Building Machine Learning Systems with Python(한국어판)(개정판)(에이콘 데이터 과학 시리즈)

★ 이 책에서 다루는 내용 ★



■ 텍스트, 이미지, 사운드에 적용하는 분류 시스템 개발

■ 과학 컴퓨팅과 기계 학습을 위한NumPy, SciPy, scikit-learn과학 파이썬 오픈 소스 라이브러리

■ 이미지 처리와 컴퓨터 비전을 위한 mahotas 라이브러리

■ 전체 위키피디아를 모델로 하는 주제 모델링

■ 클라우드에서 분석하기 위한 아마존 웹 서비스 활용

■ 기계 학습 문제 분석

■ 장바구니 분석을 사용한 추천

■ 과거 구매 기반의 제품 추천



★ 이 책의 대상 독자 ★



이 책은 실제 비지니스 문제에 대한 효과적인 해결책을 개발하기 위해 데이터에서 가치 있는 통찰을 얻고자 하는 개발자나 기계 학습을 사용하거나 학습하고자 하는 파이썬 개발자를 대상으로 한다.



★ 이 책의 구성 ★



1장, '기계 학습 파이썬으로 시작하기'에서는 매우 단순한 예제로 기계 학습의 기본적인 개념을 소개한다. 단순하지만 과적합(overfitting)의 위험을 제기하겠다.

2장, '실제 예제 분류하기'에서는 분류에 대해 배울 실제 데이터를 설명하고 꽃의 범주를 구별할 수 있도록 컴퓨터를 훈련한다.

3장, '군집화: 관련된 게시물 찾기'에서는 단어 주머니(bag of words) 접근법이 게시물에 대한 실제 이해 없이도 유사한 게시물 찾기에 적용할 때 얼마나 뛰어난지 설명한다.

4장, '주제 모델링'에서는 각 게시물을 하나의 군집에 배정하는 것을 넘어, 실제 문서가 여러 주제에 속하듯이 게시물이 다수의 주제에 어떻게 배정되는지 보여준다.

5장, '분류: 형편없는 답변 감지'에서는 질문에 대한 사용자 답변이 좋은지 나쁜지를 판단하기 위해 로지스틱 회귀(logistic regression) 기법을 설명한다. 이와 더불어, 기계 학습 모델을 분석하기 위해 편향(bias)과 변화량(variance) 균형을 어떻게 사용하는지도 배운다.

6장, '분류 II: 감성 분석'에서는 나이브 베이즈(Naive Bayes)가 어떻게 작동하는지 소개하고, 트윗이 긍정적인지 부정적인지를 분류하는 데 나이브 베이즈를 사용하겠다.

7장, '회귀'에서는 오늘날까지 데이터를 다루는 데 잘 사용하는 고전적인 주제인 회귀를 설명한다. 라소(Lasso)와 일래스틱넷츠(ElasticNets)와 같은 발전된 회귀 기법도 다룬다.

8장, '추천'에서는 소비자 제품 평점을 근거로 추천 시스템을 만든다. 평점 데이터(사용자가 항상 제공하진 않는다)없는 쇼핑 데이터로 추천을 어떻게 하는지도 살펴보겠다.

9장, '분류: 음악 장르 분류'에서는 무작위의 수많은 노래를 기계 학습기가 분류할 수 있는 방법을 알아본다. 우리 스스로 속성을 만들기보다는 누군가의 전문 지식을 믿는 편이 더 괜찮을 때도 있음을 보여준다.

10장, '컴퓨터 비전'에서는 데이터에서 속성을 추출하여 이미지를 다루는 특수한 분야에서 분류를 어떻게 적용하는지 설명한다. 이 기법을 이미지 모음에서 유사한 이미지를 찾도록 어떻게 적용하는지도 다룬다.

11장, '차원 수 줄이기'에서는 기계 학습 알고리즘에 잘 적용할 수 있도록 데이터의 크기를 줄이는 다양한 기법들을 알아본다.

