.9 정리

     

    [18장 이미지 인식]

    18.1 이미지 인식의 중요성

    18.2 OpenCV

    18.3 프레임 차이

    18.4 색 공간을 사용한 객체 추적

    18.5 배경 삭제를 사용한 객체 추적

    18.6 캠시프트 알고리즘을 사용한 대화형 객체 추적기 구축

    18.7 광학 흐름 기반 추적

    18.8 얼굴 감지 및 추적

    18.9 눈 감지 및 추적

    18.10 정리

     

    [19장 신경망]

    19.1 신경망 소개

    19.2 퍼셉트론 기반 분류기 구축

    19.3 단일 계층 신경망 구축

    19.4 다층 신경망 구축

    19.5 벡터 양자화기 구축

    19.6 순환 신경망을 사용한 시퀀스 데이터 분석

    19.7 광학 문자 인식 데이터베이스에서 문자 시각화하기

    19.8 광학 문자 인식 엔진 구축

    19.9 정리

     

    [20장 합성곱 신경망을 이용한 딥러닝]

    20.1 합성곱 신경망 기초

    20.2 합성곱 신경망 아키텍처

    20.3 합성곱 신경망 계층 유형

    20.4 퍼셉트론 기반 선형 회귀 구축

    20.5 단일 계층 신경망을 사용한 이미지 분류기 구축

    20.6 합성곱 신경망을 사용한 이미지 분류 구축

    20.7 정리

     

    [21장 순환 신경망과 기타 딥러닝 모델]

    21.1 순환 신경망 기초

    21.2 순환 신경망 아키텍처

    21.3 언어 모델링 사용 사례

    21.4 순환 신경망 훈련

    21.5 정리

     

    [22장 강화 학습 - 지능형 에이전트 생성]

    22.1 학습의 의미 이해

    22.2 강화 학습 vs. 지도 학습

    22.3 강화 학습 사례

    22.4 강화 학습 구성 요소

    22.5 환경 구축

    22.6 학습 에이전트 구축

    22.7 정리

     

    [23장 인공지능과 빅데이터]

    23.1 빅데이터 기초

    23.2 빅데이터의 세 가지 V

    23.3 빅데이터와 머신러닝

    23.4 NoSQL 데이터베이스

    23.5 정리

  • 인공지능 초보 여행자에게 나무가 아닌 숲을 보여주는 완벽한 안내서!

     

    알파고, 넷플릭스, 애플 시리는 인공지능이 사용된 대표적인 사례입니다. 인공지능 기술을 아는 사람이든 모르는 사람이든 누구나 일상에서 심심찮게 접할 수 있죠. 한편으로는 우리도 모르는 사이에 인공지능이 한몫을 톡톡히 하고 있는 사례도 있습니다. 구글 검색과 쿠팡 배송 시스템이 그 예입니다. 우리는 이를 통해 인공지능이 이미 일상에 깊숙이 자리 잡았음을 알 수 있습니다.

     

    이것이 바로 이 책의 출발점입니다. 이 책은 독자가 일상 속 친숙한 사례로부터 인공지능 학습의 첫발을 내딛도록 안내합니다. 대표적인 사용 사례들을 먼저 소개한 뒤에 각 기술을 구현하려면 어떤 알고리즘을 어떻게 적용해야 하는지 차근차근 알려줍니다. 머신러닝과 딥러닝의 핵심 개념들을 너무 얕지도, 너무 어렵지도 않게 설명해 기본기를 탄탄히 다지도록 해줍니다. 영화 추천 시스템, 게임 봇, 텍스트 감정 분석기 등을 구축하는 흥미로운 예제도 함께합니다.

     

     

    장별 주요 내용

     

    [1장 인공지능 소개]

    인공지능 애플리케이션을 구축하는 데 필요한 핵심 개념을 학습합니다. 파이썬 3 설치 방법도 알아봅니다.

     

    [2장 인공지능 사용 사례]

    인공지능 알고리즘을 살펴보기에 앞서 오늘날 가장 많이 사용되는 분야와 사용 사례를 분석합니다.

     

    [3장 머신러닝 파이프라인]

    머신러닝 파이프라인이 무엇인지 학습하고 구현에 어떤 도구가 사용되는지 알아봅니다. 파이프라인 내 주요 단계를 예제와 함께 살펴봅니다.

     

    [4장 특성 선택과 특성 공학]

    특성 선택과 특성 공학이 무엇이며 왜 중요한지 학습합니다. 기존 특성과 외부 소스에서 새 특성을 만드는 방법과, 중복되거나 가치가 낮은 특성을 제거하는 방법을 알아봅니다.

     

    [5장 지도 학습을 이용한 분류와 회귀]

    지도 학습이 무엇이며 비지도 학습과 어떤 차이가 있는지 알아봅니다. 분류가 무엇인지 학습하고 다양한 알고리즘을 살펴봅니다.

     

    [6장 앙상블 학습을 이용한 예측 분석]

    다양한 앙상블 방법과 각 방법을 언제 사용하는지 학습합니다. 배운 내용을 예제에 적용해 교통량을 예측해봅니다.

     

    [7장 비지도 학습을 이용한 패턴 감지]

    비지도 학습과 데이터 클러스터링 개념을 학습합니다. 다양한 클러스터링 알고리즘을 적용하는 방법을 알아보고 예제를 통해 작동 방식을 이해합니다.

     

    [8장 추천 시스템 구축]

    추천 시스템 구축에 필요한 개념을 학습하고 이를 활용해 영화 추천 시스템을 구축해봅니다.

     

    [9장 논리 프로그래밍]

    논리 프로그래밍으로 프로그램을 작성하는 방법을 배웁니다. 가계도 구문 분석, 지도 분석, 퍼즐 솔버 구축 등 문제 해결 예제를 살펴봅니다.

     

    [10장 휴리스틱 검색 기술]

    휴리스틱 검색의 정의와 검색 기술을 학습합니다. 예제를 통해 영역 색상 문제를 해결하고 8-퍼즐 솔버와 미로 찾기를 구축해봅니다.

     

    [11장 유전 알고리즘과 유전 프로그래밍]

    유전 프로그래밍이 AI 분야에서 중요한 이유를 알아봅니다. 유전 알고리즘을 사용해 간단한 문제를 해결하는 방법을 학습한 뒤 실제 문제에 적용해봅니다.

     

    [12장 클라우드를 이용한 인공지능]

    AI 프로젝트를 활성화하고 가속화하는 다양한 클라우드 제공 업체 및 제품을 알아봅니다.

     

    [13장 인공지능을 이용한 게임 개발]

    다양한 검색 알고리즘을 학습하고 마지막 동전 남기기, 틱택토, 커넥트포, 헥사폰 게임을 플레이하는 지능형 봇을 구축해봅니다.

     

    [14장 음성 인식 구축]

    음성 데이터를 처리하고 특성을 추출하는 방법을 배웁니다. 추출한 기능을 사용해 음성 인식 시스템을 구축해봅니다.

     

    [15장 자연어 처리]

    자연어 처리에 사용하는 다양한 기술을 학습합니다. 배운 내용을 활용해 카테고리 예측기, 성별 식별자, 감정 분석기를 구축해봅니다.

     

    [16장 챗봇]

    챗봇 구축에 필요한 기본 개념과 도구를 살펴본 뒤 이를 기반으로 챗봇을 구축해봅니다.

     

    [17장 시퀀스 데이터와 시계열 분석]

    시퀀스 데이터의 다양한 특성을 살펴보고 은닉 마르코프 모델을 사용해 시퀀스 데이터를 분석하는 방법을 학습합니다. 배운 내용을 활용해 주식시장 데이터를 분석해봅니다.

     

    [18장 이미지 인식]

    이미지 인식의 중요성을 알아보고 라이브 영상에서 물체를 감지 및 추적하는 방법을 학습합니다. 얼굴과 눈을 감지하고 추적하는 예제를 살펴봅니다.

     

    [19장 신경망]

    신경망을 구축하고 훈련하는 방법을 학습합니다. 퍼셉트론이 무엇이며 신경망 구축에 어떻게 사용되는지 알아봅니다. 마지막에는 광학 문자 인식 엔진을 구축해봅니다.


    [20장 합성곱 신경망을 이용한 딥러닝]

    딥러닝의 기본을 학습합니다. 합성곱 신경망에 관련된 다양한 개념을 살펴보고 이를 이미지 인식에 사용하는 방법을 알아봅니다. 학습한 내용을 기반으로 실제 애플리케이션을 구축해봅니다.

     

    [21장 순환 신경망과 기타 딥러닝 모델]

    자연어 처리 및 이해에 자주 사용되는 순환 신경망을 학습합니다. 순환 신경망 아키텍처를 살펴보고 어떤 이점과 제한 사항이 있는지 알아본 뒤 간단한 예제를 살펴봅니다.


    [22장 강화 학습 – 지능형 에이전트 생성]

    강화 학습의 정의와 모델 내 구성 요소를 살펴봅니다. 강화 학습 시스템을 구축하는 데 사용하는 기술과 학습 에이전트를 구축하는 방법을 알아봅니다.

     

    [23장 인공지능과 빅데이터]

    빅데이터 기술을 적용해 머신러닝 파이프라인을 가속화하는 방법을 알아보고 데이터 세트 수집, 변환, 유효성 검사를 간소화하는 기술을 분석합니다. 아파치 스파크를 사용하는 예제를 살펴봅니다.


    • 한빛미디어 <나는 리뷰어다> 활동을 위해서 책을 제공받아 작성된 서평입니다.


       


       



      "혼자공부하는 머신러닝 & 딥러닝" 입문서를 읽은 후에 "한권으로 다지는 머신러닝&딥러닝 with 파이썬"



      을 읽게 되었다. 입문서 후에 조금 난이도가 있는 책을 읽게 된것 같다.  


       


       



      "한권으로 다지는 머신러닝&딥러닝 with 파이썬" 을 읽고 든 생각은 이 책은 머신러닝& 딥러닝의 



      전체적인 기술 및 내용을 학습할 수 있는 책이 아닐까 생각해본다.  


       


       



      다른 책에서는 없는 인공지능, 머신러닝을 왜 공부해야 하는가? 그리고 기술은 어떤게 있는가? 어떤것을 활용하여야 하는가? 이런 질문에 답을 줄수 있는게 "한권으로 다지는 머신러닝&딥러닝 with 파이썬" 이라는 책이라고 생각한다. 


       


       



      "한권으로 다지는 머신러닝&딥러닝 with 파이썬" 의 목차인 챕터를 이야기 안할 수가 없는데 



      1. 인공지능 소개



      2. 인공지능 사용 사례



      3. 머신러닝 파이프라인



      4. 특성 선택과 특성 공학



      5. 지도 학습을 이용한 분류와 회귀



      6. 앙상블 학습을 이용한 예측 분석



      7. 비지도 학습을 이용한 패턴 감지



      8. 추천 시스템 구축



      9. 논리 프로그래밍



      10. 휴리스틱 검색 기술



      11. 유전 알고리즘과 유전 프로그래밍



      12. 클라우드를 이용한 인공지능



      13. 인공지능을 이용한 게임 개발 



      14. 음성 인식 구축



      15. 자연어 처리 



      16. 챗봇



      17. 시퀀스 데이터와 시계열 분석



      18. 이미지 인식



      19. 신경망



      20. 합성곱 신경망을 이용한 딥러닝



      21. 순한 신경망과 기타 딥러닝 모델



      22. 강화학습 - 지능형 에이전트 생성



      23. 인공지능과 빅 데이터 



      챕터 1~2개 정도가 다른 책의 한권 정도의 분량인데 



      "한권으로 다지는 머신러닝&딥러닝 with 파이썬" 은 해당 내용을 설명 및 파이썬 예제로 중요 핵심을 다루고 있는게 큰 강점이라고 생각한다. 


       


       



      전체적인 인공지능, 머신러닝, 딥러닝을 기술 및 내용을 확인할 수 있는 책이 해당 책이라고 생각한다.


