나의 첫 머신러닝/딥러닝(위키북스 데이터 사이언스 시리즈 60)

★ 이 책에서 배우는 내용 ★



◎ 머신러닝 필수 개념

◎ 딥러닝 필수 개념

◎ k-최근접 이웃

◎ 서포트 벡터 머신

◎ 의사결정 트리

◎ 나이브 베이즈

◎ 앙상블

◎ 군집화

◎ 선형회귀

◎ 로지스틱 회귀

◎ 주성분 분석

◎ 다층 퍼셉트론 ?

◎ 컨볼루셔널 뉴럴 네트워크(CNN)

◎ 순환신경망(RNN)

◎ 오토인코더

◎ Word2Vec, FastText, Glove

◎ 전이학습

▣ 01장: 개발자가 처음 만난 머신러닝의 세계

1.1 머신러닝이란?

1.2 프로젝트 과정 미리보기

1.3 실습의 중요성



▣ 02장: 실습 준비

2.1 예제 코드

2.2 구글 코랩(Google Colaboratory)



▣ 03장: 자주 등장하는 머신러닝 필수 개념

3.1 지도학습과 비지도학습

____3.1.1 지도학습

____3.1.2 비지도학습

3.2 분류와 회귀

____3.2.1 분류

____3.2.2 회귀

3.3 과대적합과 과소적합

____3.3.1 과소적합

____3.3.2 과대적합

3.4 혼동 행렬

3.5 머신러닝 모델의 성능 평가

____3.5.1 TP(true positive) - 맞는 것을 올바르게 예측한 것

____3.5.2 TN(true negative) - 틀린 것을 올바르게 예측한 것

____3.5.3 FP(false positive) - 틀린 것을 맞다고 잘못 예측한 것

____3.5.4 FN(false negative) - 맞는 것을 틀렸다고 잘못 예측한 것

____3.5.5 정확도

____3.5.6 정밀도

____3.5.7 재현율

____3.5.8 F1 점수

3.6 k-폴드 교차 검증



▣ 04장: 머신러닝 알고리즘 실습

4.1 머신러닝 알고리즘 실습 개요

____4.1.1 알고리즘 선정 이유

4.2 k-최근접 이웃(k-Nearest Neighbor, kNN)

____4.2.1 [이론] k-최근접 이웃 알고리즘(kNN)

____4.2.2 [실습] 농구선수의 게임 데이터를 활용한 포지션 예측

4.3 서포트 벡터 머신(SVM)

____4.3.1 [이론] 서포트 벡터 머신

____4.3.2 [실습] 농구선수의 게임 기록을 학습해서 포지션을 예측해보자

4.4 의사결정 트리

____4.4.1 [이론] 의사결정 트리

____4.4.2 [실습] 서울 지역(강동, 강서, 강남, 강북) 다중 분류하기

4.5 나이브 베이즈

____4.5.1 [이론] 나이브 베이즈

____4.5.2 [실습] 가우시안 나이브 베이즈를 활용한 붓꽃 분류

____4.5.3 [실습] 베르누이 나이브 베이즈를 활용한 스팸 분류

____4.5.4 [실습] 다항분포 나이브 베이즈를 활용한 영화 리뷰 분류

4.6 앙상블

____4.6.1 [이론] 배깅

____4.6.2 [이론] 부스팅

____4.6.3 [실습] 랜덤 포레스트 손글씨 분류

____4.6.4 [실습] 보팅 앙상블 손글씨 분류

4.7 군집화

____4.7.1 [이론] k 평균 알고리즘

____4.7.2 [실습] 키와 몸무게에 따른 체형 군집화

4.8 선형회귀

____4.8.1 [이론] 선형회귀

____4.8.2 [실습] 선형회귀

4.9 로지스틱 회귀

____4.9.1 [이론] 로지스틱 회귀

____4.9.2 [실습] 단일 입력 로지스틱 회귀

____4.9.3 [실습] 다중 입력 로지스틱 회귀

____4.9.4 [실습] 소프트맥스(다중 분류 로지스틱 회귀)

4.10 주성분 분석

____4.10.1 [이론] 주성분 분석

____4.10.2 [실습] 식습관 데이터를 차원축소시켜서 시각화하기



▣ 05장: 딥러닝의 기본 개념

5.1 딥러닝의 탄생

5.2 딥러닝과 머신러닝의 관계

5.3 딥러닝 이름의 유래

5.4 딥러닝 탄생 배경

5.5 퍼셉트론

5.6 다층 퍼셉트론

5.7 뉴런(노드)

5.8 딥러닝의 학습

____5.8.1 순전파(forward propagation)

____5.8.2 손실함수

____5.8.3 최적화

____5.8.4 역전파

____5.8.5 옵티마이저

5.9 딥러닝의 과대적합

____5.9.1 드롭아웃

____5.9.2 조기 종료

5.10 [실습] 퍼셉트론

5.11 [실습] 뉴런(노드)

5.12 [실습] 다층 퍼셉트론으로 XOR 구현하기

5.13 [실습] 다층 퍼셉트론으로 손글씨 숫자 분류하기



▣ 06장: 딥러닝

6.1 컨볼루셔널 뉴럴 네트워크(CNN)

____6.1.1 [이론] CNN

____6.1.2 [실습] CNN

6.2 순환신경망(RNN)

____6.2.1 [이론] RNN

____6.2.2 [이론] LSTM

____6.2.3 [실습] RNN 기초

____6.2.4 [실습] LSTM 기초

____6.2.5 [실습] LSTM - 지문을 읽고 주제 분류하기

6.3 오토인코더

____6.3.1 [이론] 오토인코더

____6.3.2 [실습] 손글씨 숫자 데이터 시각화

6.4 단어 임베딩

____6.4.1 [이론] Word2Vec

____6.4.2 [실습] Word2Vec

____6.4.3 [실습] 사전 학습된 Word2Vec 맛보기

____6.4.4 [이론] FastText

____6.4.5 [실습] 사전학습된 FastText 맛보기

____6.4.6 [실습] 사전 학습된 Glove 맛보기

6.5 전이 학습

____6.5.1 [이론] 전이 학습

____6.5.2 [실습] 사전 학습된 임베딩으로 사용자 리뷰 분류하기



▣ 참고문헌

딥러닝 이론/실습

파이썬 활용 데이터 과학 및 엔지니어링

Numpy

IPython

Matplotlib

Seaborn

Cython

Pandas

scikit-learn

scikit-image

Jupyter Notebook

Keras

Tensorflow

허민석 실리콘밸리에서 행복하게 살고 있는 평범한 머신러닝 개발자입니다. 취미로 머신러닝/딥러닝 지식과 경험을 유튜브 채널로 공유하고 많은 머신러닝 개발자, 데이터 과학자, 학생분들과 소통하며 살고 있습니다.

- 유튜브 채널: https://www.youtube.com/user/TheEasyoung