12장, '조금 더 큰 빅데이터'에서는 데이터 멀티코어와 컴퓨팅 클러스터의 장점을 활용해 좀 더 큰 데이터를 다루는 기법들을 살펴본다. 클라우드 컴퓨팅도 소개한다(클라우드 제공자로서 아마존의 웹 서비스를 사용한다).

부록, '기계 학습에 대한 보충 자료'에는 기계 학습에 대한 훌륭한 자료 목록이 실려 있다.

1장 기계 학습 파이썬으로 시작하기

기계 학습과 파이썬: 꿈의 조합

이 책이 알려주는 내용과 알려주지 않는 내용

정체됐을 때 해야 할 작업

시작

__NumPy, SciPy, matplotlib 소개

__파이썬 설치

__NumPy로 효과적으로, SciPy로 지능적으로 적용하기 쉬운 데이터 만들기

__NumPy 배우기__

____인덱싱__

____존재하지 않는 값 처리__

____실행 시간 비교__

__SciPy 배우기__

첫 번째 기계 학습 애플리케이션__

__데이터 읽기__

__데이터 정리와 전처리__

__적절한 모델과 학습 알고리즘 선택

____모델을 만들기에 앞서

____단순한 직선으로 시작하기

____좀 더 복잡한 모델

____일보후퇴, 이보전진: 데이터 다시 보기

____훈련과 테스트

최초 질문에 대답하기

정리



2장 실제 예제 분류하기

아이리스 데이터셋

__첫 번째 단계, 시각화

__첫 번째 분류 모델 만들기

__평가: 홀드아웃 데이터와 교차 검증

좀 더 복잡한 분류기 만들기

좀 더 복잡한 데이터셋과 분류기

__씨앗 데이터셋의 학습

__속성과 속성 엔지니어링

__최근접 이웃 분류

scikit-learn으로 분류

__결정선 살펴보기

이진 분류와 다중 범주 분류

정리



3장 군집화: 관련된 게시물 찾기

게시물 관련도 측정

__하지 말아야 하는 방법

__어떻게 해야 하는가

전처리: 공통 단어의 유사한 개수로서 측정된 유사도

__원시 텍스트를 단어 주머니로 변환

____단어 세기

____단어 카운트 벡터 정규화하기

____덜 중요한 단어의 삭제

____어근 추출

____강화된 불용어

__우리의 성취와 목표

군집화

__K평균

__우리의 발상을 평가하기 위한 테스트 데이터 얻기

__게시물 군집화

초기 도전과제 해결

__노이즈의 또 다른 시각

매개변수 변경

정리



4장 주제 모델링

잠재 디리클레 할당

__주제 모델 만들기

주제로 문서 비교

__위키피디아 전체의 모델링

주제의 개수 고르기

정리



5장 분류: 형편없는 답변 감지

큰 그림 그리기

세련된 답변 구별법 학습

__인스턴스 개선

__분류기 개선

데이터 가져오기

__데이터를 의미 있는 뭉치로 잘라내기

__속성의 사전 선택과 처리

__좋은 답변의 정의

첫 번째 분류기 만들기

__kNN으로 시작하기

__속성 개선

__분류기 훈련

__분류기의 성능 측정

__더 많은 속성 디자인하기

개선법 결정

__편향과 변화량의 균형

__고편향 고치기

__고변화량 고치기

__고편향 혹은 저편향

로지스틱 회귀

__간단한 예제와 약간의 수학

__로지스틱 회귀를 게시물 분류에 적용

정확도 좀 더 보기: 정밀도와 재현율

분류기 군살 빼기

배포

정리



6장 분류 II: 감성 분석

큰 그림 그리기

트위터 데이터 가져오기

나이브 베이즈 분류기 소개

__베이즈 정리

__순박함

__나이브 베이즈를 사용한 분류

__못 보던 단어에 대한 해명과 다른 특이점

__산술 언더플로 설명

첫 번째 분류기 만들고 조절하기

__쉬운 문제 먼저 해결하기

__모든 범주 사용하기

__분류기의 매개변수 조절

트윗 정리

단어 종류 고려