       



      몇개의 관심있는 Chapter를 읽으면서 해당 책의 장점을 확인했는데 


       


       



      Chapter 1 인공지능 소개, Chapter 2 인공지능 사용 사례를 읽으면서 



      근본적인 왜 머신러닝&딥러닝을 사용하는가? 어떤 기술을 써야 하는가 ?  하는 의문이 들었는데 해당 책은 이런 의문을 해결해준 책이라고 생각이 든다. 



      언제나 가지고 있는 질문에 대답을 해주는 내용이 언급되어 있었다. 



      대표적인 AI 사례 , 강의에서 들었던 머신러닝의 다섯가지 그룹 등은 학습을 하면서 정리하는데 굉장한 도움을 주었다. 


       


       



      Chpter 12 클라우드를 이용한 인공지능에서는 아마존 웹서비스, 마이크로소프트 애저, 구글 클라우드 플랫폼에 대한 클라우드를 이용한 인공지능을 설명하고 있었다. 다른 책에서는 없는 이미 기술적으로 알고는 있었지만 해당 내용은 이 책의 차이점이라고 생각한다. 


       


       



      Chpter 14 음성 인식 구축, Chpter 16 챗봇 은 현재 쉽게 접할 수 있는 네이버의 클로바 기술 및 상담,Q&A 에 사용하는 기술을 설명하고 있고 해당 서비스를 구축하기 위한 기술을 쉽게 설명하고 있었다. 


       


       



      Chapter 23 인공지능과 빅데이터 도 다른 책에는 없는 훌륭한 내용이라고 생각한다. 인공지능을 진행하기 위해서는 빅데이터가 필수이고 해당 정보를 가지고 오기에는 어떤 기술이 필요한지 알아야 하는데 해당 챕터에서는 기초 기술과 아파치 하둡, 스파크 , 임팔라에 대한 설명 NoSQL에 대한 내용을 설명하고 있었다.


       


       



      마지막으로 "한권으로 다지는 머신러닝&딥러닝 with 파이썬" 을 정리하면 입문서 이후에 인공지능의 전반적인 내용을 살펴보고  앞으로 어떤 기술을 핵심적으로 배울지를 판단할때 도움이 될 수 있는 책이라고 생각한다.



      깊게 하나의 주제를 표현하는것은 아니지만 전체적인 기술을 나열하고 알기위해서 해당 책은 딱 좋은 책이라고 생각한다. 



      기술에 대한 전반적인 것을 알수 있게 만드는게 해당 책의 목적이라고 생각한다. 깊은 주제는 다른 책을 통해 학습을 해야 할것 같다.



      관심있는 Chpater 만 읽었지만 다른 Chapter도 읽어보고 전반적인 내용을 학습해야 할 것 같다.




    •  



      Author: 알베르트 아르타산체스, 프라틱 조시 지음 / 여인춘 옮김



      출판사: 한빛미디어



      Score /5: ⭐️⭐️⭐️⭐️⭐️


      [이 책의 대상 독자]


      • 코드를 통해 머신러닝을 익히고 싶은 개발자(파이썬)

      • 머신러닝 입문자


      머신러닝과 딥러닝은 요즘 들어 심심찮게 들리는 용어중 하나입니다. 이미 프로젝트에 참여해서 활용하고 계신 데이터 분석가나 머신러닝 엔지니어 분들도 계시겠지만 저처럼 한걸음 떨어져서 사태를 관망하는 개발자들도 있을것입니다.



      하지만 한걸음 떨어져 있는 저도 느낄만큼 머신러닝과 딥러닝에 대한 고객 요구 및 필요성이 폭발적으로 늘어가고 있습니다.
      개발자가 쉽게 코드베이스로 이해할 수 있는 책이 없을까? 이 책이 그 답이 될 수 있을거라 생각됩니다.
      이 책은 코드를 하나씩 풀어서 천천히 설명해 줍니다. 이 책을 한마디로 정의한다면 '친절하다' 라는 느낌으로 설명할 수 있을 것 같습니다.
      두번째로 이 책은 많은 예제가 있습니다. 기초 이론부터 시작한다면 생각보다 오래걸리는 분야가 머신러닝입니다.
      반면 이 책은 많은 예제를 통해서 자연스럽게 머신러닝과 친해질 수 있도록 기회를 제공합니다. 



      이제는 멀리할 수 없는 머신러닝&딥러닝! '한 권으로 다지는 머신러닝&딥러닝 with 파이썬'을 통해 다져가시기 바랍니다.




      ※ 이 책은 한빛 미디어의 지원으로 작성된 글입니다

    •  


      `한 권으로 다지는 머신러닝&딥러닝 with 파이썬`






      표지






      너무나 매력적인 제목의 책이 새로 나왔다.


      한 권으로 머신러닝과 딥러닝을 모두 다진다니... 그것도 파이썬을 이용해서...






      목차를 보면 정말 알차게 채워져 있다.






      목차






      인공지능이 무엇인지에 대한 설명 뿐 아니라,


      인공지능이 어디에 쓰이는지 사용 사례까지 소개를 해주고 있다.


      딥마인드 팀에서 만든 `알파스타`로 프로게이머를 이긴 이야기도 실려있어서 재미있게 읽었다.






      뿐만 아니라 본격적인 머신러닝 & 딥러닝 공부에 있어서도


      다른 책에서는 잘 언급하지 않는 `특성 공학`부터 하나의 챕터를 할당해서 알려주고 있다.


      4장






      편집도 정말 깔끔하지 않은가!?






      챕터에 대한 짧은 설명과 함께 학습 목표도 명시적으로 앞에서 소개를 해줘서


      무엇을 알아야 하는지 한 번 생각하고 공부를 할 수 있도록 되어있다.






      5장






      위 사진들을 보면 알겠지만 조금 아쉽게도 이 책은 Grey Scale 이다.


      하지만, 정말 친절하게도 이 책에서 사용된 이미지들을 Colored PDF 파일로 공유해주고 있다.







      https://static.packt-cdn.com/downloads/9781839219535_ColorImages.pdf






      color image






      물론, 예제 코드도 제공해준다.







      https://git.io/JahHZ


       


      예제 코드에서 조금 아쉬운 점은


      솔직히 공부하기에는 Jupyter Notebook 형식으로 제공해주는 것이 편한데... 대부분 Python 파일로 제공을 해주고 있다.


      그리고, 별도 주석이 있다던지 하지는 않아서... 좀 아쉽다.










      이 책에 대해서 전반적으로 설명을 하자면,


      책 제목 그대로 머신러닝과 딥러닝에 대해서 책 한 권으로 정말 깔끔하게 잘 정리된 정성 가득한 책이다.






      다만, 너무 넓은 범위의 내용을 책 한 권에 담아내다보니


      친절한 설명까지는 기대하면 안되고


      깔끔하게 요약된 내용을 보면서 다른 책이나 매체를 통해 좀 더 공부를 보충할 필요는 있어 보인다.






      이미 머신러닝과 딥러닝을 공부하고 있는 분들이라면


      이 책으로 한 번 정리한다는 느낌으로 공부하기에도 정말 훌륭한 책이 될 것 같다.







      "한빛미디어 <나는 리뷰어다> 활동을 위해서 책을 제공받아 작성된 서평입니다."






    • 한빛미디어 <나는 리뷰어다> 활동을 위해서 책을 제공받아 작성된 서평입니다.


       


      다루는 언어 : Python3


      패키지 : 넘파이,사이파이,사이킷런,맷플롯립 등


       


      예제 코드 









      git.io/JahHZ

      https://github.com/PacktPublishing/Artificial-Intelligence-with-Python-Second-Edition

      책에 수록된 그림 컬러버전









      https://static.packt-cdn.com/downloads/9781839219535_ColorImages.pdf

       


      머신러닝/ 딥러닝/ AI 이란 용어는 해당 종사자가 아니라도 여기저기서 언론을 통해도 많이 들려오고 있다. 


       


      많은 관심으로 연구와 기술이 발전하고 있어도


      그런데도 옮긴이(여인춘 님)는 아직 막 걸음마를 뗐다고 표현하는게 놀라웠다...


       


      또한 인공지능 기술이 마치 도깨비방망이와 같이 소개되고 있다고 하는 말이 재미있었다.


      왜냐하면 나도 실제로 그렇게 생각해왔기 때문이다.


       


      데이터에서 가치를 뽑아내는 것이 수학이다 보니 더더욱 이 분야에 접근하기 어려웠는데 


      책에선 수학식 대신 파이썬 머신러닝 라이브러리의 함수로 이런 둔턱을 잠시 내려주고,


      머신러닝/딥러닝 영역의 전반적인 용어들의 개념 정리와 


      관련된 파이썬 라이브러리를 소개하여 적용하는 방법을 알려준다.


      본격적인 내용은 100p 이후 4장부터 시작한다.


      개인적으로 이를 쥬피터 노트북을 활용해서 편리하게 해보길 추천한다. : )


       




       









      쥬피터 노트북 활용법 참고 
      https://junpyopark.github.io/Jupyter_Extension/

      8장 추천시스템, 13장 게임개발, 16장 챗봇, 18장 이미지인식이 비교적 접근하기 용이했다.


      휴리스틱, 유전 알고리즘, 신경망 등은 이번에 첨 접하게 되었는데 방대한 내용들을 너무 어렵지도 너무 가볍지도 않게 소개하고 있다. 구성이나 제공자료를 보면 대학교 교재나 스터디 교재로 사용하기 좋겠다 싶었다. 

    • 흔히들 "머신러닝"이라고 한다면 "어렵다." 라는 생각을 많이 할 것이다. 그리고 딥러닝이면 "더 어렵겠지?" 라는 생각도 같이 따라오게 마련인 것 같다. 


       


      그래도 개인적으로 여기저기서 머신러닝과 딥러닝에 대하여 이야기 한다면, 최소한 어떻게 돌아가는지는 알아야 현대에 맞는 지식인이라고 할 수 있지 않을까 한다. 물론 이 책은 머신러닝에 대한 교양서적은 아니지만, 나 처럼 주변에서 머신러닝에 대하여 귀따갑게 듣고 있지만, 막상 따로 공부하기엔 막막하고 어려운 사람들을 위한 책이라고 할 수 있겠다. 


      챕터 1에서는 인공지능에 대한 소개를 다룬다. 챕터 1만 꼼꼼히 읽어본다고 하더라도, 어디가서 현대사회에서 인공지능이 어떤식으로 발전해왔고, 어디에 접목되고 있는지 약간 콧대 높여 자랑할 수 있을 것이다. (물론 그 이야기를 끝까지 잘 들어줄 수 있는 친구가 있다면 말이다.)


      인공지능에 대한 이론적 연구는 과거에도 꾸준히 개발되었지만, 그 이론을 뒷받침 할 수 있는 연산능력이 최근들어 폭발적으로 성장함에 따라, (정확히는 GPU를 통한 연산) 새로운 이론도 속속들이 검증되고 있다. 이미 구성되어 있는 이론과, 남들이 잘 만들어 놓은 라이브러리, 그리고 GPU 한 장만 있으면 나도 인공지능이라는 거대한 물결에 똇목 하나는 띄울 수 있을 것이다. 


      이를 위해 챕터 3부터 머신러닝과 파이프라인에 대하여 다룬다. 그리고 11장까지 열심히 열심히... 그리고 열심히 예제를 따라하다 보면, 12장은 "클라우드를 이용한 인공지능"이 나온다. 


       


      이 부분도 역시 중요한데, 요즘은 거의 모든 인프라가 클라우드를 빼놓고 설명하기가 힘들기 때문이다. 그렇게 다방면에 클라우드가 사용되고 있는데, 단순히 서버를 제공해주는 것이 아니라, 인공지능에 필요한 여러 툴들을 API 형식으로 제공한다. 


       


      이 책을 본다고 해서 머신러닝은 어렵고, 딥러닝은 역시 더 어렵다는 사실이 바뀌지 않는다. 


      다만, 조금 더 세상을 이해하는 데 분명 도움이 될 것이다. 


       


      그리고 앞으로 다가올 세상을 이해하기에는 더욱 더 큰 도움이 될 것이다. 


