책소개
머신러닝 전문가로 이끄는 최고의 실전 지침서 텐서플로 2.0을 반영한 풀컬러 개정판 『핸즈온 머신러닝』은 지능형 시스템을 구축하려면 반드시 알아야 할 머신러닝, 딥러닝 분야 핵심 개념과 이론을 이해하기 쉽게 설명한다. 사이킷런, 케라스, 텐서플로를 이용해 실전에서 바로 활용 가능한 예제로 모델을 훈련하고 신경망을 구축하는 방법을 상세하게 안내한다. 장마다 제공하는 연습문제를 풀며 익힌 내용을 확인하고 응용할 수도 있다. 머신러닝을 배우고 싶지만 어디서부터 시작해야 할지 막막하다면, 이 책이 인공지능 마스터로 가는 길에 좋은 친구가 될 것이다. 이번에 출간된 2판은 텐서플로 2를 반영하고 비지도 학습, 자연어 처리, 생성적 적대 신경망(GAN) 등 최신 기법을 추가했다. 사이킷런과 텐서플로 2에 더해 케라스를 사용하며, 예제 코드도 소프트웨어 최신 버전에 맞춰 갱신했다. 1부(머신러닝)에는 1개 장이 추가되었고, 2부(신경망과 딥러닝)는 최신 딥러닝 기법을 방대하게 수록하여 대폭 개정되었다. 부록 2개 장이 추가되었으며, 시각적 편의를 위해 전면 컬러로 인쇄했다.
저자소개
머신러닝 컨설턴트. 2013년에서 2016년까지 구글에서 유튜브 동영상 분류팀을 이끌었다. 2002년에서 2012년까지 프랑스의 모바일 ISP 선두 주자인 Wifirst를 설립하고 CTO로 일했다. 2001년에는 Polyconseil을 설립하고 CTO로 일했다. 이 회사는 현재 전기차 공유 서비스인 Autolib’을 운영한다. 그 전에는 재무(JP 모건과 소시에테 제네랄), 방위(캐나다 DOD), 의료(수혈) 등 다양한 분야에서 엔지니어로 일했다. C++, WiFi, 인터넷 구조에 대한 몇 권의 기술 서적을 썼으며 한 프랑스 공과대학교에서 컴퓨터 과학을 가르쳤다.
목차
[PART 1 머신러닝]CHAPTER 1 한눈에 보는 머신러닝1.1 머신러닝이란? 1.2 왜 머신러닝을 사용하는가?1.3 애플리케이션 사례1.4 머신러닝 시스템의 종류1.5 머신러닝의 주요 도전 과제1.6 테스트와 검증1.7 연습문제
CHAPTER 2 머신러닝 프로젝트 처음부터 끝까지2.1 실제 데이터로 작업하기2.2 큰 그림 보기2.3 데이터 가져오기 2.4 데이터 이해를 위한 탐색과 시각화2.5 머신러닝 알고리즘을 위한 데이터 준비2.6 모델 선택과 훈련2.7 모델 세부 튜닝2.8 론칭, 모니터링, 그리고 시스템 유지 보수2.9 직접 해보세요!2.10 연습문제
CHAPTER 3 분류3.1 MNIST 3.2 이진 분류기 훈련3.3 성능 측정3.4 다중 분류3.5 에러 분석3.6 다중 레이블 분류3.7 다중 출력 분류3.8 연습문제
CHAPTER 4 모델 훈련4.1 선형 회귀4.2 경사 하강법4.3 다항 회귀4.4 학습 곡선4.5 규제가 있는 선형 모델4.6 로지스틱 회귀4.7 연습문제
CHAPTER 5 서포트 벡터 머신5.1 선형 SVM 분류5.2 비선형 SVM 분류5.3 SVM 회귀5.4 SVM 이론5.5 연습문제
CHAPTER 6 결정 트리6.1 결정 트리 학습과 시각화6.2 예측하기6.3 클래스 확률 추정6.4 CART 훈련 알고리즘6.5 계산 복잡도6.6 지니 불순도 또는 엔트로피?6.7 규제 매개변수6.8 회귀6.9 불안정성6.10 연습문제
CHAPTER 7 앙상블 학습과 랜덤 포레스트7.1 투표 기반 분류기7.2 배깅과 페이스팅7.3 랜덤 패치와 랜덤 서브스페이스7.4 랜덤 포레스트7.5 부스팅7.6 스태킹7.7 연습문제
