파이썬으로 실무에 바로 적용하는 머신 러닝 > 컴퓨터공학

본문 바로가기
쇼핑몰 검색
  • 회원가입
    2000

    로그인

    다양한 서비스와 이벤트 혜택을 누리실 수 있습니다.

    아이디 비밀번호
파이썬으로 실무에 바로 적용하는 머신 러닝 > 컴퓨터공학

파이썬으로 실무에 바로 적용하는 머신 러닝 요약정보 및 구매

기본설명

상품 선택옵션 0 개, 추가옵션 0 개

제조사 에이콘출판
원산지 국내산
브랜드 에이콘출판
시중가격 30,000원
판매가격 27,000원
배송비결제 주문시 결제
최소구매수량 1 개
최대구매수량 999 개

선택된 옵션

  • 파이썬으로 실무에 바로 적용하는 머신 러닝
    +0원
위시리스트

관련상품

등록된 상품이 없습니다.

  • 상품정보
  • 사용후기 0
  • 상품문의 0
  • 배송정보
  • 교환정보
  • 상품정보

    상품 기본설명

    기본설명

    상품 상세설명

    파이썬으로 실무에 바로 적용하는 머신 러닝

    9791161752570.jpg

    도서명:파이썬으로 실무에 바로 적용하는 머신 러닝
    저자/출판사:강봉주/에이콘출판
    쪽수:420쪽
    출판일:2019-01-31
    ISBN:9791161752570




    목차
    1장. 머신 러닝 개요
    __1.1 머신 러닝의 정의
    __1.2 머신 러닝의 응용 분야
    __1.2.1 가상 개인 비서
    __1.2.2 구글 맵
    __1.2.3 상품 추천
    __1.3 머신 러닝의 기술적 단계
    __1.4 머신 러닝 알고리즘
    __1.5 머신 러닝 알고리즘의 범위
    __1.6 머신 러닝 알고리즘의 구현

    2장. 파이썬 설치
    __2.1 개요
    __2.2 아나콘다를 이용한 파이썬 설치
    __2.2.1 아나콘다 내려받기
    __2.2.2 아나콘다 설치
    __2.3 파이참 내려받기 및 설치
    __2.4 텐서플로 설치
    __2.5 케라스 설치
    __2.6 추가 패키지 설치 및 환경 변수 설정

    3장. 파이참 개요
    __3.1 개요
    __3.2 프로젝트 생성
    __3.3 전체 화면 구성
    __3.4 개발 환경 맞춤
    __3.5 코드 작성 도우미 기능
    __3.6 파이썬 파일 생성
    __3.7 탐색
    __3.8 디버깅
    __3.9 버전 관리
    __3.10 재구성
    __3.11 단축키 찾기

    4장. 파이썬 언어에 대한 이해
    __4.1 개요
    __4.2 데이터형
    __4.3 식별자의 표기
    __4.4 값의 할당
    __4.5 형변환
    __4.6 열 컨테이너 인덱싱
    __4.7 논리 연산자
    __4.8 문 구성
    __4.9 모듈 가져오기
    __4.10 조건문
    __4.11 수학 함수
    __4.12 조건 반복문
    __4.13 컨테이너형 일반 연산
    __4.14 리스트 연산
    __4.15 딕셔너리 연산
    __4.16 집합 연산
    __4.17 함수 정의
    __4.18 문자열 연산
    __4.19 포맷 구성하기

    5장. 패키지 이해
    __5.1 개요
    __5.2 배열 생성
    __5.3 배열 연산
    __5.4 배열 요소 값 정하기
    __5.5 다차원 배열
    __5.6 배열 조각내기
    __5.7 팬시 인덱싱
    __5.8 배열 생성자
    __5.9 배열의 추가(행 또는 열)
    __5.10 배열의 축과 계산
    __5.11 배열의 방송

    6장. 판다스 패키지 이해
    __6.1 개요
    __6.2 데이터 구조
    __6.3 부분 데이터 구성
    __6.4 데이터 요약
    __6.5 신규 열 생성
    __6.6 결측값 처리
    __6.7 데이터 결합
    __6.8 그룹화
    __6.9 모양 변경