      쉽지 않은 책이고, 초보자가 섣불리 봤다가 포기할 수 있을 수 있지만, 원하는 부분만 보기에도 괜찮은 책이다. 


       


       "한빛미디어 <나는 리뷰어다> 활동을 위해서 책을 제공받아 작성된 서평입니다."


    • 1.jpeg 2.jpeg 3.jpeg


      요즘 주위에 알게모르게 인공지능이 생활에 많이 들어와 있다보니 점점 인공지능에 대한 책들이 많이 나오고 있다.


      이 책도 그에 편승하는 책 중 하나이다.


      기본적으로 파이썬에 대한 이해가 없다면 보기 힘든 책일 것이...긴한데 파이썬 할 줄 아니까 이책을 선택했겠죠


       


      솔직히 머신러닝&딥러닝 책들 자랑이라도 하듯 수식을 내세워서 적혀있는 경우가 많다


      그런데 사실 수식부터 보이다보면 앞이 안보이고 그래서 책을 덮기 일쑤이다.


       


      이 책에서는 예제와 개념을 시작으로 좀 더 다가가기 쉽게 구성이 되어있다.


      그리고 먼저 데이터에 대한 전처리부터 시작하며 어떻게 이 머신러닝&딥러닝을 활용할 것인가


      또는 이 기술로 어떤 것을 할 수 있는 가를 알기쉽게 집필되어있었다.


       


      아무래도 수식을 설명하는 위주가 아닌 코드를 보며 기반을 다지는 위주다보니 흥미를 처음부터 잃어버리고 덮을 일은 없을 듯 보였다


      그리고 내용 구성중에 제일 맘에 드는 부분은 시작할 때 해당 장에서 어떤것을 다룰지 다시한번 짚어주고 시작해서 해당 장의 목적이 무엇인지 다시 곱씹고 시작할 수 있어 은근한 도움이 되었다.


    • IMG_3525.JPG


       


       


      인공지능을 어떻게 공부하면 좋을지 고민하는 초보 개발자들에게 좋은 책이 나왔습니다.


      바로 한빛미디어에서 나온 "한 권으로 다지는 머신러닝&딥러닝 with 파이썬" 입니다.


      초반 두 챕터에서는 인공지능 소개와 사용 사례를 소개합니다. AI를 왜 공부해야 하는지, AI를 분류하는 방법에는 어떤 것들이 있는지 차근차근 개념을 설명해주고 있습니다. 인공지능이 오늘날 가장 많이 사용되는 분야와 사용 사례를 보면서 인공지능이 중요하다고는 알고 있었지만 이렇게 많은 분야에서 폭 넓게 사용되고 있었구나 라는 생각을 하게 되었습니다. 신약 개발이라던지 보험 가격결정, 정신 분석 등 인간의 건강을 위해서도 인공지능이 매우 다양하게 사용되고 있었습니다.


      챕터3부터는 본격적으로 머신러닝에 대해 배우게 됩니다. 정말 다양한 시나리오의 개념들이 나오고 이를 예제를 통해 해결해가는 과정을 반복하면서 차근차근 기술을 익히게 됩니다. 모든 개념을 한번에 이해하기는 어려울 수 있습니다. 그럴땐 자신이 관심있는 분야의 챕터의 내용을 선별적으로 읽고 학습하는 것도 좋은 방법일 것이라 생각합니다. 제가 관심있게 읽은 챕터는 음성인식, 챗봇, 이미지 인식 이었습니다. 예제의 파이썬 코드들이 길지 않고 이해하기 쉽게 작성되어 있기 때문에 제대로 학습해 자신의 것으로 만든 뒤 이를 확장 발전 시키면 좋은 인공지능 프로그램을 만들 수 있을 거 같다는 생각을 했습니다.


      "한빛미디어 <나는 리뷰어다> 활동을 위해서 책을 제공받아 작성된 서평입니다."


       


    • 이 책의 특징


          이 책에서는 AI의 정의, AI 종류, AI 적용 분야 등 순차적으로 AI의 개념에 대해서 이야기 하고, 우리가 배우고자 하는 머신러닝 분야에


      대해서 설명하고 잇습니다.  또한 이 책에서는 머신러닝의 기본적인 개념인, 데이터와 모델, 특성 선택과 특성공학, 분류와 회귀 알고리즘에 대해서 알기쉽게 설명하고 있습니다. 제가 접해본 머신러닝 책 중에는 단연 이 책이 손쉽게 개념을 설명해주고 있어서, 이해하기가 쉬웠습니다. 그 밖에도 휴리스틱 검색기술, 추천시스템 구축, 유전알고리즘을 이용한 유전 프로그래밍, 인공지능을 이용한 게임 개발에 대해서도


      간단하면서도 이해하기 쉽게 설명해 주어서 좋았습니다. 요즘 인기있는 인공지능 분야 전반에 대해서 이야기 하고 있기 때문에, 처음 인공지능 분야를 공부하고자 하는 프로그래머에게는 분야를 선택하는데 많은 도움이 될 것 같습니다.


       



       마치며


          인공지능 분야에 대한 막연한 호기심을 갖고 있지만, 어떻게 시작해야 할 지 모르겠다 하는 개발자들, 이 책을 꼭 보시기 당부드립니다.조금씩 책을 읽어나가다 보면, 아 이런거구나? 하는 깨달음을 얻을 수 있을 것입니다. 물론 책한권 읽고 전문가가될 수는 없지만 말입니다.머신러닝에 대한 조금이라도 흥미가 생기게 되었다면, 이 책은 절반 이상의 성공을 이룬 것일 것입니다.


    • 한 권으로 다지는 머신러닝&딥러닝 with 파이썬.jpg


        


      한 권으로 다지는 머신러닝 & 딥러닝 with 파이썬 [알베르토 아르타산체스, 프라틱 조시 저 / 여인춘 역 / 한빛미디어]


       


      이제는 로봇이 인간을 대체하는 시대가 되었다. 부르기만 하면 취향별로 원하는 노래를 추천, 재생해주며 이전에 검색하고 쇼핑했던 관련 제품들을 추천해준다. 또한 자동을 위험을 방지하고 운전까지 가능하니 세상이 많이 변했다. 이런 인공지능은 사람에게 수많은 편리함을 가져다 주는 장점이 있는 반면 인간의 위치를 위협하여 인간이 설자리를 잃고 있다는 점이 문제가 되기도 한다. 


       


      인공지능은 대충 이 정도로만 알고 있을 뿐 구체적으로 어떤 분야에서 어떻게 활용되고 있는지 알지 못했고, 당연히 그와 관련된 러닝머신과 딥러닝, 파이썬은 전혀 알지 못했다. 그래서 빠르게 변화하는 시대에 발맞춰 가기 위해 한 번쯤은 관심을 가지고 살펴보고 싶은 마음에 선택한 것이 바로 이 책이다. 엄청 복잡한 수식과 용어들로 가득한 이런 분야는 컴퓨터 공학도들, 이 분야의 전문가들이 하는 거라는 생각이 있었는데 이 책은 인공지능이 처음인 사람들도 쉽게 배울 수 있도록 구성되어 있다. 


       



      1.jpg


        


      초보들도 쉽게 이해할 수 있도록 AI가 무엇인지부터 설명하고 AI를 공부해야 하는 이유, AI의 종류, 파이썬 설치하는 방법 등 기본적인 인공지능에 대해 설명하고, 자율 주행 자동차, 배송과 창고 관리, 지식 검색, 스마트 홈, 게임 등 인공지능을 사용한 사례들을 보여주는데 이 부분은 오늘날 우리가 알게 모르게 사용하고 있는 다양한 인공지능에 대해 알 수 있어 특히 재미있게 볼 수 있었다. 


       


      그리고 앙상블 학습, 비지도 학습, 논리 프로그래밍, 휴리스틱 검색 기술, 유전 알고리즘 등에 대해서도 다루는데 좀 어려워서 금방 넘겼다가 마이크로소프츠와 아마존, 구글의 클라우드를 이용한 인공지능과 음성 인식, 챗봇 부분은 또 흥미를 유발해 신기해하면서 보았다. 신경망과 합성곱, 순환 신경망과 딥러닝 같은 경우는 더 세세하게 알려주지만 너무 생소해서 복잡하고 어렵게 느껴지기는 했다. 


       



      2.jpg


        


      이 책은 인공지능을 구현하기까지 필요한 다양한 빅데이터를 비롯해 미닝러신과 딥러닝, 파이썬을 따라하면서 활용할 수 있도록 쉬운 코드들까지 알려주어 나같은 초보자들, 입문자들도 쉽고 편하게 읽을 수 있는 책이었다. 지금 우리가 자연스럽게 이용하고 있는 인공지능들은 어떤 것들이 있는지, 이것들이 어떻게 구성되어 우리 곁에 자리잡게 되었는지 파악할 수 있는 흥미로운 시간이었다. 나같이 인공지능이 무엇인지 생소한 이들, 인공지능을 처음 배우고 알아보고 싶은 이들에게 추천하고 싶다.


       



      e.jpg


       


      "한빛미디어 <나는 리뷰어다> 활동을 위해서 책을 제공받아 작성된 서평입니다."




    •  



      과거에 인공지능 AI는 소수의 전문가만 연구했던 파트였다. 그랬던 그것이 현재는 IT의 주류 트렌드가 되어 개발자 뿐만 아니라, 전혀 상관 없는 일반인까지도 주목을 하고 있는 상황이 벌어지고 있다.



      이는 인공지능이 인류의 미래 모습을 완전히 바꿀 핵심 기술이라는 것을 잘 알고 있기 때문이다.


       



      나 역시도 그런 중요성을 잘 알고 있기에 인공지능 관련해서 틈틈이 공부를 하고 있는데, 기존 프로그래밍 공부와는 확실히 수준차가 크다는 것을 절실히 체감하고 있다. 한마디로 어렵다는 것이다. 그래서 이 책, 저 책 보고 있는데, 체계적으로 공부하는 것이 아니어서 그런지 아는 지식이 너무 듬성듬성하다. 이번에 본 알베르토 아르타산 체스와 프라틱 조시의 저서 '한 권으로 다지는 머신러닝&딥러닝 with 파이썬'을 통해 그 점을 확실히 알 수 있었다.


       



      '한 권으로 다지는 머신러닝&딥러닝 with 파이썬'은 책 제목에 밝힌 것처럼 인공지능 특히 머신러닝과 딥러닝에 관한 내용을 한 권으로 정리해 놓은 책이다. 단순히 현재 나온 이론 위주의 설명이 아니라, 현재 인공지능 업계의 연구 방향과 기술 수준, 적용 사례, 지향점 등을 종합적으로 다루고 있는 책이다.


       


       





       



      680쪽의 분량에 인공지능 소개부터 파이프라인, 지도 학습, 비지도 학습, 앙상블 학습 추천 시스템 구축, 논리 프로그래밍, 휴리스틱 검색 기술, 유전 프로그래밍, 클라우드 인공지능, 인공지능 게임 개발, 음성인식, 자연어 처리, 챗봇, 시계열 분석, 이미지 인식, 신경망, 딥러닝 모델, 강화 학습 등의 머신러닝과 딥러닝에 관련된 방대한 범위의 지식을 담고 있다.


       



      물론 다양한 주제를 다루고 있다 보니, 한 주제를 깊이 있게 다루지는 못하고 있다는 점은 단점이겠지만, 대신 머신러닝과 딥러닝을 책 한 권으로 정리할 수 있다는 장점이 있다. 깊은 숲에서 바로 앞의 나무만 보고 가다 가는 길을 잃기 쉽다. 멀리 보고, 숲의 전체를 파악해야 그 숲을 제대로 즐기며 어디로든 갈 수 있기에, '한 권으로 다지는 머신러닝&딥러닝 with 파이썬'와 같이 종합적으로 다룬 책도 필요한 것이다.


       


       





       



      그렇다고 이 책이 수박 겉핥기 식으로 주제들을 대충대충 넘어갔을 거라고 오해는 하지 마시길. 1, 2장만 봐도 이 책 성격이 나온다. 1, 2장 경우 인공지능에 대한 소개와 사용 사례를 실제 분량 50쪽 정도로 다루고 있는데, 여기에 각종 사진과 살만 좀 붙이면, 웬만한 인공지능 안내서 한 권 정도는 너끈히 나올 정도다. 난 오히려 군더더기 없이 깔끔히 정리해주니, 시간 절약되어 좋았다.