CHAPTER 8 차원 축소8.1 차원의 저주8.2 차원 축소를 위한 접근 방법8.3 PCA8.4 커널 PCA8.5 LLE8.6 다른 차원 축소 기법8.7 연습문제
CHAPTER 9 비지도 학습9.1 군집9.2 가우시안 혼합9.3 연습문제
[PART 2 신경망과 머신러닝]CHAPTER 10 케라스를 사용한 인공 신경망 소개10.1 생물학적 뉴런에서 인공 뉴런까지10.2 케라스로 다층 퍼셉트론 구현하기10.3 신경망 하이퍼파라미터 튜닝하기10.4 연습문제
CHAPTER 11 심층 신경망 훈련하기11.1 그레이디언트 소실과 폭주 문제11.2 사전훈련된 층 재사용하기11.3 고속 옵티마이저11.4 규제를 사용해 과대적합 피하기11.5 요약 및 실용적인 가이드라인11.6 연습문제
CHAPTER 12 텐서플로를 사용한 사용자 정의 모델과 훈련12.1 텐서플로 훑어보기12.2 넘파이처럼 텐서플로 사용하기12.3 사용자 정의 모델과 훈련 알고리즘12.4 텐서플로 함수와 그래프12.5 연습문제
CHAPTER 13 텐서플로에서 데이터 적재와 전처리하기13.1 데이터 API13.2 TFRecord 포맷13.3 입력 특성 전처리13.4 TF 변환13.5 텐서플로 데이터셋 (TFDS) 프로젝트13.6 연습문제
CHAPTER 14 합성곱 신경망을 사용한 컴퓨터 비전14.1 시각 피질의 구조14.2 합성곱 층14.3 풀링 층14.4 CNN 구조14.5 케라스를 사용해 ResNet-34 CNN 구현하기14.6 케라스에서 제공하는 사전훈련된 모델 사용하기14.7 사전훈련된 모델을 사용한 전이 학습14.8 분류와 위치 추정14.9 객체 탐지14.10 시맨틱 분할14.11 연습문제
CHAPTER 15 RNN과 CNN을 사용해 시퀀스 처리하기15.1 순환 뉴런과 순환 층15.2 RNN 훈련하기15.3 시계열 예측하기15.4 긴 시퀀스 다루기15.5 연습문제
CHAPTER 16 RNN과 어텐션을 사용한 자연어 처리16.1 Char-RNN을 사용해 셰익스피어 같은 텍스트 생성하기16.2 감성 분석16.3 신경망 기계 번역을 위한 인코더-디코더 네트워크16.4 어텐션 메커니즘16.5 언어 모델 분야의 최근 혁신16.6 연습문제
CHAPTER 17 오토인코더와 GAN을 사용한 표현 학습과 생성적 학습17.1 효율적인 데이터 표현17.2 과소완전 선형 오토인코더로 PCA 수행하기17.3 적층 오토인코더17.4 합성곱 오토인코더17.5 순환 오토인코더17.6 잡음 제거 오토인코더17.7 희소 오토인코더17.8 변이형 오토인코더17.9 생성적 적대 신경망17.10 연습문제
CHAPTER 18 강화 학습18.1 보상을 최적화하기 위한 학습18.2 정책 탐색18.3 OpenAI 짐18.4 신경망 정책 18.5 행동 평가: 신용 할당 문제18.6 정책 그레이디언트18.7 마르코프 결정 과정18.8 시간차 학습 18.9 Q-러닝18.10 심층 Q-러닝 구현하기18.11 심층 Q-러닝의 변종18.12 TF-Agents 라이브러리18.13 그 외 유명한 강화 학습 알고리즘18.14 연습문제
CHAPTER 19 대규모 텐서플로 모델 훈련과 배포19.1 텐서플로 모델 서빙19.2 모바일 또는 임베디드 장치에 모델 배포하기19.3 계산 속도를 높이기 위해 GPU 사용하기19.4 다중 장치에서 모델 훈련하기19.5 연습문제
[PART 3 부록]부록 A 연습문제 정답부록 B 머신러닝 프로젝트 체크리스트부록 C SVM 쌍대 문제부록 D 자동 미분 부록 E 유명한 다른 인공 신경망 구조부록 F 특수한 데이터 구조부록 G 텐서플로 그래프
한줄 서평
