PART1 머신러닝 실무 노하우
CHAPTER 1 머신러닝 프로젝트 처음 시작하기
1.1 머신러닝은 어떻게 사용되는가
1.2 머신러닝 프로젝트 과정
1.3 운용 시스템에서의 머신러닝 문제점 대처 방법
1.4 머신러닝 시스템을 성공적으로 운영하기 위한 조건
1.5 정리
CHAPTER 2 머신러닝으로 할 수 있는 일
2.1 머신러닝 알고리즘 선택 방법
2.2 분류
2.3 회귀
2.4 클러스터링과 차원 축소
2.5 기타
2.6 정리
CHAPTER 3 학습 결과 평가하기
3.1 분류 평가
3.2 회귀 평가
3.3 머신러닝을 통합한 시스템의 A/B 테스트
3.4 정리
CHAPTER 4 기존 시스템에 머신러닝 통합하기
4.1 기존 시스템에 머신러닝을 통합하는 과정
4.2 시스템 설계
4.3 훈련 데이터를 얻기 위한 로그 설계
4.4 정리
CHAPTER 5 학습 리소스 수집하기
5.1 학습 리소스 수집 방법
5.2 공개된 데이터셋이나 모델 활용
5.3 개발자가 직접 훈련 데이터 작성
5.4 동료나 지인에게 데이터 입력 요청
5.5 크라우드소싱 활용
5.6 서비스에 통합해서 사용자가 입력
5.7 정리
CHAPTER 6 지속적인 머신러닝 활용을 위한 기반 구축하기
6.1 머신러닝 시스템만의 독특한 어려움
6.2 지속적인 학습과 MLOps
6.3 머신러닝 인프라 구축 단계
6.4 지속적인 예측 결과 서빙
6.5 정리
CHAPTER 7 효과 검증: 머신러닝 기반 정책 성과 판단하기
7.1 효과 검증
7.2 인과 효과 추정
7.3 가설 검정 프레임
7.4 A/B 테스트 설계 및 수행
7.5 오프라인 검증
7.6 A/B 테스트를 수행할 수 없을 경우
7.7 정리
7.8 쉬어가기: 무조건 성공하는 A/B 테스트, A/B 테스트 모집단 조작
CHAPTER 8 머신러닝 모델 해석하기
8.1 구글 콜랩에 설치된 라이브러리 버전 업데이트
8.2 학습용 파일 업로
머신러닝을 실무에 활용하고 싶은데
어떻게 하면 좋을지 모르겠다면 바로 이 책!
머신러닝이 보급되면서 인과 효과 추론, 지속적인 학습, 머신러닝 기반 운영 등 새로운 문제에 직면하는 경우가 늘어났다. 머신러닝 시스템은 다양한 역할, 조직 체제 속에서 데이터라는 불확실한 대상이 만들어낸 결과를 통계와 운영을 포함해 다루어야만 한다. 실무에 필요한 가설 수립, 탐색적인 분석 수행 방법 등 필자들이 경험하며 학습한 머신러닝 지식을 2판에 아낌없이 추가했다. 머신러닝을 독학으로 익히느라 이런 주제를 접할 기회가 없던 독자들에게 이 책이 머신러닝을 활용하는 데 미력하나마 도움이 된다면 더할 나위 없이 기쁠 것이다.
★2판에 추가된 내용
- 6장 데이터 변경에 대응하고 장기적으로 머신러닝을 운용하기 위한 MLOps 환경 구축
- 7장 머신러닝에 기반한 시행 결과 판단
- 8장 수학적 관점(선형 회귀, 로지스틱 회귀, 결정 트리, 랜덤 포레스트, SHAP에서 머신러닝 모델의 학습 결과를 해석
- 11장 온라인 광고 콘텍스트에서 자주 사용되는 슬롯머신 알고리즘을 이용한 강화 학습
- 12장 온라인 광고의 구성 방식, 운영 방식, 전환 효과 예측 등 각 단계에 적용할 수 있는 머신러닝의 원칙과 기법들을 설명
★이 책에서 다루는 내용
1부에서는 머신러닝 프로젝트를 수행하기 위해 알아야 할 기본 지식을 소개하고 9장부터 시작하는 2부는 앞서 설명한 내용을 포함한 실제 사례를 통해 실무에 도움이 되도록 내용을 구성했다. 각 장의 내용은 1부에서 소개한 내용을 포함하고 있으니 앞서 설명한 내용을 떠올리면 읽으면 도움이 될 것이다.
1장 머신러닝 프로젝트가 수행되는 과정
2장 머신러닝으로 할 수 있는 일과 다양한 머신러닝 알고리즘
3장 오프라인에서 예측 모델을 평가하는 방법
4장 컴퓨터 시스템에 머신러닝 구조를 통합하는 주요 패턴
5장 머신러닝 분류 태스크에서 정답 데이터 수집
6장 지속 학습을 위한 머신러닝 기반 MLOps
7장