    7장. Matplotlib 패키지 이해
    __7.1 개요
    __7.2 데이터 준비
    __7.3 그래프 준비
    __7.4 그래프 생성
    __7.5 그래프 수정
    __7.6 그래프 저장
    __7.7 그래프 보여주기 및 초기화

    8장. scikit-learn 패키지 이해
    __8.1 개요
    __8.2 데이터 불러오기
    __8.3 데이터 분할
    __8.4 모델 적합 및 평가
    __8.5 모수 추정값
    __8.6 비지도 학습의 예

    9장. 케라스 패키지 이해
    __9.1 개요
    __9.2 다층 신경망 구현
    __9.3 심층 신경망 구현

    10장. 표기법

    11장. 모델 평가와 선택
    __11.1 개요
    __11.2 훈련 데이터
    __11.3 모델 적합도의 측정
    __11.4 편향-분산 균형

    12장. 선형 회귀에 의한 머신러닝 구조에 대한 이해
    __12.1 개요
    __12.2 가설함수와 비용함수
    __12.3 알고리즘
    __12.4 비용함수의 원천

    13장. 분류 문제와 로지스틱회귀분석
    __13.1 개요
    __13.2 선형회귀 대 로지스틱회귀
    __13.3 비용함수
    __13.4 로그-오즈
    __13.5 연결 함수
    __13.6 분류 문제에서의 모델 평가
    __13.7 소프트맥스 회귀
    __13.8 예제

    14장. 모델 선택 및 정규화
    __14.1 개요
    __14.2 교차 검증
    __14.3 변수 선택
    __14.4 정규화 과정과 변수 선택
    __14.5 예제

    15장. 분류와 회귀 트리
    __15.1 개요
    __15.2 회귀 트리
    __15.3 최적 회귀 트리의 선택
    __15.4 분류 트리
    __15.5 트리의 몇 가지 이슈
    __15.6 예제

    16장. 랜덤 포레스트
    __16.1 개요
    __16.2 배깅
    __16.3 OOB 오차
    __16.4 변수 중요도
    __16.5 랜덤 포레스트 알고리즘
    __16.6 랜덤 포레스트에서의 변수 중요도
    __16.7 예제

    17장. 그래디언트 부스팅
    __17.1 개요
    __17.2 부스팅
    __17.3 ADABOOST.M1
    __17.4 부스팅과 가법 모델
    __17.5 전진 순차방식 가법 모델링
    __17.6 지수 손실함수와 적응 부스팅
    __17.7 부스팅의 확장
    __17.8 부스팅의 초 모수 조정
    __17.9 부스팅의 정규화
    __17.10 예제

    18장. 서포트 벡터 머신
    __18.1 개요
    __18.2 로지스틱회귀와 초평면
    __18.3 표기법
    __18.4 마진과 최적 마진 분류기(optimal margin classifier)
    __18.5 라그랑지 쌍대성
    __18.6 라그랑지 쌍대성을 이용한 최대 마진 분류기
    __18.7 커널
    __18.8 정규화와 비분리 경우
    __18.9 여유 변수(slack variable)와 초 모수 C
    __18.10 비용함수
    __18.11 서포트 벡터 머신의 모수 추정
    __18.12 예제: 커널 함수로 분리 가능한 경우(하드 마진)
    __18.13 예제: 커널 함수로 분리가 불가능한 경우(소프트 마진)
    __18.14 예제: 선형 이외의 커널 함수 적용
    __18.15 초 모수의 결정
    __18.16 예제: [BANK] 데이터 적용

    19장. 다층 신경망
    __19.1 개요
    __19.2 표기법
    __19.3 전진 패스
    __19.4 활성함수
    __19.5 전진 패스의 예시
    __19.6 후진 패스
    __19.7 후진 패스의 예시
    __19.8 초깃값 주기
    __19.9 기울기 소멸 문제
    __19.10 입력변수의 표준화
    __19.11 과적합 문제
    __19.12 예제: [BANK] 데이터 적용

