머신러닝 배웠으니 활용해 볼까요?

1. 현대 기술의 중심이 될 머신러닝의 기본 개념부터 실무 적용 사례까지 다양하게 배울 수 있어서 유익했다. 머신러닝과 그의 알고리즘 및 데이터 분석에 대해 쉽게 알고픈 이들에게 적극적으로 권하고 싶다.
- ㈜ 베네사이클 대표 조동욱
2. 이 책은 단순히 기술 중심이나 관념적인 설명에서 벗어나 실제 경험을 바탕으로 업무에 머신러닝을 도입했던 과정과 그 어려움에 대처했던 방법들까지 시각 자료를 통해 상세하게 알려주고 있다. 머신러닝에 관심 있는 분들뿐만 아니라 머신러닝에 낯선 독자들도 어렵지 않게 맛볼 수 있다.
- (유) 광명에너지 대표 심형섭
3. 다양한 머신러닝 프로젝트 사례에 대해 현장에서 오랜 기간 업무를 적용한 저자의 실제 노하우를 제시하여 이해하기 쉬웠다. 'AI는 객관적인가?', '인공지능은 법적 권리를 가질 수 있을까?'와 같이 AI와 관련된 중요한 쟁점들까지 다루고 있어 독자들이 이에 대한 생각을 스스로 정리할 수 있는 소중한 기회를 제공해주고 있다.
- 서울경찰청 수사 심의위원회 고문 박창규
4. AI/머신러닝 기술이 새로운 미래를 열어 가고 있는 시대인만큼, 이 책을 통해 머신러닝과 함께하는 즐거운 여정을 떠나보는 것은 어떨까?
- 연세대학교 생화학과 권지민
5. 21세기 가장 핫한 주제인 머신러닝 분야의 최고의 서적. 실생활과 연결되어 있는 적절한 예시와 저자의 친절한 설명이 담긴 이 책을 머신러닝 공부의 첫걸음으로 추천한다.
- 경희대학교 정치외교학과 박수욱
6. 업무에서 실제 데이터에 머신러닝을 적용하기 전에 어떤 모델을 사용하고, 데이터 전처리를 어떻게 해야할지 막막했는데, 이 책은 머신러닝 적용에 대한 길잡이가 되어주었다. 또한, 실무 사례를 통해 머신러닝 감을 잡게 하고, 정형ㆍ비정형 데이터의 특징부터 유클리드 및 코사인 거리의 차이를 통한 데이터 간 거리 측정 등 머신러닝 적용을 위한 데이터 기초 지식도 함께 설명하고 있어 최고의 머신러닝 입문서라고 할 수 있다.
- 데이터 사이언티스트 박소민
7. 실무에서 로그 클러스터링과 관련한 업무를 맡게 되었는데, 이 책의 chapter 2의 방화벽 로그 클러스터링 실무 사례를 통해, 데이터 필드 수치화 단계부터 HDBSCAN을 이용한 데이터 군집화까지 로그 클러스터링의 단계와 알고리즘을 이해하는데 많은 도움이 되었다. 실제 업무에서 머신러닝 적용을 막 시작하는 IT 개발자들에게 이 책을 강력 추천한다.
- 성균관대학교 소프트웨어학과 이현아
8. 바야흐로 인공지능의 시대, 머신러닝 입문서로 이만한 책은 없다! 머신러닝, 딥러닝의 세계로 독자를 인도하는 훌륭한 지침서!
- 토목과 박사 윤수호
9. 머신러닝 이론의 실무 적용 관련 저서는 해외 원서 번역본 밖에 없던 한국에서 저자의 생생한 머신러닝 프로그램의 경험을 담은 이 책은 마치 사막의 오아시스와 같다!
- 도시공학과 박사 노병덕

