실무로 통하는 ML 문제 해결 with 파이썬, 기본부터 쉽게 익히고 싶다면?

 

실무로 통하는 ML 문제 해결 with 파이썬

이 실용 가이드는 『파이썬을 활용한 머신러닝 쿡북』의 개정판으로, 현장에서 만날 수 있는 머신러닝 문제를 해결하는 데 도움이 될 200개 이상의 독립된 레시피를 제공합니다. 파이썬과 판다스, 사이킷런을 포함한 라이브러리에 익숙하다면 데이터 로드부터 모델 훈련, 신경망 활용에 이르기까지 특정 문제를 해결할 수 있습니다. 이번 개정판의 각 레시피에는 토이 데이터셋으로 복사, 붙여넣기, 실행한 뒤 작동하는지 확인할 수 있는 코드가 포함되어 있습니다. 이때 사용 사례나 애플리케이션에 따라 이러한 레시피를 조정할 수 있습니다. 레시피에는 솔루션을 설명하고 유의미한 맥락을 제공하는 토론이 포함되어 있습니다. 이론과 개념을 넘어 실제 작동하는 머신러닝 애플리케이션을 구축하는 데 필요한 핵심을 배워보세요.

저자

카일 갤러틴, 크리스 알본

출판

한빛미디어

출판일

2024.04.29

 

안녕하세요, 기술과 함께 사는 컨티뉴언입니다.

지금 바로 볼 책은 <실무로 통하는 ML 문제 해결 with 파이썬>인데요.

이 책은 앞으로 실용 가이드라고 해볼게요.

​

이 실용 가이드는 업무에서 직면할 수 있는

머신 러닝 문제를 해결하는 데 도움이 되는

200개 이상의 독립적인 레시피를 제공하는데요.

​

​

파이썬과 판다 및 사이킷-러닝을 포함한

라이브러리에 익숙하다면 데이터 로드부터 모델 훈련,

신경망 활용에 이르기까지

특정 문제를 해결할 수 있을거예요.

​

​

바로 시작합니다!

​

---

​

​

​

이번 업데이트 버전의 각 레시피에는

토이 데이터 세트로 복사, 붙여넣기, 실행하여 작동하는지

확인할 수 있는 코드가 포함되어 있는데요.

​

여기에서 사용 사례나 애플리케이션에 따라

이러한 레시피를 조정할 수 있어요.

​

​

레시피에는 솔루션을 설명하고 의미 있는 맥락을

제공하는 토론이 포함되어 있습니다.

​

​

이론과 개념을 넘어 실제 작동하는

머신 러닝 애플리케이션을 구축하는 데 필요한 핵심을 배워보세요.

​

다음에 대한 레시피를 찾을 수 있어요.

​

​

● 벡터, 행렬, 배열

● CSV, JSON, SQL, 데이터베이스, 클라우드 스토리지 및 기타 소스 데이터로 작업하기

● 수치형과 범주형 데이터, 텍스트, 이미지, 날짜, 시간 다루기

● 특성 추출 또는 특성 선택을 사용한 차원 축소

● 모델 평가와 선택

● 선형 회귀, 로지스틱 회귀, 트리, 랜덤 포레스트, k-최근접 이웃

● 서포트 벡터 머신(SVM), 나이브 베이즈, 군집, 트리 기반 모델 지원

● 훈련된 모델의 저장, 로드 및 서빙

---

 

 

​

​

​

저는 팬데믹 기간 동안 데이터 과학을 공부해왔는데,

대학을 졸업한 지 오래되어서 그런지

제 두뇌가 원하는 만큼 분석적으로 날카롭지 못했던거죠.

​

​

다른 많은 사람들과 마찬가지로

저도 그동안 공부한 내용을 보충하기 위해

인터넷을 샅샅이 뒤졌습니다.

​

​

여러 사이트를 찾아보았지만

Chris의 웹사이트는 거의 모든 코드에 대한 적절한 설명과 함께

가장 체계적이고 명쾌하게 정리되어 있어 따라하기 쉬웠습니다.