__단어 종류 판단

__SentiWordNet을 이용한 성공적인 편법

__첫 번째 에스터메이터

__모두 통합하기

정리



7장 회귀

회귀를 이용한 주택 가격 예상

__다차원 회귀

__회귀를 위한 교차 검증

벌점화 또는 정규화 회귀

L1벌점과 L2 벌점

__scikit-learn에서 라소나 일래스틱넷 사용하기

__라소 패스 시각화

__P가 N보다 큰 시나리오

__텍스트 기반의 예제

__영리하게 하이퍼 매개변수 설정

정리



8장 추천

예측과 추천의 평점

__훈련과 테스트 나누기

__훈련 데이터 정규화

__추천에 대한 이웃 접근법

__추천에 대한 회귀 접근법

__여러 기법 결합

장바구니 분석

__유용한 예측 얻기

__슈퍼마켓 쇼핑 장바구니 분석

__연관 룰 마이닝

__좀 더 발전된 장바구니 분석

정리



9장 분류: 음악 장르 분류

큰 그림 그리기

음악 데이터 가져오기

__WAV 형태로 변환

음악 살펴보기

__음악을 사인 곡선 요소로 분해하기

FFT를 사용해 첫 번째 분류기 만들기

__실험 기민성 증대

__분류기 훈련

__다중 범주 문제의 정확도 측정을 위한 혼돈 매트릭스

__수용자 반응 특성을 이용한 분류기 성능 측정 대안

멜 주파수 켑스트럴 계수와 분류 성능 향상

정리



10장 컴퓨터 비전

이미지 처리 소개

__이미지 로딩과 출력

__경계 짓기

__가우시안 블러링

__중앙에 초점 맞추기

__기본 이미지 분류

__이미지로부터 속성 계산

__속성 작성

__유사한 이미지를 찾는 속성 사용하기

__좀 더 어려운 데이터셋의 분류

지역 속성 표현

정리



11장 차원 수 줄이기

큰 그림 그리기

__속성 선택

____상관 관계

____상호 정보

__래퍼를 사용해 속성에 대한 모델 묻기

__그 밖의 속성 선택 기법

속성 추출

__주요 구성요소 분석

____PCA 훑어보기

____PCA 적용하기

__PCA의 한계와 LDA의 도움

MDS

정리



12장 조금 더 큰 빅데이터

빅데이터 배우기

__파이프라인을 태스크로 나누기 위한 jug 사용

jug의 태스크 소개

__어떻게 작동하는지 살펴보기

__데이터 분석을 위한 jug

AWS 사용

__첫 번째 머신 만들기

____아마존 리눅스에 파이썬 패키지 설치

____클라우드 머신에서 jug 실행

__startcluster로 클러스터 생성 자동화

정리



부록 기계 학습에 대한 보충 자료

루이스 페드로 코엘류 저자 루이스 페드로 코엘류(Luis Pedro Coelho)는 생체 시스템을 이해하려, 컴퓨터를 사용하는 전산 생물 학자다. 특히, 미생물의 행위를 특징짓기 위해 미생물군집(microbial communities)에서 나온 DNA를 분석하고 있다. 그는 생체 표본 이미지를 분석하는 데 기계 학습 기술을 활용하는 분야인 바이오이미지 인포매틱스(Bioimage Informatics)에 관련된 일도 한다. 주 관심사는 대용량 이미지 데이터 처리다.

기계 학습 분야에서 세계적인 대학 중 하나인 카네기 멜론 대학교(Carnegie Mellon University)의 박사 학위자이며, 몇몇 과학 출판물의 저자이기도 하다.

리스본 기술 대학교(Technical University of Lisbon) 컴퓨터 학과에서 배운 것을 실제 코드로 적용하고자 1998년부터 오픈소스 소프트웨어를 개발하기 시작했다.

2004년부터 파이썬으로 개발하기 시작했으며, 몇몇 오픈소스 라이브러리에 기여했다. 기계 학습 코드의 기여자뿐만 아니라 인기 있는 파이썬 컴퓨터 비전 패키지와 mahotas의 리더 개발자다.

현재 룩셈부르크와 하이델베르크를 오가며 생활하고 있다.