       


       





       



      다른 주제도 마찬가지다. 각 장마다 앞쪽에 학습 목표와 배우게 될 것들을 일목요연하게 압축 나열하고, 용어 설명, 관련 공식 설명, 테스트 코딩을 해가며, 익힌다. 마지막에는 학습한 것을 다시 한번 짧게 정리까지 하고 있다. 기승전결이 확실한 내용 구성으로 너저분하고 불필요한 설명이 없는 특징을 가지고 있다. 


       



      그럼 지루할까? 절대 지루하지 않다. 책이 지루하다는 것은 주제 때문에 그럴 수도 있지만, 이해가 안 돼서 그럴 가능성이 크다. 저자가 외국인인 번역서 경우, 번역이 잘못돼도 그럴 수 있다. 잘못된 번역서 경우, 분명 책에는 한글 문장으로 적혀 있는데, 도무지 알 수 없는 경우가 있다. 사실 번역서가 아닌, 저자가 한국인인데도 그런 경우도 있긴 하다. 그러나 '한 권으로 다지는 머신러닝&딥러닝 with 파이썬'은 읽는 내내 전혀 그런 느낌을 받지 못했다. 오히려 읽다가 저자가 한국인인가 다시 확인할 정도였다. 그만큼 여인춘 번역자가 문장이 어색하지 않게 잘 번역한 것이다. 덕분에 내용을 이해하는 데, 어려움이 없었다. 


       


       





       



      게다가 책 내용이 지루하지도 않다. 핵심 이론과 알고리즘 설명을 하면서, 영화나 관련 산업의 일화 같은 연관된 이야기도 담겨 있고, 증권 거래나, 부채 상환, 재산 평가, 게임 등 인공지능 적용 가능한 현실 상황을 예를 들고 있다. 여기에다 저자의 경험 이야기나 노하우 같은 것을 포함하고 있다. 예를 들어 데이터 작업에 어떤 문제가 생길 수 있고, 어떤 것을 미리 대비해야 하는지도 일일이 짚어 주고 있다. 이것을 따로 정리해서 비슷한 작업을 할 때, 체크하는 기준으로 삼으면 좋을 거 같다. 잠재적 문제 발생 줄이고, 더욱 완성도 높은 프로그램 결과를 얻을 수 있을 것이다. 


       



      그리고 머신러닝 프로그램 개발에 필요한 사전 준비 사항이나, 발생할 수 있는 각종 문제점도 자세히 알려 주고 있다. 사실 이런 것들은 해당 분야에 경험이 많지 않으면, 알 수 없는 것들이다. 책을 읽는 이유가 지식을 쌓는 것도 있지만, 저자의 경험과 노하우를 경험하는 것도 이유 중 하나다. 이미 많은 경험을 한 전문가가 제시하는 길로 간다면, 그만큼 시행착오하는 시간과 노력을 덜 수 있다. 그 점에서 '한 권으로 다지는 머신러닝&딥러닝 with 파이썬'이 큰 도움을 준다. 


       



      이 책은 우분투, 윈도우, 맥 환경에서 파이썬을 사용하는데, 파이썬 문법에 대해서는 별도로 설명하고 있지 않으므로 파이썬에 대한 기본 지식은 있어야 한다. 코드 자체는 복잡하지 않고, 길이도 짧다 보니, 이해하는데 어려움은 없을 것이다.


       


       





       



      내용 중, '콩 심은 데 콩 난다'라는 표현을 책에서도 썼는데, 인공지능에서 제대로 된 데이터의 중요성은 여러 번 강조해도 지나치지 않다. 데이터과학자가 작업에 80%의 시간을 데이터 준비에 사용한다고 하는 것을 봐도 알 수 있다. 3, 4장에 내용은 그러한 과정을 담고 있다. 머신러닝 파이프라인을 만들고, 특성선택과 특성공학으로 결측치, 이상치를 골라내고, 상관관계 히트맵을 만들어 보며, 로그변환, 스케일링 날짜 처리 등을 해본다. 책에선 복잡한 예술과 같다고 했는데, 내 입장에서는 엄청난 노가다 작업이라는 생각이 든다. 물론 단순 노가다가 아닌, 숙련된 장인의 솜씨가 들어간 노동인 것이다.


       



      '한 권으로 다지는 머신러닝&딥러닝 with 파이썬'을 통해, 머신러닝, 딥러닝 지식 전반을 훑어보고 익힐 수 있었다. 머릿속에 나뭇가지처럼 뻗어 나가는 방식으로 지식들이 그려진다. 인공지능 가이드, 인공지능 지도와 같은 책이었다. 아직 내가 모르는 것들이 많다는 것을 이 책으로 다시 확인했고, 프로젝트에 어떤 알고리즘을 써야 효율적인지 잘 알 수 있었다. 인공지능 공부하는 분이라면, 꼭 한번 관심 가져 주세요.


    • 한권으로 다지는 머신러닝과 딥러닝 with 파이썬.png


      인공지능을 활용하는 다양한 분야를 만날 수 있습니다. 이론적인 수식보다 코드를 보여줍니다. 길지 않은 코드로 결과를 확인할 수 있습니다.


      기본 개념부터 시작하여 다양한 영역으로 범위를 넓혀갑니다.


       


      다양한 기술과 코드를 통한 실습을 겸하고 있습니다.


      프로그래밍과 관련된 기술을 배울 때 큰 도움을 받는 부분 가운데 한 가지는 앉은 자리에서 확인해 볼 수 있다는 점입니다.


      이론과 현장이 같이 있다는 건 굉장한 이점이라 생각합니다.


      이론을 배운 뒤 현장으로 이동하여 배운 내용을 다시 떠올리며 연습하거나, 현장에서 따라 하며 하나씩 배우고 돌아와 실행했던 내용을 기억하며 복습하는 방식은 배움을 놓치기 쉬울 수 있습니다. 한 곳에서 이론과 실습을 같이 하는 재미를 느낄 수 있기를 바랍니다.


       


       


      아이디어는 어렵지 않습니다. 어찌 보면 간단하기까지 해서 이 정도로 머신러닝을 구현한다는데 의구심이 들 정도인 경우도 있습니다. 아이디어를 구현해놓은 프로그램도 이미 존재합니다.


      하지만 아이디어를 정제하여 프로그램으로 구현하고 사용하기 쉽게 인터페이스를 만들기까지 숨겨진 이야기를 책에서 알 수는 없습니다.


      이렇게 다듬어진 프로그램을 잘 활용하면 됩니다.


       


      모델을 구축한다. 데이터를 구한다. 데이터로 모델을 훈련한다. 훈련한 모델로 결과를 예측한다.


      각각의 단계는 짧은 문장입니다.


      하지만 짧은 한 문장을 완성하기까지 들인 시간과 노력이 어느 정도인지 책을 보는 시점에는 알기 힘듭니다.


      책의 마지막 페이지를 읽고 나서 소감을 떠올릴 때, 짧은 문장 뒤에 무엇이 있는지 이제는 안다는 의미심장한 미소를 지을 수 있을 거라 생각합니다.


       


       


      다양한 영역에서 사용하고 있는 모델, 알고리즘을 알려줍니다.


      문제를 정의하고 전략을 세우고 적절한 알고리즘을 적용하여 해결해 나가는 큰 틀은 그대로입니다.


      머신러닝으로 알고리즘의 범위가 넓어졌으니 보다 다양한 전략을 구사할 수 있습니다.


      머신러닝 이전에는 전략에 맞춰 알고리즘을 구현하였다면 머신러닝의 등장으로 알고리즘이 전략에 영향을 미칠 수 있을 만큼 위상이 높아지고 있음을 볼 수 있습니다.


       


      인공지능 시스템의 일부, 인공지능 시스템을 활용.


      시스템과 관련되어 있는 이가 자신이 어디쯤 위치하는지 명확하게 구분하는 게 어려울 수 있습니다. 자칫하면 주객이 전도되어 버릴 수 있습니다.  인공지능을 알아가는데 괜찮은 시작점이라 생각합니다.


       


       


      "한빛미디어 <나는 리뷰어다> 활동을 위해서 책을 제공받아 작성된 서평입니다."


       

    • 지금까지의 머신러닝 책들은


      어려운 수학식들이 많았는데...


       


      파이썬 개발자가


      AI 알고리즘을 사용해서


      실제 어플리케이션을 개발할 수 있도록 만든 책이어서인지


      어려운 수학식들보다는


      파이썬의 머신러닝 라이브러리 함수를


      주로 사용하다보니


      개발자가 읽기에 좋은 책이다.


       


       



      한권으로다지는머신러닝딥러닝.jpg


       


      지도 학습, 앙상블 학습, 비지도 학습


      휴리스틱 검색, 유전 알고리즘,


      음성 인식, 자연어, 이미지 처리에


      영혼까지 끌어 모아놓은 것 처럼


      머신러닝/딥러닝과 관련된 여러 신경망들까지


      복잡한 개념들을 광범위하게 다뤄서인지


      깊은 내용까지는 다루지 않는다.


      (그러면 어려운 수학식이 나와야 하는건가? ^^;)


       


      그래도 다양한 이미지, 텍스트, 음성데이터를 처리하는


      파이썬 예제 코드를 통해서


      머신러닝과 딥러닝을 쉽게 이해할 수 있게해주고


       


      AI 알고리즘을 적용한 어플리케이션을


      만들 수 있을 정도로 설명해주니


      머신러닝과 딥러닝에 젖어들기에 충분한 듯 하다.


       


       


       



      "한빛미디어 <나는 리뷰어다> 활동을 위해서 책을 제공받아 작성된 서평입니다."


       


       


    • 한권으로다지는 머신러닝&딥러닝 with 파이썬_02.png


       


      머신러닝과 딥러닝은 이미 많은 분야에서 사용이 되고 있으며, 앞으로도 더 많은 곳에서 더 정밀하게 사용이 될것인 분야인데, 이 분야에 대해서 생소한 분들이라도기본적인 개념부터 실제 활용된 사례들을 예제를 통해서 실제로 개발을 해볼수 있는 모든 것을 한권에 담은 종합 입문서 같은 책이라고 생각 합니다.


       


      이 책에서는 넘파이, 사이파이, 사이킷런, 맥플롯립과 같은 다양한 패키지를 사용하며 파이썬을 이용하기 때문에, 실제로 코드를 작성하고 사용해보는데 편리하고 효율적인 부분입니다. 복잡한 프로그래밍에 대한 이해가 없거나 파이썬 프로그래밍에 대해서 잘 모르는 분들도 따라해볼수 있습니다.


       


      파이썬 코드를 모른다고 하더라도 머신러닝과 딥러닝에 대해서 이해하는데는 어려움이 없으나, 파이썬은 다양한 분야에 활용하고 있어서 IT전문가 비전문가를 가리지 않고 많이들 사용하고 있어서, 따로 학습을 하시는 것도 추천 드립니다.


       


       


       


       


       



      한권으로다지는 머신러닝&딥러닝 with 파이썬_03.png


       


      개인적으로 관심이 많았던 부분은 챗봇인데, 이미 많은 곳에서도 사용되고 있고, 경험해 봤을 것인 이 챗봇에 대해서 구글 다이얼로그플로우를 사용해서 코드 작성하지 않고도 챗볼을 만들어 볼수 있는데요, 그외에도 음식인식, 자연어처리, 휴리스틱 검색, 게임 개발등 다양한 분야에 대해서 실제 예제를 통해서 학습해 볼수 있어서 좋으나, 이중에 특정 분야에 대해서 관심이 있다면 그 부분에 대한 알고리즘이나 깊이있는 학습을 위해서는 다른 책을 통해서 추가로 학습을 해야 하는 부분은 좀 아쉬운 점이라고 할수 있겠으나, 이 책은 백과사전과 같은 책이 아닌 머신러닝과 딥러닝에 대한 이해를 위한 첫글음을 시작하는 분에게 가장 적합한 책으로 먼저 이 책으로 시작을 하여 전체적인 부분을 이해한후 본인이 관심 있는 부분에 좀더 깊이 있게 알아가면 좋을거 같습니다.


