00장 실습 환경 안내(코랩
1단계 : 배경지식 익히기
01장 한눈에 살펴보는 머신러닝
__1.1 인공지능, 머신러닝, 딥러닝
__1.2 머신러닝 기법 : 지도 학습, 비지도 학습, 강화 학습
__1.3 머신러닝 프로세스
__1.4 TOP 10 알고리즘의 성능 비교
__1.5 머신러닝 핵심 라이브러리
__1.6 데이터 시각화 그래프 종류
__1.7 피처 엔지니어링 기법
__1.8 변수란 무엇인가?
학습 마무리
02장 파이썬 기초 익히기
__2.1 프로그래밍 기본 : 산술 연산, 변수, 출력
__2.2 자료형과 자료구조
__2.3 반복문 : for문, while문
__2.4 조건문 : if문
__2.5 파이썬 내장 함수
__2.6 나만의 함수 만들기 : def
학습 마무리
03장 유용한 라이브러리 : 판다스와 넘파이
__3.1 판다스
__3.2 넘파이
학습 마무리
2단계 : 답을 알려줘야 학습하는 머신러닝 지도학습 알고리즘
04장 선형 회귀 : 보험료 예측하기
__4.1 문제 정의 : 한눈에 보는 예측 목표
__4.2 라이브러리 및 데이터 불러오기
__4.3 데이터 확인하기
__4.4 전처리 : 학습셋과 시험셋 나누기
__4.5 모델링
__4.6 모델을 활용해 예측하기
__4.7 예측 모델 평가하기
__4.8 이해하기 : 선형 회귀
학습 마무리
연습 문제
05장 로지스틱 회귀 : 타이타닉 생존자 예측하기
__5.1 문제 정의 : 한눈에 보는 예측 목표
__5.2 라이브러리 및 데이터 불러오기
__5.3 데이터 확인하기
__5.4 전처리 : 범주형 변수 변환하기(더미 변수와 원-핫 인코딩
__5.5 모델링 및 예측하기
__5.6 예측 모델 평가하기
__5.7 이해하기 : 피처 엔지니어링
__5.8 이해하기 : 로지스틱 회귀
학습 마무리
연습 문제
06장 K-최근접 이웃(KNN : 와인 등급 예측하기
__6.1 문제 정의 : 한눈에 보는 예측 목표
_
★ 뉴욕의 데이터 사이언티스트 데싸노트가 전하는
★ 이 책으로 머신러닝을 익혀야 하는 이유
이 책은 기존 책과 큰 차이가 있습니다. 상세한 이론 설명을 코딩을 마친 후로 미루고, 일단 머신러닝 코드를 작성합니다. 그저 코드를 따라 치는 게 아니라 어떤 관점에서 문제를 풀어나가야 하는지 설명을 보태 실무에도 적용할 수 있게 했습니다. 이렇게 손으로 결과물을 만들어보고 나서 이론을 깊게 살펴봅니다. 전체 과정을 다시금 머리에 상기시키고, 핵심 개념과 용어를 복습합니다.
이런 식으로 TOP 10 알고리즘을 모두 학습하고 나면, 머신러닝 알고리즘에 대한 이해뿐만 아니라, 파이썬 코딩에 대한 기초 지식도 자연스럽게 갖출 수 있습니다. 무엇보다 큰 장점은, 결과물을 바로 확인하고 본인이 무엇을 하고 있는지 직관적으로 알 수 있기 때문에, 의욕을 고취시킨다는 데 있습니다.
★ 현업과 캐글에서 머신러닝을 활용하려면
★ 얼마나 많은 머신러닝 알고리즘을 알아야 하는 걸까요?
시작점으로 TOP 10 알고리즘이면 충분합니다. 알고리즘은 달라도 머신러닝 실행 순서는 학습 → 예측 → 평가로 진행됩니다. 이 부분은 거의 정형화되어 있어 성능에 큰 영향을 미치지 않습니다. 쓰레기가 들어가면 쓰레기가 나온다고 합니다. 머신러닝에 딱맞는 말입니다. 좋은 데이터가 좋은 머신러닝 모델을 만듭니다. 그래서 이 책은 TOP 10 알고리즘을 공략하면서 무엇보다 데이터 분석과 가공에 공을 들입니다. 데이터에 어떤 가공 기법이 필요한지 하나하나 분석하며 클리닝, 피처 엔지니어링, 차원 축소 등의 기법을 사용할 겁니다. 이렇게 데이터 분석 능력을 기르며 알고리즘을 익히면 현업과 캐글에서도 통하는 실력을 갖추게 됩니다.
★ 타깃 독자
__적어도 객체지향 프로그래밍 언어 하나를 아는 머신러닝 입문자
__머신러닝을 협업/캐글에서 더 잘 활용하고 싶은 데이터 사이언티스트와 개발자
★ 톱 10 알고리즘의 선정 기준
이 책은 10가지 머신러닝 알고리즘을 다룹니다. 어떤 알고리즘
