1장. 데이터 수집 및 구성
__데이터 처리하기 - Gopher 스타일
__Go를 활용한 데이터 수집 및 구성의 모범 사례
__CSV 파일
____파일에서 CSV 데이터 읽기
____예상하지 못한 필드 처리하기
____예상하지 못한 타입 처리하기
____데이터 프레임을 활용해 CSV 데이터 조작하기
__JSON
____JSON 파싱하기
____JSON 출력
__SQL 유형 데이터베이스
____SQL 데이터베이스에 연결하기
____데이터베이스 쿼리하기
____데이터베이스 수정하기
__캐싱(Caching
____메모리에 데이터 캐싱하기
____디스크에 로컬로 데이터 캐싱하기
__데이터 버전 관리
____Pachyderm jargon
____Pachyderm 설치
____데이터 버전 관리를 위한 데이터 저장소 생성하기
____데이터 저장소에 데이터 넣기
____버전 관리되는 데이터 저장소에서 데이터 가져오기
__참조
__요약
2장. 행렬, 확률 및 통계
__행렬 및 벡터
____벡터
____벡터 연산
____행렬
____행렬 연산
__통계
____분포(Distribution
____통계적 측정 방법
____분포 시각화하기
__확률
____확률 변수(Random Variables
____확률 측정방법
____독립 및 조건부 확률
____가설 검정(Hypothesis testing
__참조
__요약
3장. 평가 및 검증
__평가(Evaluation
____연속형 측정 방법
____범주형 측정 방법
__검증(Validation
____훈련(학습 및 테스트 데이터 집합
Go 언어를 머신 러닝 분야에 활용하는 내용을 다룬다. Go 언어는 요즘 널리 사용되는 다른 언어와 달리 단순함과 효율성을 강조하는 언어다. 이 책은 Go 언어를 활용해 생산성과 효율성이 높은 머신 러닝 프로그램 작성 방법을 알려준다. 또한 데이터 수집, 정리, 구문 분석, 머신 러닝 프로그램의 평가 및 검증 방법, 회귀 분석, 분류, 군집화, 시계열 분석, 신경망 및 딥러닝 등 머신 러닝에 대한 내용을 충실하게 다루고 있기 때문에 머신 러닝을 공부하고자 하는 독자들에게도 많은 도움을 줄 것이다. 또한 Go 언어를 머신 러닝 분야에 활용하고자 하는 데이터 과학자 및 Go 언어 개발자에게도 좋은 참고 서적이다.
★ 이 책에서 다루는 내용 ★
? 데이터의 수집, 구성, 구문 분석 및 정리 방법
? 행렬, 선형 대수학, 통계 및 확률
? 머신 러닝 모델을 평가하고 검증하는 방법
? 회귀분석, 분류, 군집화
? 신경망과 딥러닝
? 시계열 모델을 활용해 예측 수행 및 이상 감지 작업 수행
? 분석도구 및 머신 러닝 모델 배포 방법
? 머신 러닝 모델 최적화 방법
★ 이 책의 대상 독자 ★
? 머신 러닝 및 데이터 분석에 관심이 있는 Go 프로그래머
? Go 언어에 관심이 있고 Go를 머신 러닝과 데이터 분석 워크플로에 연동하는 데 관심이 있는 데이터 과학자, 데이터 분석가, 데이터 엔지니어
★ 이 책의 구성 ★
1장부터 3장까지는 머신 러닝 워크플로를 위해 데이터를 준비하고 분석하는 내용이다.
1장, ‘데이터 수집 및 구성’에서는 로컬 및 원격 소스로부터 데이터를 수집, 정리하는 방법과 데이터의 구문을 분석하는 방법을 다룬다. 1장에서는 다양한 장소에 다양한 포맷으로 저장돼 있는 데이터와 상호작용하는 방법과 데이터를 정리하고 구문 분석한 뒤 출력하는 방법을 이해할 수 있다.
2장, ‘행