       


       


       


      한빛미디어 <나는 리뷰어다> 활동을 위해서 책을 제공받아 작성된 서평입니다.


       


       


    • 한 권으로 다지는 머신러닝&딥러닝 with 파이썬



      알베르토 아르타산체스프라틱 조시 지음/여인춘 옮김/한빛미디어






      최근 인공지능의 활용이 다양한 분야에서 활용되고 있다.



      자율주행차챗봇미래예측제조공장의 생산현장에 적용되어 4차 산업혁명 혁신의 견인차 역할을 톡톡히 하고 있다



      이 책은 저자 알베르토 아르타산체스프라틱 조시가는 데이터 과학자로 오랜 경험과 인공지능 알고리즘의 폭넓은 경험을 다양한 장르에서 공유하기를 좋아하는 열린 전문가로서 다양한 분야에 적용하고 실제 활용한 결과를 바탕으로 사례중심으로 집필된 한 권으로 다지는 머신러닝&딥러닝with 파이썬이다.



      역자 여인춘은 다양한 현장에서의 실전학문적 경험을 통하여 사례들을 독자의 이해를 높이기 위해 노력하였다.



       



      이 책은 AI 알고리즘을 사용해 실제 애플리케이션을 개발하려는 파이썬 개발자를 위한 책이다.



      머신러닝과 딥러닝을 쉽게 이해 할 수 있도록 안내하고 있다.



      특히현장 각 분야 전문가들이 인공지능을 접목하여 업무 혁신을 추진하고자 하는 담당자라면,



      이 책의 다양한 유스케이스 중에서 자신의 업무와 맞는 분야를 찾아 읽고 개발 전문가와 소통을 통하여 업무를 추진하게 된다면 베스트 솔루션을 얻을 수 있을 것으로 적극 추천한다.



       



      또한 머신러닝&딥러닝 애플리케이션 개발자라면,



      다양한 유스케이스를 자신의 개발 주제와 유사한 것을 집중적으로 참고하여 베스트 솔루션을 개발하데 많은 도움이 될것이다.



      4장 특성 선택과 특성 공학



      5장 지도 학습을 이용한 분류와 회귀



      6장 앙상블 학습을 이용한 예측 분석



      7장 비 지도 학습을 이용한 패턴 감지



      8장 추천 시스템 구축



      9장 논리 프로그래밍



      10장 휴리스틱 검색 기술



      11장 유전 알고리즘과 유전 프로그래밍



      12장 클라우드를 이용한 인공지능



      13장 인공지능을 이용한 게임 개발



      14장 음성 인식 구축



      15장 자연어 처리



      16장 챗봇



      17장 시퀀스 데이터 시계열 분석



      18장 이미지 인식



      19장 신경망



      20장 합성곱 신경망을 이용한 딥러닝



      21장 순환 신경망과 기타 딥러닝 모델



      22장 강화 학습 – 지능형 에이전트 생성



      23장 인공지능과 빅데이터



       



      각 장 별로 실전에서 필요한 분야별 다양한 알고리즘 사례를 설명하고 있다.



      각 장의 정리 부분은 깔끔하게 마무리를 해주고 있다.



       



      "한빛미디어 <나는 리뷰어다활동을 위해서 책을 제공받아 작성된 서평입니다."


       


       



      #한권으로 #다지는 #머신러닝 #딥러닝 #with #파이썬 #한빛미디어


       


       


    •  







      [도서 소개]



      인공지능이 처음이라면! 개념과 예제로 머신러닝 탄탄하게 다지기







      『한 권으로 다지는 머신러닝&딥러닝 with 파이썬』은 인공지능 관련 핵심 개념부터 머신러닝과 딥러닝까지, 인공지능 구현에 필요한 모든 것을 담았다. 실제 시나리오를 살펴보면서 문제에 따라 어떤 알고리즘을 어떻게 적용하는지 학습한다. 예제는 파이썬과 텐서플로를 사용하며 파이썬 입문자도 쉽게 따라 할 수 있는 코드로 구성되었다. 파이썬 프로그래밍 경험이 있다면 코드를 자유롭게 활용해 원하는 프로그램을 만들어볼 수 있다.







      영화 추천 시스템 구축, 주식시장 분석, 객체 추적기 구축 등 흥미로운 예제를 따라 차근차근 학습하고 나면 다양한 인공지능 기술을 이해하고 상황에 맞춰 자신 있게 적용하는 자신을 발견하게 될 것이다. 이미지, 텍스트, 음성 등 다양한 데이터를 이해하는 똑똑한 애플리케이션을 지금 바로 만들어보자.







      [대상독자]



      - 인공지능을 배우고 싶은 누구나



      - 인공지능을 사용해 실제 애플리케이션을 개발하려는 파이썬 개발자







      [주요 내용]



      - 인공지능, 머신러닝, 딥러닝이 무엇인지 이해한다.



      - 주요 인공지능 사용 사례를 살펴본다.



      - 머신러닝 파이프라인 구축 방법을 학습한다.



      - 특성 선택과 특성 공학의 기본 개념을 이해한다.



      - 지도 학습과 비지도 학습의 차이점을 이해한다.



      - 인공지능을 개발하는 최신 클라우드 기술과 도구를 살펴본다.



      - 자동 음성 인식 시스템과 챗봇을 만들어본다.



      - 인공지능 알고리즘을 시계열 데이터에 적용한다.



       



      [서평]







      이책은 복잡한 수학식을 최소화 하고 대부분의 수식은 파이썬 수학식 라이브러리인 넘파이 로 설명하고 있습니다. 그래서 수학에 거부감이 많은 개발자 혹은 독자들에게는 조금 더 머신러닝과 딥러닝을 쉽게 이해 되지 않을까 생각 합니다.







      이책에서는 머신러닝의 전처리 방법 부터 딥러닝 강화학습까지 광범위한 범위를 다루고 있어 아주 깊은 내용까지는 아니지만 그래도 맛보기 정도는 배울수 있습니다.




      각 챕터마다 개념을 파이썬으로 코딩 하고 실행 할수 있게 구성되어 있습니다. 그리고 다양한 실제 시나리오를 바탕으로 AI 알고리즘을 적용하는 방법을 학습합니다. 처음에는 가장 단순한 개념부터 배우고 조금씩 어려운 문제를 하나하나 해결하는 방법 구성되어 있다. 이책 에서 주로 다루는 AI 영역은 익스트림 랜덤 포레스트, 은닉 마르코프 모델, 유전 알고리즘, 인공 신경망, 합성곱 신경망등 복잡한 알고리즘에 대해서도 배우고 싶은 엔지니어에게 도움이 될것이다.







      특히 이책은 AI 알고리즘을 이용한 애플리케이션을 개발하는 파이썬 개발자를 위한 책으로 인공지능에 대한 아직 경험이 없고, 이미지, 텍스트, 음성등 다양한 데이터를 이해하는 애플리케이션을 구축하고 싶다면 이책에서 많은 도움을 받을수 있을 것이다.


       



       "한빛미디어 <나는 리뷰어다> 활동을 위해서 책을 제공받아 작성된 서평입니다."

    • 한빛미디어 <나는 리뷰어다> 활동을 위해서 책을 제공받아 작성된 서평입니다.


       




       


      현재 일하는 분야가 데이터 관련 분야이고, 매일 얼굴을 마주하는 같은 셀 구성원들 중 상당수가 빅데이터 관련된 업무를 하고 있음에도 그 분들이 하는 업무 대화를 알아듣지 못해 답답함이 있었다.


      데이터를 적재해 머신러닝이나 딥러닝을 하고있지는 않지만 관련 지식을 습득하면 나쁠 것이 없을 것 같아 선택한 책이었는데, 결과적으로 이 책은 실용서이기 때문에 개념이 부족한 나에게 적합한 내용은 아니었다.


      그럼에도 이 책을 선택한 것을 후회하지 않았는데 그 이유는 관련 기초 지식도 함께 알려주기 때문이었다!


      총 23개 장 중 아래 4개 장은 배경 설명과 이론 전달 관련 내용이라 큰 도움이 되었다.


      1장, 인공지능 소개


      2장, 인공지능 사용 사례


      3장, 머신러닝 파이프라인


      23장, 인공지능과 빅데이터


       


      특히 23장 인공지능과 빅데이터를 읽으니 빅데이터 관련 업무 담당하는 분들 대화에 주로 등장하는 시스템 이름이 많이 보여 앞으로 이 부분을 몇번 더 정독해 봐야 할 것 같다.


      이 장에서 인상깊었던 부분은 빅데이터에 대한 비유를 소개한 부분이었다.



      Big data is like teenage sex: everyone talks about it, nobody really knows how to do it, everyone thinks everyone else is doing it, so everyone claims they are doing it.
      빅데이터는 십대들이 성을 바라보는 관점과 같다. 모두가 성에 관해 이야기하지만 사실은 어떻게 하는지는 알지 못한다. 다른 사람들이 모두 하고 있다고 생각하기 때문에 자신도 하고 있다고 주장한다.





      출처: https://maroonmaro.tistory.com/88 [마룬마로]

    •  



      요즘 머신러닝과 딥러닝 서적들은 대부분 복잡한 수식으로 많이 나와있다.
      인공지능을 배우고 싶어도 인공지능책을 보면 이해가 가지 않는 내용들만 나열되어 있다.
      인공지능은 분명 미래지향적이고 매력적인 주제이지만 내가 하고 싶어하는 내용과는 다른 점이 나온다.

      이 책은 머신러닝의 첫단추인 데이터 전처리 방법부터 고난이도인 강화학습까지 거의 대부분의 머신러닝, 딥러닝 영역을 다룬다.
      각 장에서 다루는 개념들을 파이썬으로 쉽게 실행해보고 직접 결과를 확인할 수 있게 나와있다.

      실제 시나리오를 살펴보며 관련 AI알고리즘을 적용하는 방법을 학습하면서 기본적인 개념부터 점차 어려운 문제를 해결하면서 AI기술을
      과연 언제 어떻게 적용해야할지에 관한 감을 잡는다고 할까...

      기존 다른 서적들은 수학식만 나열되어 보기 힘들었다면 파이썬 코드를 기반으로 머신러닝과 딥러닝을 쉽게 이해할 수 있게 설명하고
      복잡한 개념들을 광범위하게 다뤄서 깊은 내용은 볼 수 없는 점이 있지만 초보자가 보기에 이해가 쉽게 될 수 있는 책이다.

      AI알고리즘을 사용해 실제 애플리케이션을 개발하려는 파이썬 개발자를 위한 책이다.
      파이썬 초보자가 보기에 파이썬 프로그래밍에 익숙하다면 예제코드를 다양하게 활용가능해 유익한것 같다.


      "한빛미디어 <나는 리뷰어다> 활동을 위해서 책을 제공받아 작성된 서평입니다." 


       


       


       


       


       


       


       


       


       


       


       


       


       


       


    •  



      KakaoTalk_20211120_171654791.jpg



       



       



       



      이 책을 처음 만났을 때는 가벼운 마음으로 읽을 수 있겠다는 느낌이었습니다. 알록달록한 색깔을 사용한 귀여운 그림이 주는 편안함이랄까요. 하지만 책을 들어보고 두께를 확인하는 순간...

      이 책은 제목에서 알려주는 것과 같이 머신러닝과 딥러닝에 대한 전반적인 개념과 예제를 다루고 있습니다. 시중에 나와 있는 책들이 딥러닝 분야를 중점으로 텐서플로우나 파이 토치 등의 툴을 다루거나 딥러닝의 원리를 깊이 파고드는 종류가 많은 반면에, 이 도서는 머신러닝에서 사용하는 여러 다양한 개념과 기술을 전반적으로 다루고 있어서, 이 분야의 교과서로 사용하면 좋을 책일 것 같다는 생각을 해 봤습니다.