1장 머신러닝
머신러닝이란?
데이터 - 머신이 배우는 경험. 수치화(Digitalization)으로 만든다.
인공지능, 머신러닝, 딥러닝
머신러닝 유형 - 지도학습, 비지도학습, 강화학습
머신러닝 유형별 수행 가능한 작업
통계적 머신러닝과 딥러닝
머신러닝 모델의 선택
머신러닝에서 머신이 배우는 것
머신러닝 모델의 평가 - 최적의 모델은 무엇인가?
데이터 전처리
핏봇(Pivot) - 데이터 행과 열 구조 변경
AutoML - 무엇을 얼마나 자동화 할까요?
머신러닝의 대상 선정 - 무엇을 목표로 훈련시킬까?

2장 머신러닝 사례
AWS 사용자 이벤트 이상활동 감지
데이터와 머신러닝 모델
데이터 탐색
모델 유효성 테스트
머신러닝 훈련 대상 결정
훈련데이터 전처리 방안
훈련된 모델의 유효성 테스트
새로운 이벤트와 사용자에 대한 처리 대용량 데이터 처리
데이터 수집 툴과의 연동
운용 방안
드론 이미지 판정 및 폭 자동 계산
이상 형태 판정 모델 훈련
균열의 길이와 폭 자동 계산
다중 균열의 분리
웹 방화벽(WAF - Web Application Firewall) 로그 클러스터링
잘못된 탐지(False Positive) 줄이기 - 기존 논문 확인
데이터 탐색
오탐은 없다? 레이블이 없다.
군집화(Clustering) 대상 필드(field) 결정
데이터 필드(field)의 수치화(벡터화- Vectorizer)
군집화 머신러닝 훈련
책등(Book Spine) 인식 - 어떤 책이 몇 권일까?
책등 분리하기
책등 인식 모델 테스트 2- 딥러닝(Deep Learning)

3장 AI와 생각들
AI는 객관적인가?
인공지능과 저작권 - 인공지능은 법적 권리를 가질 수 있을까?
잠재공간(Latent Space)
편향(Bias)
딥러닝의 3가지 미스터리
Ensemble, KnowledgeDistillation, SelfDistillation
설명가능한 AI (XAI - eXplainable AI)
딥러닝(Deep Learning)의 연결
딥러닝의 연결 모양
빅모델 (Big Model) - 파라미터가 많은 모델이 더 똑똑한가?
머신러닝은 신기하고 특이한 것이 아니다 - 머신러닝은 담담하다.
AI 로봇의 실패와 도전
데이터 드리프트(Drift) - 어떻게 데이터가 변하니?

4장 머신러닝 학습과정을 돌아보며 새로운 지식 익히기
머신러닝 관심 갖기
머신러닝 공부하기
도구(Tool)에 익숙해지기
새로운 것 시작하기
모든 것은 힘쓰는 데 달렸다. - 조선 최고의 독서왕 김득신
머신러닝에 대한 전망

강승우 제주도에서 태어 나 자랐고 서울에서 대학을 다녔다.
노벨 물리학상을 꿈꾸며 물리학을 전공했으나 자유로운 IT 문화에 매료되어 컴퓨터를 시작했다.
펜타를 거쳐 BEA, Oracle에서 턱시도, 웹로직 최고 기술 아키텍트로서 기업의 IT 시스템 문제가 있는 곳에서는 항상 해결사로서 그가 있었다. 글로벌 소프트웨어를 한국에 적용하는데 큰 기여를 하였다. 현재는 머신러닝을 활용한 솔루션을 개발하고 있으며 글로벌에 통하는 한국 소프트웨어 개발에 열정을 불태우고 있다.
주말에는 남산도서관에서 그를 볼 수 있으며 틈나는 대로 인공지능의 본질을 꿰뚫는 강의를 하고 있다.

현) 위데이터랩 인공지능연구소장
현) 서울데이터과학연구회 자문위원
전) 타임게이트 연구소장
전) Oracle Korea
전) Bea Korea
전) 팬타