​

따라서 각 연습 문제가 명확하게 설명되어 있습니다.

​

저는 항상 인터넷에 접속할 수 있는 상황이 아니라는 것을 깨닫고

책을 보기로 결정했습니다.

​

기계 학습에 대해 잘 모르는 사람들을

도와주는 Chris에게 더 큰 박수를 보내봅니다!

​

​

​

쿡북 스타일의 이 책은 하나의 레시피가 특정 메서드나 클래스의 사용 방법을 다룹니다

 

​

​

​

크리스 알본은 데이터 과학에 대한

폭넓고 깊은 지식을 가지고 있는데요.

​

이 책은 머신 러닝에서 Python과 Pandas를

비롯한 관련 라이브러리를 사용하기 위한

힌트, 설명, 예제가 가득한 보물 같은 책인데요.

​

텍스트는 아니지만 치트 시트 그 이상인거죠.

​

Chris는 배열, 벡터, 행렬의 로드, 정렬, 검사,

분석, 결합, 수정, 변환 등 일반적인 연산부터 시작합니다.

​

​

그런 다음 데이터 처리, 정규화, 표준화, 범주 인코딩,

날짜 범위 선택, 차원 축소, 기능 선택, 교차 검증 등

데이터 준비에 사용되는 절차를 이어가는데요.

​

​

여러 장에서는 모델 선택, 하이퍼파라미터 조정,

성능 메트릭, 피팅 및 유효성 검사에 대한

논의를 포함하여 모델을 검토하는거죠.

​

​

이제는 머신러닝과 딥러닝 실무자들의 요구를 충족시킬 수 있는 최신 파이썬 라이브러리를 활용한

실용적인 콘텐츠가 필요하게 되었습니다

 

 

​

​

​

각 주제는 명확하게 설명되어 있으며,

짧은 독립된 Python(버전 3) 프로그램 목록이 예시로 제공되는데요.

​

명령이나 프로시저와 관련된 빠른 복습이 필요한

모든 분들께 이 책을 적극 추천드려요.

​

​

이 책은 각 함수를 이해하기 쉬운 예시를 들어

설명하는 것으로 시작하고 있어요.

​

하지만 책이 계속 진행됨에 따라 이러한 부분을 기반으로 구축됩니다.

​

접근 방식은 잘 훈련되어 있으며 빠르게 솔루션을 구축할 수 있는거죠.

후자에 중점을 둔 이론과 코드가 혼합되어 있어요.

​

미적분을 배우지는 않지만 코드에서

미적분을 수행하는 방법을 배우게 되는데요.

​

앤드류 응의 강좌를 듣는 분들과

결과를 원하는 분들에게 좋습니다.

​

​

파이썬과 판다스,

사이킷런을 포함한 라이브러리에 익숙하다면

데이터 로드부터 모델 훈련,

신경망 활용에 이르기까지

특정 문제를 해결할 수 있습니다.

 

​

​

이 책은 유용하지만 컴퓨터에 따라 코딩 오류가 있을 수 있어요.

​

코딩을 완전히 처음 접하는 사람에게는 추천하지 않지만

디버깅에 자신 있는 사람(일반적으로 오류가 적기 때문에)에게는 유용한데요.

​

저자의 깃허브 계정에 있는

일부 데이터 파일은 언급되지 않았어요.

​

​

이때 사용 사례나 애플리케이션에 따라

이러한 레시피를 조정할 수 있습니다.

 

​

이 책은 특히 데이터 과학 분야에서

1~2년 이상의 경력을 가진 사람이 아닌

초보자를 위한 책인데요.

​

이 책은 많은 정보로 구성되어 있지만

포괄적이지 않기 때문에 따르는 것을

권장하지 않는데요.

​

이 책에는 몇 가지 중요한 개념과 응용이 누락되어 있으며,

그 대신 쉽게 구글에서 찾을 수 있는

불필요한 양의 Python 코드로 대체되어 있는거죠.

​

​

이론과 개념을 넘어 실제 작동하는 머신러닝

애플리케이션을 구축하는 데

필요한 핵심을 배워보세요.

​