      인공지능으로 할 수 있는 분야가 어떤 것들이 있을까 호기심을 가지고 있는 사람에게 해답을 줄 수 있는 책이 아닐까 합니다. 요즘 인공지능 분야에서 집중 조명을 받고 있는 머신러닝 -- 특히 딥러닝 분야가 뜨거운 것 같습니다. -- 분야 쪽의 실무에 몸담고 싶은 사람에게 어떤 업무들을 할 수 있을지를 정리해 주는 참고 자료로도 좋을 것 같습니다.

      이 책은 인공지능 분야에 대한 소개로 시작해서 딥러닝 분야의 작업 진행 과정과 -- 딥러닝 파이프라인이라는 용어를 사용합니다. -- 세분화된 기술에 대한 소개와 예시를 들어줍니다. 더 나아가 신경망과 딥러닝으로 좀 더 세분화해서 개념들을 설명해 줍니다.

      머신러닝과 딥러닝 분야의 진입장벽을 확 낮춰준 프로그래밍 언어가 파이썬인 만큼 이 책의 예제들은 이 언어를 이용하고 있습니다. 파이썬은 어느 정도 사용할 수 있는 상태에서 이 책을 시작하는 것이 도움이 될 것 같습니다. 또한 numpy, matplotlib, sklearn, scipy, opencv 등의 다양한 패키지를 사용해서 예제를 소개하고 있기 때문에 이러한 패키지에 기본 사용법 정도는 알고 있으면 좋을 듯합니다.

      딥러닝의 폭넓은 분야에 대해서 다루고 있기 때문에, 하나의 개념에 대해서 정확히 익힌다는 생각보다는 전반적으로 이 분야에서 어떠한 작업을 하고 있는지, 어떤 과정을 거쳐서 작업이 진행되는지를 중점을 두고 읽으면 좋을 것 같습니다.

      딥러닝과 관련된 지식이 많이 공개되어 있고, 관심을 쏟아온 반면에 머신러닝 분야를 전반적으로 확인해 볼 수 있는 점이 이 책의 장점이라고 생각합니다. 특성 공학, 앙상블 학습, 추천 시스템 등의 소개와 예시 내용은 신선했으며, 지금까지 인공 지능 분야라고 알고 있는 범위가 얼마나 좁았던가라고 다시 한번 생각해 볼 수 있게 합니다.



       



      한빛미디어 <나는 리뷰어다> 활동을 위해서 책을 제공받아 작성된 서평입니다.



       



       



       



       



       



       



       



       



       



       



       



       

    • 한 권으로 다지는


      머신러닝&딥러닝


      (with 파이썬)


       


       



      1.jpg


       



      2.jpg


       



      3.jpg


       



      4.jpg


       


       


       


       


       


       


       


      이 책은 AI 알고리즘을 사용해 실제 애플리케이션을 개발하려는 파이썬 개발자를 위한 책이다.


      파이썬 초보자에게도 친숙하지만 파이썬 프로그래밍에 익숙하다면 예제 코드를 다양하게 활용할 수 있어 유익하다.


      이미지, 텍스트, 음성 등 다양한 데이터를 이해하는 애플리케이션을 구축하고 싶다면 이 책이 확실히


      도움이 될 것이다!


       


      시작하겠습니다 :)


       


       


       


      DAY 1, 2, 3, 4


       


      특성 선택과 특성 공학


       


      챕터 4 ~ 8


       


       


      + 지도 학습을 이용한 분류와 회귀, 예측 분석, 패턴 감지, 추천 시스템 구축까지


       



      5.jpg


       



      6.jpg


       



      7.jpg


       



      8.jpg


       



      9.jpg


       



      10.jpg


       


       


      한 권으로 다지는 머신러닝&딥러닝(with 파이썬)


       


       


      오랜만에 방대한 양의 서적을 속독했습니다. 어디서부터 설명해야 될지 감이 잡히지 않을 만큼 양이 많았지만! 재미있게 그리고 열심히 보려고 노력했습니다. 지금부터 리뷰 시작하겠습니다 :)


      초반 챕터는 다양한 운영체제에서 파이썬 3을 설치하는 방법, AI 애플리케이션을 구축하는 데 필요한 패키지를 설치하는 방법을 진행하며 사이킷런에서 사용 가능한 데이터도 로드해 보고 기본적인 설치와 샘플을 만져봅니다.


      또한, AI를 이용하는 사례도 알아보고 머신러닝 파이프라인 생성과 관련된 여러 단계도 살펴봅니다.


      오늘날 파이프라인을 설정하는 데 사용되는 몇 가지 모범 사례와 인기 있는 도구도 살펴보며 1장이 마무리됩니다.


       


      2장부터는 딥한 내용이 많이 들어있는 챕터입니다. 머신러닝 파이프라인에서 중요한 두 가지 단계인 특성 선택/특성 공학부터 시작하여 지도학습과 비지도 학습의 차이점, 데이터 분류 문제와 해결 방법도 알아봅니다.


      특히 2장 5챕터부터는 다양한 데이터 전처리 방법, 레이블 인코딩과 레이블 인코더를 만드는 방법/로지스틱 회귀를 알아보고 로지스틱 회귀 분류기도 만들어보며 본격적인 실습을 진행합니다.


       


      이어서 나오는 6챕터 - 앙상블 학습 개념과 실제도 어떻게 사용되는지 알아보고 7챕터에서는 비지도 학습과 그 적용 방법부터 시작해서, 클러스터링과 K-평균 알고리즘으로 데이터를 클러스터링 하는 방법도 알아봅니다.


      그리고 평균 이동 알고리즘을 사용해 클러스터 수를 추정하는 방법/실루엣 점수와 클러스터링 품질을 추정하는 방법도 알아보고, 가우시안 혼합 모델을 기반으로 분류기를 만드는 방법도 살펴봅니다. 또한 유사도 전파 모델을 사용해 주식시장에서 하위 그룹을 찾고, 평균 이동 알고리즘을 적용해 쇼핑 패턴을 기반으로 시장을 세분화합니다.


       


      8챕터에서는 데이터 세트 내 특정 데이터 포인트의 K-최근접 이웃을 추출하는 방법을 배웁니다.


      이 개념을 사용해 K-최근접 이웃 분류기를 구축해 보고 유클리드 및 피어슨 점수와 같은 유사성 점수를 계산하는 방법도 알아봅니다.


       


      8챕터까지 읽고 중요한 부분 실습만 해도 족히 3~4일은 기본으로 소요되는 분량입니다. 하지만, 중요한 내용이 정말 많고 도움이 되는 실습이 너무 많습니다. 꼭 두 번! 세 번! 정독하시면 기초 지식을 쌓는데 많은 도움이 될 것입니다.


       


       


       


       


      DAY 5, 6, 7, 8


       


      논리 프로그래밍


       


      챕터 9 ~ 13


       


       


      + 휴리스틱 검색 기술, 유전 알고리즘 및 프로그래밍, 클라우드 인공지능, 게임 개발까지!


       


       



      11.jpg


       



      12.jpg


       



      13.jpg


       



      14.jpg


       



      15.jpg


       


       


       


      9챕터 - 논리프로그래밍에서는 논리 프로그래밍을 사용해 파이썬 프로그램을 작성하는 방법을 배웁니다. 조금 쉬었다 갈 수 있는 챕터가 되겠네요! 다양한 프로그래밍 패러다임도 알아보며 논리 프로그래밍의 구성 요소와 프로그램 구축 방법을 이해하는 챕터입니다.


      문제를 해결하는 방법을 살펴보고 퍼즐 문제도 풀어봅니다.


       


      10챕터 휴리스틱 검색 기술부터 다시 머리가 지끈거리는 챕터이지만 재미있는 챕터가 이어집니다! 휴리스틱 검색 기술의 작동 방식을 배워보며 정보 탐색과 무정보 탐색의 차이점을 알아봅니다. 또한 제약 충족 문제와 이 패러다임으로 문제를 해결하는 방법도 배웁니다.


      8-퍼즐 솔버와 미로 찾기 솔버도 꼭 따라 해보시길 바랍니다!


       


      11챕터는 유전 알고리즘과 유전 프로그래밍 챕터입니다. 진화 알고리즘과 유전 프로그래밍을 알아보고 GA와의 연관성을 배웁니다.


      모집단, 교차, 돌연변이, 선택, 적합성 함수 개념을 다루면서 GA의 기본 구성 요소를 살펴보고 사전 정의된 매개변수르 비트 패턴을 생성하며, CMA-ES를 사용해 진화 과정도 시각화합니다. 그리고 뒤에서는 맵을 가로지르며 모든 타깃을 없애는 로봇 컨트롤러도 구축해 봅니다. 각 챕터에 토이 프로젝트 같은 형태의 실습도 주어져서 이론적인 이해만 되는 것이 아니라 매우 좋았습니다!


       


      12챕터는 클라우드 인공지능 챕터입니다. 이 장에서는 대부분의 기술 회사들이 클라우드 영역을 선도하기 위해 치열하게 경쟁한다는 것을 살펴봅니다. 클라우드는 그동안의 컴퓨터 역사상 가장 중요한 기술 중 하나가 될 것입니다. 고객들이 어떤 클라우드 제공자를 선택하든 간에, 알지 못하는 사이에 그 업체의 에코 시스템에 갇히게 될 것입니다.


      이 장에서는 상위 3개 클라우드 업체에서 제공하는 머신러닝을 분석해 봅니다.


       


      13챕터까지 오느라 고생 많았습니다! 이 장에서는 조합 검색이라는 특수한 인공지능 기술을 사용해 게임을 구축하는 방법을 배웁니다.


      게임에서 승리할 전략을 효과적으로 제시하기 위해 이러한 검색 알고리즘을 사용하는 방법을 학습합니다. 이러한 알고리즘은 보다 복잡한 게임을 플레이하는 머신을 구축하고 다양한 문제를 해결하는 데 사용됩니다. 조합 검색을 사용해 검색 프로세스 속도를 높이는 방법도 알아봅니다. 미니맥스와 알파-베타 가지치기를 학습하고 네가맥스 알고리즘이 실제로 어떻게 사용되는지 살펴봅니다.


      그리고 이러한 알고리즘을 사용해 마지막 동전 남기기와 틱택토를 플레이하는 봇을 만들어봅니다.


       


       


       


      DAY 9, 10, 11, 12, 13


       


      음성 인식 구축


       


      챕터 14 ~ 19


       


       


      + 자연어 처리, 챗봇 개발, 시계열 분석, 이미지 인식과 신경망까지


       


       


       



      17.jpg


       



      18.jpg


       



      19.jpg


       



      20.jpg


       



      21.jpg


       



      22.jpg


       



      23.jpg


       


       


       


      14챕터는 재미있는 음성인식입니다! 음성 신호와 관련 개념으로 작업하는 방법을 알아보고 오디오 신호를 시각화합니다.


      푸리에 변환을 사용해 시간 영역 오디오 신호를 주파수 영역으로 변환하는 방법도 배웁니다. 또한 사전 정의된 매개변수를 ㅅ용해 오디오 신호를 생성하는 방법을 살펴봅니다. 그리고 이 개념을 활용해 톤을 연결해 음악을 합성하고 MFCC가 실제로 어떻게 사용되는지 알아봅니다. 어려운 개념이 많습니다. 재미있는 챕터라고 접근했다가 큰 코 다칠 수 있습니다!! 열공!!


       


      15챕터는 제가 요즘 가장 관심을 가지고 있는 주제이기도 합니다. 자연어 처리의 다양한 기본 개념을 배우게 되는데요!


      토큰화와 입력 테스트를 여러 토큰으로 분리하는 방법을 살펴봅니다. 형태소 분석과 기본형화를 사용해 단어를 기본 형식으로 줄이는 방법도 학습합니다. 그리고 사전 정의한 조건에 따라 입력 테스트를 청크로 분할하는 텍스트 청커를 구현해 봅니다.


      이후에 단어 가방 모델을 알아보고 입력 텍스트를 위한 문서-용어 행렬도 구축해 보고 머신러닝을 사용해 텍스트를 분류하는 방법까지 놓칠 것이 하나도 없는 챕터입니다!