    20장. 합성곱 신경망
    __20.1 개요
    __20.2 합성곱층
    __20.3 결합층
    __20.4 완전연결층
    __20.5 합성곱 신경망 아키텍처의 예시
    __20.6 모수의 추정
    __20.7 예제: [DIGITS] 데이터 적용(다층 신경망)
    __20.8 예제: [DIGITS] 데이터 적용(합성곱 신경망)

    21장. 순환 신경망
    __21.1 개요
    __21.2 기본 순환 신경망
    __21.3 모수의 추정
    __21.4 후진 패스 예제
    __21.5 장단기 기억 신경망
    __21.6 LSTM 예시

    22장. 특이값 분해
    __22.1 개요
    __22.2 정의
    __22.3 분해 행렬의 계산
    __22.4 특이값 분해 계산
    __22.5 특이값 분해 예제: 추천 시스템

    23장. 주성분 분석
    __23.1 개요
    __23.2 정의
    __23.3 주성분의 계산
    __23.4 주성분을 이용한 차원 축소
    __23.5 주성분의 기학학적 의미
    __23.6 주성분의 계산 예제
    __23.7 주성분을 이용한 분석(예: MNIST 손글씨 숫자 데이터)

    24장. 연관 분석
    __24.1 개요
    __24.2 표기법
    __24.3 지지도, 신뢰도 그리고 향상도
    __24.4 APRIORI 알고리즘
    __24.5 APRIORI 알고리즘 예시
    __24.6 APRIORI 알고리즘의 문제
    __24.7 예제

    25장. 군집 분석
    __25.1 개요
    __25.2 표기법
    __25.3 k-평균 군집화
    __25.4 k-평균 군집화 알고리즘
    __25.5 k-평균 군집화 알고리즘 예시
    __25.6 격차 통계량을 이용한 k의 선택
    __25.7 격차 통계량 계산 예제
    __25.8 실루엣 값을 이용한 군집의 평가
    __25.9 실루엣 값 계산 예제
    delivery.jpg
  • 사용후기

    등록된 사용후기

    사용후기가 없습니다.

  • 상품문의

    등록된 상품문의

    상품문의가 없습니다.

  • 배송정보

    배송정보

    배송업체 : 한진택배 (1588-0011)
     배송비
     2,500원 (25,000원 이상 구매 시 무료 배송/일부상품제외) 군부대 및 도서산간 지역은 추가 배송비가 발생할 수 있습니다.
     ◆배송기간
     : 평일 오전 7시 이전 주문 시 당일 발송 (2~3일 소요) : 단, 공휴일, 연휴, 천재지변 등으로 인해 발송이 지연될 수 있습니다.
     ◆배송추적
     : 당일 발송건에 한해 익일 오전 9시 이후 확인 가능합니다.


  • 교환정보

    교환/반품

     ◆반품/교환을 원하는 경우 반드시 고객센터로 연락 후 신청하시기 바랍니다.
     ◆반품/교환은 상품 수령일로 부터 7일 이내에만 가능합니다. 단, 상품이 훼손되지 않았거나, 속 비닐이 있는 경우 듣지 않았을    때 가능합니다.
     •고객님의 변심 또는 잘못 주문하신 경우에는 왕복 배송비는 고객님의 부담입니다.
     ◆오배송, 파본, 불량 상품에 대해서는 고객센터로 연락주시면 상담 후 교환해 드립니다.
     ◆오배송, 파본, 불량상품의 배송비는 환불처에서 부담합니다.
     교환/반품
     ◆환불은 상품이 환불에 도착 시 처리됩니다. (카드 취소는 3~5일이 소요될 수 있습니다.)

장바구니

오늘본상품

오늘 본 상품

  • 파이썬으로 실무에 바로 적용하는 머신 러닝
    파이썬으로 실무에 27,000

위시리스트

  • 보관 내역이 없습니다.
회사명 (주)꼭대기 주소 서울 특별시 마포구 연희로 11,5층 S-537호
사업자 등록번호 795-87-00429 대표 오주봉 전화 02-356-5779 팩스 02-356-5779
통신판매업신고번호 제2017-서울마포-0052호 개인정보 보호책임자 dhwnqhd

Copyright © 2001-2013 (주)꼭대기. All Rights Reserved.