       


      16챕터 역시 토이 프로젝트를 한번 해보자!라고 마음먹고 미루고 있지만, 제가 가장 관심을 가지는 주제 중 하나입니다.


      이 장에서는 구글에서 개발한 다이얼로그플로우라는 챗봇 플랫폼을 자세히 살펴봅니다. 플랫폼에 익숙해지기 위해 기본 예제를 수행하고, 웹훅을 사용해 다른 백엔드 서비스와 통합하는 방법도 배웁니다. 챗봇 기능을 테스트하고 올바르게 설정됐는지 확인하는 방법을 단계별로 이해합니다.


       


      17챕터는 시퀀스 데이터와 시계열 분석 챕터입니다. 시퀀스 학습 모델을 구축하는 방법을 배우는데, 판다스를 자주 사용해 봤기 때문에 다른 챕터보다는 수월했던 것 같습니다. 판다스에서 시계열 데이터를 처리하는 방법의 이해부터 시계열 데이터를 분할하고 다양한 작업을 수행하는 방법을 살펴봅니다.


       


      18챕터 이미지 인식 - Open cv 를 이용한 챕터인데, 몇 번 토이 프로젝트를 해봤던 챕터라 재미있게 학습할 수 있었습니다. 물체 감지 및 추적 기술에 대해서 주로 다루고 다양한 운영체제에서 파이썬을 지원하는 OpenCV를 설치하는 방법도 나옵니다.


      캠시프트 알고리즘을 사용해 대화형 객체 추적기도 만들어보고 광학 흐름 기반 추적기를 만드는 방법도 배웁니다. 얼굴 감지 기술을 알아보고 하르 캐스케이드와 통합 이미지 개념도 이해합니다.


       


      19챕터는 매우 중요한 챕터입니다. 신경망을 학습해 봅니다. 신경망을 구축하고 훈련하는 방법을 배우며, 퍼셉트론 개념을 알아보고 이를 기반으로 분류기를 구축해 봅니다. 단일 계층 신경망과 다층 신경망을 살펴보고 신경망을 사용해 백터 양자화기도 구축해 봅니다.


      순환 신경망을 사용해 시퀀스 데이터를 분석하고 신경망을 사용해 광학 문자 인식 엔진도 구축해 봅니다.


       


      정말 요즘 인공지능의 기초가 다 들어간 챕터가 아닐까 싶습니다! 꼭 정독해서 공부해 보시길 바랍니다 :)


       


       


       


       


       


       


      DAY 14, 15, 16, 17


       


      합성곱 신경망을 이용한 딥러닝


       


      챕터 20 ~ 23


       


       


      + 순환 신경망과 기타 딥러닝 모델, 강화 학습, 인공지능과 빅데이터 그리고 후기까지


       


       



      24.jpg


       



      25.jpg


       



      26.jpg


       



      27.jpg


       



      28.jpg


       


       


       


      후기 : 인공지능이 처음이라면! 개념과 예제로 머신러닝 탄탄하게 다지기


       


       


      20 ~ 23챕터는 따로 언급하지 않겠습니다. 직접 구매해서 보시는 것을 추천해 드립니다!


       


      정말 많은 챕터가 있고 한 챕터 챕터가 전부 주옥같은 내용이 들어 있습니다.


      놓칠 것이 없군요!!


       


      처음에 개념을 잡는 데 시간이 걸리겠지만, 파이썬 프로그래밍 초~중급 실력과


      열정만 있다면 누구든지 시도해 볼 수 있는 좋은 서적이라 생각합니다.


      매 챕터마다 토이 프로젝트를 수행할 수 있는 굉장히 좋은 주제도 제시하고 있고


      인공지능, 머신러닝, 딥러닝의 이해부터 알고리즘을 시계열 데이터에 적용하는 것까지


       


      원하는 프로그램을 만들어보고 싶을 정도로 자극을 주는 서적입니다.


       


       


      강추합니다!


       


       


      ★★★★★


       


       


       


      리뷰를 마치며!




    •  


      제가 이 책을 신청하게 된 이유는 대부분의 머신러닝 책이 한 파트 한 파트에 깊이 있게 집중이 되어 있고 머신러닝의 전반적인 흐름을 이해 하는 것이 조금은 어려웠기 때문에 머신러닝에 대해 정리를 해 볼 수 있지 않을까 해서 신청을 해 보았습니다.


      이 책을 살펴 보면 다음과 같습니다.


       



      이 책의 특징

      1. 1장~2장을 통해서 인공지능이 무엇인지 인공지능을 실제로 활용하는 사례들을 살펴 봅니다.


      2. 3장~4장을 통해서 인공지능에서 데이터를 활용하기 위한 전처리 과정인 파이프라인과 특성공학에 대해서 이해합니다.


      3. 인공지능 학습방법인 지도학습/비지도학습/강화학습에서 사용하는 분류,회귀,앙상블학습,k평균알고리즘 등을 살펴 보고 영화 추천 시스템을 구축해 보면서 이론과 실제 사용되는 시스템을 만들어 보면서 사용법을 익혀 봅니다.


      4. 아마존 웹서비스,마이크로소프트애저,구글클라우드 플랫폼을 활용한 클라우드 시스템을 살펴보고 앞으로 기업이 왜 클라우드 플랫폼을 사용해야 하는지 등을 살펴 볼 수 있습니다.


      5. 한번쯤은 도전해 보고 싶어 했던 분야인 인공지능 게임을 만들어 보면서 나도 인공지능 게임을 만들 수 있다는 자신감을 심어 줍니다.


       


      따라서 만들어 본 틱택톡 게임


       


      6. 음성인식과 자연어 처리,이미지인식,시계열 분석 등을 다루고 있습니다. 다음은 시계열 데이터를 분석하면서 2018-1-1 일 부터 2020-4-29 일까지의 주식 챠트를 분석한 화면입니다.


       




       


       


      7. 신경망을 이용해서 이미지 분류기를 만들어 볼 수 있습니다.


      8. 바둑이나 체스와 같은 게임에서 인공지능이 학습하는 강화학습에 대한 이해와 학습 에이전트를 구축하여 실습을 진행합니다.


      9. 마지막으로 인공지능과 빅데이터에서는 빅데이터에서 사용되는 NoSQL 데이터베이스를 살펴 봅니다..


       


      이 책의 내용을 간단하게 정리해 보았습니다.


      자세한 내용을 원하시면 해당 책의 목차를 다음 링크에서 확인하실 수 있으실것 같아요.



      https://www.hanbit.co.kr/store/books/look.php?p_code=B9275242581 



       


      한 권으로 다지는 머신러닝&딥러닝 with 파이썬


      인공지능 사용 사례부터 머신러닝 및 딥러닝의 핵심 개념과 예제까지 한 권에 담은 학습서


      www.hanbit.co.kr




       


       


       



      서평

      이 책은 단편적으로 조각 나 있던 머신러닝 지식에 대한 정리를 해 주는 책이었던것 같네요~


      인공지능의 이해부터 인공지능의 사례들을 살펴보면서 인공지능을 공부하면서 인공지능을 공부해야 하는 이유에 대해서 명확하게 인지할 수 있었고~


      특성선택과 특성엔지니어링 부분에서는 데이터 전처리과정에서 특성선택이 얼마나 중요한지 알 수 있었고 지도학습과 비지도학습을 다시 한번 정리 할 수 있었습니다.


      이 책을 읽으면서 가장 재미있던 부분은 주식 데이터를 가지고 와서 분석을 해 보는 부분이었습니다. 아직은 주식에 대해 많은 관심을 가지고 있지는 않지만 주식에 대한 관심이 높아질때 이 처럼 주식 데이터를 가지고 처리를 하면서 이 데이터를 활용해서 인공지능 프로그램의 도움을 받을 수 있지 않을까 하는 기대감이 높아졌거든요.


      이 책을 읽으면서 샘플 코드를 따라 작성하면서 딥러닝이란 무엇인지 딥러닝을 가지고 활용할 수 있는 부분들을 확인 할 수 있었고 이 책은 딥러닝이라는 거대한 산에서 하나하나의 나무를 보는 것이 아닌 숲을 보고 나침반의 역할을 하는 머신러닝의 지침서가 될 수 있겠네요~


       



      한빛미디어 <나는 리뷰어다> 활동을 위해서 책을 제공받아 작성된 서평입니다.

    • 머신 러닝 및 딥 러닝은 최신 인공 지능 산업의 붐으로 인해 가파르게 성장하고 있으며, 일찌감치 뛰어든 기업들이 결실을 보는 단계에 이르렀다. 점점 더 많은 기업과 자본이 이 미개척 영역에 뛰어들어 잠재력 실현을 위해 시간과 노력을 투자하는 추세이므로 관련 엔지니어가 일하기에도 좋은 환경이 갖춰질 것이다.

       


      인공 지능, 머신 러닝, 딥 러닝용으로 널리 사용되는 프로그래밍 언어는 파이썬, Julia, R, Java 등이 있는데 가장 선호도가 높은 것은 파이썬이다.


       



      머신 러닝 및 인공 지능에 파이썬을 선호하는 이유


       


      현재 파이썬이 머신 러닝 분야에서 선호도가 가장 높다. 여러 라이브러리와 오픈 소스 도구를 사용할 수 있으므로 머신 러닝 모델 개발에 이상적이기 때문이다.


       


      사실 파이썬은 머신 러닝 및 인공 지능 개발자 사이에서 오랫동안 선호도가 높은 프로그래밍 언어였다. 파이썬은 개발자에게 코드 품질과 생산성 향상에 기여하는 최상의 유연성과 기능을 제공하며, 개발의 어려움을 줄여주는 광범위한 라이브러리를 보유하고 있다. 머신 러닝, 딥 러닝, 인공 지능 분야에서 파이썬이 최고의 프로그래밍 언어인 여러 가지 이유를 정리하면 다음과 같다.


       


      ▶ 무료로 사용할 수 있고 오픈 소스라는 특성상 개발자 커뮤니티가 발달해 있으며 장기적인 관점에서 관리되고 향상될 여지가 있다.


      ▶ 실재하는 모든 문제를 해결할 수 있는 방대한 라이브러리를 보유한다.


      ▶ 구현이 원활하여 기술 수준이 서로 다른 개발자들이 쉽게 접근할 수 있다.


      ▶ 코딩과 디버깅 시간이 줄어들어 생산성이 향상된다.


      ▶ 소프트 컴퓨팅과 자연어 처리에도 사용할 수 있다.


      ▶ C/C++ 코드 모듈과도 원활하게 동작한다.머신 러닝 및 딥 러닝에 가장 적합한 파이썬 라이브러리파이썬은 머신 러닝 및 딥 러닝 프로그래밍 언어 가운데 가장 개발자 친화적이고, 모든 프로젝트에 대응할 수 있는 방대한 라이브러리를 제공한다.


       



      머신 러닝과 딥 러닝을 위한 대표적인 파이썬 라이브러리


       



      텐서플로(TensorFlow)


       


      텐서플로는 연구 및 생산을 위한 빠르고 유연하며 확장 가능한 오픈 소스 머신 러닝 라이브러리이다.


       


      텐서플로는 머신 러닝 프로젝트에 사용할 수 있는 최고의 파이썬 라이브러리 중 하나이다. 텐서플로는 구글이 제공하는 오픈소스 서비스이며 입문자와 전문가 모두 쉽게 머신 러닝 모델을 구축할 수 있다.


       


      텐서플로를 사용하면 컴퓨터뿐만 아니라 모바일 장치나 서버에서도 머신 러닝 모델을 생성 및 학습할 수 있다. 동일한 성능으로 모바일 플랫폼과 고성능 서버에서 사용할 수 있는 텐서플로 라이트(TensorFlow Lite)와 텐서플로 서빙(TensorFlow Serving)이 각각 존재한다.


       


      텐서플로가 빛을 발하는 머신 러닝 및 딥 러닝 영역은 다음과 같다.


       


      ▶ 심층 신경망(DNN) 처리


      ▶ 자연어 처리


      ▶ 편미분 방정식


      ▶ 추상화


      ▶ 이미지, 텍스트, 음성 인식


      ▶ 아이디어 및 코드 협업


       


      주요 역할: 딥 러닝 모델 구축


       



      케라스(Keras)


       


      케라스는 파이썬용으로 가장 널리 쓰이는 오픈 소스 신경망 라이브러리 중 하나이다. ONEIROS(Open-Ended Neuro Electronic Intelligent Robot Operating System)를 위해 구글의 엔지니어가 처음 설계했으며, 머지않아 텐서플로의 주요 라이브러리에 채택되어 텐서플로에서도 접근할 수 있게 되었다. 신경망 생성을 위해 케라스가 제공하는 몇 가지 모듈과 도구는 다음과 같다.


       


      ▶ 신경층


      ▶ 활성화 함수와 비용 함수


      ▶ 손실 함수


      ▶ 배치 정규화


      ▶ 드롭아웃


      ▶ 풀링


       


      케라스가 제공하는 이러한 추가 기능으로 머신 러닝 및 딥 러닝 프로그래밍을 위한 텐서플로의 사용성이 확장된다. 활성화된 커뮤니티와 전용 슬랙 채널이 있다는 것도 케라스의 장점이다. 케라스는 표준 신경망뿐만 아니라 컨볼루션 신경망(CNN)과 순환 신경망(RNN)도 지원한다.


       


      주요 역할: 딥 러닝 모델 구축


       



      파이토치(PyTorch)


       


      지금은 메타로 사명을 바꾼 페이스북에서 개발한 파이토치는 몇 안되는 파이썬용 머신 러닝 라이브러리 가운데 하나이다. 파이토치는 파이썬 외에도 C++ 인터페이스를 지원한다. 파이토치는 최고의 머신 러닝 및 딥 러닝 프레임워크 자리를 두고 텐서플로와 경쟁 구도에 있다.


       


      파이토치가 텐서플로와 차별되는 몇 가지 주요 기능은 다음과 같다.


       


      ▶ GPU를 통한 가속 처리 기능을 갖춘 텐서 컴퓨팅


      ▶ 쉬운 학습 및 사용, 쉽고 파이썬 생태계와의 높은 호환성


      ▶ 테이프 기반 자동 미분 시스템에 구축된 신경망 지원


       


      신경망의 생성 및 학습에 도움을 주는 파이토치의 다양한 모듈은 다음과 같다.


       


      ▶ 텐서: torch.Tensor


      ▶ 최적화: torch.optim


      ▶ 신경망: torch.nn


      ▶ 자동미분: torch.autograd


       


      장점: 사용자의 입맛에 맞춰 정의 가능하며 딥 러닝 연구에 폭넓게 사용


      단점: 자연어 처리의 한계와 최적화되지 않은 속도


       


      주요 역할: 딥 러닝 모델의 개발 및 학습


       



      사이킷런(Scikit-learn)


       


      사이킷런은 또 다른 파이썬용 머신 러닝 라이브러리다. 사이킷런은 넘파이(Numpy)나 판다스(Pandas) 등 다양한 머신 러닝 프로그래밍 라이브러리와 쉽게 통합할 수 있다. 사이킷런이 지원하는 다양한 알고리즘은 다음과 같다.


       


      ▶ 분류


      ▶ 회귀


      ▶ 클러스터링


      ▶ 차원 축소


      ▶ 모델 선택


      ▶ 전처리


       


      사이킷런은 사용이 쉬우면서도 유연성을 보장하는 컨셉으로 탄생했으며, 데이터 적재/처리/조작/시각화보다는 데이터 모델링에 중점을 둔다. 그리고 연구 단계부터 배포까지 종단 간(end to end) 머신 러닝에 사용하기 좋다.


       


      주요 역할: 모델링


       



      판다스(Pandas)


       


      판다스는 파이썬 데이터 분석 라이브러리이며, 주로 데이터 조작 및 분석에 사용된다. 머신 러닝 프로그래머는 판다스를 사용하여 시계열 데이터나 구조화된 다차원 데이터를 쉽게 다룰 수 있다. 데이터 처리와 관련된 판다스의 몇 가지 주요 기능은 다음과 같다.


       


      ▶ 데이터 세트 변형 및 피벗


      ▶ 데이터 세트 병합 및 결합


      ▶ 누락 데이터 처리 및 데이터 정렬


      ▶ 계층적 인덱싱, 팬시 인덱싱 등 다양한 인덱싱 옵션


      ▶ 데이터 필터링 옵션


       


      판다스는 DataFrame 객체를 통해 데이터를 2차원으로 표현한다.


       


      주요 역할: 데이터 조작 및 분석


       



      NLTK


       


      NLTK는 Natural Language Toolkit(자연어 툴킷)의 약자로 자연어 처리를 위한 파이썬 라이브러리이며, 자연어 데이터를 다루는 분야에서 가장 인기 있는 라이브러리 가운데 하나이다. NLTK는 FrameNet, WordNet, Word2Vec 등의 다양한 어휘 자원과 함께 단순한 인터페이스를 제공한다. NLTK의 주요 특징은 다음과 같다.


       


      ▶ 문서상 키워드 탐색


      ▶ 텍스트의 토큰화 및 분류


      ▶ 음성 및 필기 인식


      ▶ 단어의 표제어 및 어간 추출


       


      주요 역할: 텍스트 처리


       



      Spark MLlib


       


      Apache에서 개발한 Spark MLlib는 연산의 규모를 쉽게 확장할 수 있는 머신 러닝 라이브러리이다. 사용이 간편하고 빠르며 설정이 쉽고 다른 도구와도 호환성이 좋다. Spark MLlib는 등장 후 머지않아 머신 러닝 알고리즘과 애플리케이션을 개발하기 위한 편리한 도구로 자리 잡았다.


       


      Spark MLlib를 사용하여 머신 러닝을 다루는 프로그래머가 활용할 수 있는 알고리즘과 API 중 인기 있는 것들은 다음과 같다.


       


      ▶ 회귀


      ▶ 클러스터링


      ▶ 최적화


      ▶ 차원 축소


      ▶ 분류


      ▶ 기초 통계


      ▶ 특성 추출


       



      테아노(Theano)


       


      테아노는 깊이 있는 수학적 표현을 쉽게 정의, 최적화, 평가할 수 있는 강력한 파이썬 라이브러리이다. 대규모의 과학적 연산을 수행하는 환경에서 테아노를 강력한 라이브러리로 만드는 몇 가지 특징은 다음과 같다.


       


      ▶ 고부하 계산에서 CPU보다 더 나은 성능을 발휘하는 GPU 지원


      ▶ 넘파이(Numpy)와의 강력한 통합 지원


      ▶ 가장 까다로운 변수들도 빠르고 안정적으로 평가


      ▶ 수학 연산을 위한 맞춤형 C 코드 생성 기능


       


      테아노를 사용하면 가장 효율적인 머신 러닝 알고리즘의 일부를 빠르게 개발할 수 있다. 테아노 기반으로 구축된 딥 러닝 라이브러리 중 잘 알려진 것에는 케라스(Keras), 블록(Blocks), 라자냐(Lasagne) 등이 있다.


       



      MXNet


       


      MXNet은 전문 기술 영역에서 딥 러닝을 포함할 때 아주 적합하다. MXNet은 심층 신경망(DNN)의 학습과 배포에 사용되며, 확장성이 뛰어나고 빠른 모델 학습을 지원한다. Apache에서 개발한 MXNet은 파이썬 뿐만 아니라 C++, Perl, Julia, R, Scala, Go 등 여러 프로그래밍 언어로도 동작한다.


       


      MXNet의 이식성과 확장성은 플랫폼 간의 이동과 프로젝트의 요구사항에 맞춘 확장을 보장한다. Intel, Microsoft, MIT와 같이 기술 및 교육 분야의 거대 조직들은 현재 MXNet을 지원한다. 아마존 AWS는 딥 러닝 프레임워크로 MXNet을 채택하고 있다.


       



      넘파이(Numpy)


       


      파이썬용 넘파이 라이브러리는 방대한 다차원 데이터와 복잡한 수학 함수를 처리하는데 특화되어 있다. 넘파이는 배열을 다루는 복잡한 함수의 빠른 연산과 실행을 제공한다. 넘파이가 지원하는 기능은 다음과 같다.


       


      ▶ 수학 및 논리 연산


      ▶ 형상 조작


      ▶ 분류 및 선택


      ▶ 이산 푸리에 변환


      ▶ 기본 선형대수 및 통계 연산


      ▶ 랜덤 시뮬레이션


      ▶ n차원 배열


       


      넘파이는 객체 지향 방식으로 동작하고 C, C++, Fortran 코드를 통합하는 도구를 제공하기 때문에 과학 커뮤니티에서 인기가 많다.


       


      주요 역할: 데이터 정리 및 조작


       


       


      파이썬은 일반적인 프로그래밍 언어로 사용될 뿐만 아니라 프로젝트나 작업 흐름의 적재적소에 부합하는 굉장한 개발 도구이다. 파이썬의 기능을 확장하는 라이브러리와 패키지는 프로그램과 알고리즘을 개발하는 모든 프로그래머에게 완벽할 정도로 적합하다. 앞서 소개한 파이썬용 머신 러닝 및 딥 러닝 라이브러리를 접하고 나면 각 라이브러리가 무엇을 제공하고 필요에 따라 무슨 라이브러리를 선택해야 하는지를 알 수 있게 된다.


       


      머신 러닝 및 딥 러닝을 위한 파이썬 라이브러리를 학습하기 좋은 책 한 권을 소개한다.


       



      KakaoTalk_20211110_104652520.jpg


       


       


      원서는 2020년 초에 출간된 「Artificial Intelligence with Python, 2nd Edition」이다.


       



      KakaoTalk_20211110_104652520_05.jpg


       


      이 책은 주로 넘파이, 사이파이, 사이킷런, 맷플롯립을 다룬다. 텐서플로나 파이토치가 부각되지 않은 점은 조금 아쉽다. 아무래도 1년의 시차를 두고 한글화된 책이라서 그간의 흐름을 놓칠 수 있다는 생각이 든다. 그만큼 관련 분야의 성장이 빠르다.


       



      KakaoTalk_20211110_104652520_01.jpg


       



      KakaoTalk_20211110_104652520_02.jpg


       



      KakaoTalk_20211110_104652520_03.jpg


       


       


      책의 구성은 전반적으로 각 라이브러리를 집중적으로 소개하기 보다는 필요에 따라 무슨 라이브러리를 사용해야하는지 감을 찾게 만드는 내용이 주를 이룬다.


       



      KakaoTalk_20211110_104652520_04.jpg


       



      KakaoTalk_20211110_104652520_06.jpg


       



      KakaoTalk_20211110_104652520_07.jpg


       



      KakaoTalk_20211110_104652520_08.jpg


       



      KakaoTalk_20211110_104652520_09.jpg


       


      이 책에 등장하는 파이썬 라이브러리를 인덱스에서 확인할 수 있다. 비록 머신 러닝과 딥 러닝이 단 한 권의 책으로 배부를 수 있는 주제는 아니지만 넘파이, 맷플롯립, 사이킷런, 사이파이를 주로 다루고 상대적으로 선호도가 높은 텐서플로나 판다스가 책의 중후반부에서야 등장해 조금 언급되며 파이토치는 아예 다뤄지지 않는 것은 아쉬운 점이라고 생각한다.


       


      머신 러닝과 딥 러닝 분야에서 프로그램과 알고리즘을 개발하는 파이썬 프로그래머라면 파이썬의 기능을 확장하는 라이브러리 및 패키지를 다루는 콘텐츠를 많이 접하는 것이 필수적이다. 다양한 책, 아티클 등을 접하고 앞서 소개한 파이썬용 머신 러닝 및 딥 러닝 라이브러리 중 필요에 따라 무엇을 선택해야 하는지 능숙하게 파악하는 것이 기본 역량이라고 생각한다.


       


       


      한빛미디어 <나는 리뷰어다> 활동을 위해서 책을 제공받아 작성된 서평입니다.

  • 내용이 없습니다.
닫기

해당 상품을 장바구니에 담았습니다.
장바구니로 이동하시겠습니까?